信贷风控策略与模型面试题库（170 题）

11 分钟阅读 工作生活
风控面试, 信贷风控, 题库

适用岗位：信贷风控策略分析师、风控策略岗、风控模型（建模）岗、风险数据分析岗。

共 170 题，按知识域分 12 章。章标题后的标注表示该章主要考察方向。

配套的追问还原见 风控面试高频追问链。

一、信贷业务与风险基础（共用）

  1. 什么是信贷风控策略？它和风控模型、风控系统分别是什么关系？
  2. 风控策略的生命周期分哪几个阶段？每个阶段的核心产出是什么？
  3. 信贷业务全流程中，风控在哪些节点介入？各节点分别解决什么风险？
  4. 欺诈风险和信用风险的本质区别是什么？为什么两者必须分开做策略？
  5. 贷前、贷中、贷后三个阶段的目标分别是什么？边界怎么划？
  6. 什么是风险偏好和风险容忍度？它们如何落到具体的策略参数上？
  7. 什么是风险敞口？信贷业务的风险敞口怎么算？
  8. 信贷组合的压力测试怎么做？宏观情景怎么设定？
  9. 贷款五级分类和拨备计提制度是什么？它对风控策略有什么反向影响？
  10. 经济资本、预期损失、非预期损失是什么关系？为什么经济资本远大于预期损失？
  11. 什么是集中度风险？信贷组合怎么防范集中度风险？
  12. 宏观经济下行周期，风控应该做哪些前瞻性调整？
  13. 消费金融公司、银行零售、互联网助贷，三者的风控逻辑有什么差异？
  14. 你怎么看未来一两年的信贷市场走势？这对风控策略意味着什么？

二、策略体系与规则设计（策略主导）

  1. 什么是策略阈值？阈值设定的基本原则是什么？
  2. 硬规则和软规则的区别是什么？各自适合什么场景？
  3. 如何评价一条规则的好坏？命中率、覆盖率、精准率、误杀率之间是什么关系？
  4. 准入策略怎么设计？零售信贷要重点关注哪些维度？
  5. 如果让你从零搭一套信贷风险指标体系，你会怎么分层设计？
  6. 要识别某一类特定风险（如套现、骗贷），你会怎么设计指标和规则？
  7. 反欺诈策略和信用策略的边界怎么划？为什么不能混在同一条决策流里？
  8. 什么是「自动通过、人工审核、拒绝」三分法？边界怎么定？人工审核的价值到底在哪？
  9. 客户分层怎么做？风控视角下的分层维度有哪些？
  10. 大学生、年轻客群或征信白户，策略上要特别注意什么？
  11. 什么是冠军挑战者（Champion-Challenger）机制？怎么落地？
  12. 规则不断叠加后边际效益递减，怎么判断？什么时候该停？
  13. 什么是策略漏斗模型？各层级的流失怎么监控？
  14. 策略迭代优化的目标是什么？靠什么信号触发调整？
  15. 策略上线前要做哪些验证？回溯、样本外、灰度各自解决什么问题？
  16. 策略上线后效果不达预期，从哪些角度排查？
  17. 通过率正常但坏账率上升，怎么归因？
  18. 某个核心指标出现异动，你的归因分析怎么展开？
  19. 指标忽高忽低，怎么判断是正常波动还是真的异常？阈值怎么定？
  20. 通过率、放款规模、风险水平三者怎么权衡？
  21. 如何确保策略既能控住风险，又不至于压制业务？
  22. 为什么风控不能追求零风险？零风险策略的业务代价是什么？
  23. 成本-收益分析怎么做？一条新拦截规则怎么算经济账？
  24. 什么是成本敏感决策？漏放和误拒成本不对称时，阈值该怎么定？
  25. 限流、控量类策略在什么场景下使用？和拒绝策略有什么不同？

三、额度、定价与名单（策略主导）

  1. 额度策略怎么设计？初始额度依据什么定？
  2. 提额、降额、冻结的触发条件怎么设？
  3. 额度使用率和风险是什么关系？这个指标怎么用？
  4. 风险定价（Risk-Based Pricing）是什么？怎么落地？
  5. 定价和额度怎么联动？如何避免「高定价吸引高风险客群」？
  6. 黑白灰名单机制怎么设计？黑名单怎么实现自动沉淀和自动过期？
  7. 白名单策略怎么建？它本身有什么风险？
  8. 产品要素（额度、期限、利率、还款方式）怎么与风险匹配？
  9. 客群上移或下移怎么判断？策略怎么承接？
  10. 不同渠道和场景的风险差异怎么管理？

