风控面试高频追问链：指标体系 7 层、项目 9 层
题目来源：信贷风控策略 / 模型岗真实面经。每层追问后面的引用行，写的是面试官在这一层真正想看什么。
配套题目见 信贷风控策略与模型面试题库（170 题）。
链一：介绍你项目里的信贷风险指标体系
开场问法：「介绍一下你实习/项目里跟信贷风险有关的指标体系。」
这一问看着简单，实际是在筛「你是背过指标定义，还是真的用指标做过决策」。绝大多数人第一层就答成名词罗列（M1、M3、坏账率、通过率……），然后就没了。
追问路径
第 1 层｜分几层？为什么这么分
考察点：有没有体系感，而不是清单感。
推荐的答法结构（四层）：
- 规模层：放款额、放款笔数、在贷余额、新增授信户数——回答「业务做了多大」
- 质量层：FPD、M1/M3+、不良率、Vintage 各期表现——回答「资产坏不坏」
- 效能层：通过率、核准率、拒绝率、误杀率、拦截率、人均产能——回答「策略管不管用」
- 结构层：客群分布、渠道占比、额度分布、期限结构、多头占比——回答「风险从哪来」
一句话收口：「规模看增长、质量看结果、效能看过程、结构看原因。」
第 2 层｜你日常最盯哪三个？为什么是这三个
考察点：优先级判断。答不上来说明没真正做过监控。
好的答法要带上因果链：「我最盯 FPD、M1→M2 迁徙率、新客通过率。因为 FPD 是资产质量的先行指标，迁徙率能看出催收和客群恶化速度，新客通过率一旦异常波动，往往意味着进来的人变了。」
第 3 层｜M1 逾期率的分子分母具体怎么取
考察点：口径严谨性。这是全场最容易露底的一层。
必须能说清四件事：
- 分子：逾期 1–30 天的余额还是笔数？含不含已核销？
- 分母：当前在贷余额、放款金额，还是期初余额？
- 时点口径还是 Ever 口径（曾经逾期过就算）？
- 是否剔除展期、减免、重组账户？
第 3 层的雷区：用「当前余额」当分母时，随着正常还款摊还，分母会自然缩小，逾期率会被动上升——哪怕风险没恶化。能主动点出这一点，面试官会认为你在实操中踩过坑。
第 4 层｜这个指标涨了 10%，怎么判断是策略问题还是客群变化
考察点：归因能力，也是「异动归因」那类题的真正考法。
标准拆法（顺着说