四、贷中、贷后与催收（策略主导）

  1. 贷中监控的核心指标有哪些？预警阈值怎么设？
  2. 贷中除了逾期，还要监控哪些风险维度？
  3. 贷中提额、调额怎么基于行为评分卡来做？
  4. 提前还款行为怎么看？对收益和风险各有什么影响？
  5. 展期、续贷、减免的策略风险在哪里？
  6. 某产品逾期率突然大幅上升，怎么排查和应对？
  7. 多头借贷（共债）怎么识别和管控？阈值怎么定？
  8. 客户多头记录多但其他指标良好，怎么评估其风险并制定策略？
  9. 坏账率整体偏高时，你会从哪些层面去改善？
  10. 催收评分卡（C 卡）和 A 卡、B 卡的本质区别是什么？
  11. 催收评分卡通常由哪几个子模型构成？各自预测什么？
  12. 怎么根据 C 卡评分设计差异化催收策略？
  13. 催收的核心考核指标有哪些？回收率怎么算？
  14. 账龄分析和 PAR30/PAR90 怎么用？两者反映的问题有什么不同？
  15. 滚动率（Roll Rate）分析怎么做？怎么用它指导催收资源分配？
  16. 失联预测模型怎么做？关键特征有哪些？
  17. 贷后处置手段（自催、委外、核销、转让）怎么选择？

五、反欺诈（共用）

  1. 信贷欺诈类型有哪些？按周期、手段、渠道、人群、主体分别怎么分类？
  2. 发生团伙欺诈时，应急响应流程是什么？怎么快速止血？
  3. 怎么做团伙反欺诈？社群发现和标签传播算法怎么用？
  4. 欺诈客户怎么定义？贷前、贷中、贷后分别看哪些维度？
  5. 设备指纹的原理是什么？怎么做设备反欺诈？
  6. 通讯录反欺诈怎么做？哪些特征最有效？
  7. 知识图谱如何实现跨维度的欺诈关联分析？
  8. 图算法在注册、登录、交易、贷后各阶段分别怎么用？
  9. 怎么做业务数据埋点？埋点数据能衍生出哪些风控变量？
  10. 反欺诈标签有哪些类型？怎么构建？
  11. 什么是无监督反欺诈？它在落地时有哪些局限？
  12. 反欺诈模型评估要看哪些指标？精确率和召回率怎么权衡？
  13. 面对 AIGC 深度伪造（AI 换脸、合成语音）的黑产攻击，怎么设计防御？
  14. 信用卡套现行为怎么识别？规则怎么设计？
  15. 怎么核验一个商户的经营真实性？怎么判断它的真实经营类型？
  16. 支付风控里 B 端和 C 端的风险逻辑有什么不同？
  17. 黑产情报从哪里来？怎么把它变成可用的策略输入？

六、模型：样本与特征（模型主导）

  1. 好客户和坏客户怎么定义？坏样本标准（M1/M2/M3）怎么选？
  2. 观察期和表现期怎么定？为什么不同产品不一样？
  3. 什么是 OOT（时间外）验证？为什么它比随机划分更重要？
  4. 样本不均衡怎么处理？加权、采样、代价敏感各自适用什么场景？
  5. 什么是拒绝推断？为什么要做？常用的方法有哪些？
  6. 拒绝推断的适用边界在哪？为什么高核准率业务不适合用？
  7. 什么是特征工程？风控建模常用的特征筛选方法有哪些？
  8. 特征衍生有哪些常用套路？时间窗、趋势、占比、交叉怎么构造？
  9. 缺失值怎么处理？缺失本身是不是一种信息？
  10. 特征共线性怎么处理？
  11. 非结构化数据（文本、语音、图像）怎么用于风控建模？
  12. 为什么准入规则、A 卡、反欺诈模型一般不选用同一批特征？
  13. 变量要做业务合理性检验吗？业务判断和统计显著性冲突时听谁的？
  14. 离线模型效果很好，上线后与真实数据差异很大，怎么理解和处理？
  15. 以某出行／支付平台为例，怎么构建信贷风险特征、用哪些数据源？

七、模型：开发、评估与治理（模型主导）

  1. A 卡、B 卡、C 卡的样本和标签有什么差异？
  2. 请完整描述一次风控建模流程，从业务理解到上线监控。
  3. PD、LGD、EAD 分别是什么？各自怎么建模？
  4. 预期损失 EL 怎么算？在定价和拨备里怎么用？
  5. 逻辑回归在风控中的优势和局限分别是什么？
  6. 决策树、GBDT、XGBoost、LightGBM 各自适合什么场景？
  7. 评分卡为什么用 WOE 编码，而不是 one-hot？
  8. WOE 和 IV 是什么关系？IV 怎么用于变量筛选？
  9. 分箱怎么做？等频、等距、卡方、决策树分箱有什么区别？
  10. 分箱后 badrate 不单调怎么办？为什么要求单调？
  11. 评分卡的分数刻度怎么定？PDO 和基准分是什么？
  12. 模型分数怎么校准成真实的违约概率？
  13. 常用评估指标（KS、AUC、Gini、F1、Lift）分别怎么解读？
  14. KS 和 AUC 是什么关系？为什么 KS 更适合用来定 cutoff？
  15. 严重样本不均衡时，AUC 为什么会「骗人」？
  16. 训练集测试集 KS 接近，但 AUC 差很多，可能是什么原因？
  17. 怎么区分模型效果的「伪提升」和真实提升？
  18. KS/AUC 达到多少能上线？过拟合怎么判断？
  19. 交叉验证怎么用？时间序列交叉验证和 K 折交叉验证有什么区别？
  20. 模型可解释性为什么在信贷场景重要？有哪些提升手段？
  21. 机器学习模型在信贷落地的主要障碍是什么？
  22. 模型风险管理制度包含什么？独立验证要看哪些维度？

八、指标口径与资产质量（共用）

  1. 首逾率（FPD）、SPD、DPD、M1/M2/M3 的口径区别是什么？
  2. 逾期率、不良率、坏账率、损失率分别怎么定义？有什么区别？
  3. 逾期率的分母应该用当前余额还是放款金额？两种口径差异在哪？
  4. Vintage 分析怎么做？怎么判断某一批次资产质量异常？
  5. 迁徙率矩阵怎么算？怎么解读？
  6. Vintage、不良率、EVA 三套指标分别在衡量什么？
  7. 怎么还原「不良毛生成」？为什么不能只看净增？
  8. 通过率、核准率、放款率的区别是什么？
  9. 日常监控要看哪些核心指标？请说明定义和计算公式。
  10. 预警阈值的设置原则是什么？
  11. 什么是 PSI 和 CSI？阈值怎么定？
  12. 什么是模型漂移？分哪几类？怎么应对？

九、监控、实验与系统落地（共用）

  1. 什么是回溯测试？它的作用是什么？
  2. A/B Test 怎么做？分流时要注意哪些防污染问题？
  3. 什么是影子模式（Shadow Scoring）？上线前为什么要跑影子？
  4. 灰度发布怎么做？怎么保证可回滚？
  5. 线上策略突然出现误伤率飙升（误杀正常用户），按什么步骤排查？
  6. 规则引擎的核心架构是怎样的？
  7. 风控决策引擎由哪些模块构成？一次决策请求的完整流程是什么？
  8. 规则和模型谁优先？两者结论冲突时怎么决策？
  9. 多条规则同时命中且输出冲突时，系统通常怎么处理？
  10. 决策引擎怎么做到低延迟（百毫秒内）？有哪些优化手段？
  11. 什么是规则熔断？为什么需要它？
  12. 数千条规则怎么治理？版本、测试、下线、责任归属怎么管？

十、数据能力（共用）

  1. 用 SQL 统计每天的审批通过率与通过件的平均申请金额。
  2. 统计某时间段内不同费率的放款笔数、放款金额和 30+ 金额逾期率。
  3. 如何用 SQL 做 Vintage 账龄分析？按 MOB 分组的难点在哪？
  4. 如何用 SQL 统计各客群的人数占比与逾期占比？
  5. 用窗口函数做同期对比、组内排名、累计占比，怎么写？
  6. 数据清洗的原则和方法有哪些？风控数据清洗有什么特殊性？
  7. 引入外部数据源要注意什么？决策类和排序类数据源怎么区分使用？

十一、合规与数据安全（共用）

  1. 个人信息保护法对风控数据的采集和使用提出了哪些要求？
  2. 反洗钱（AML）和客户身份识别（KYC）在信贷风控中的要点是什么？
  3. 涉赌、涉诈的资金流向怎么监测？规则和模型怎么配合？
  4. 数据隐私和合规怎么落地？联邦学习这类技术适用吗？
  5. 监管政策发生变化时，怎么快速调整风控策略？

十二、案例与表达（共用）

  1. 如何向非专业人士解释风险管理的概念和重要性？
  2. 如何向非技术岗位同事解释风控模型的调整逻辑和影响？
  3. 业务部门要求放宽风控规则以提升业绩，你怎么沟通并平衡？
  4. 讲一个你通过策略优化降低坏账率的案例，关键措施是什么？
  5. 讲一次你参与风险策略制定的经历，怎么平衡风险控制和用户体验？
  6. 用一个数据分析项目，说明你的分析思路和结论（背景—问题—方法—结论—建议）。
  7. 新产品或新业务冷启动、缺历史数据时，怎么搭初始策略？
  8. 业务推广期大量新用户涌入，怎么兼顾审核效率与风险控制？
  9. 怎么通过策略优化降低优质客户的误拒率（误伤率）？
  10. 如何评估一家企业的信用风险？请结合具体案例。
  11. 策略人员怎么和产品、运营、开发团队高效协同推进项目？
  12. 面对一个完全陌生的开放问题（如估算某城市信用卡数量），你怎么拆解？
  13. 面对不断变化的市场，怎么保持对新风险类型的敏感度？
  14. 大模型等 AI 技术怎么和信贷风控结合？有哪些落地场景和风险？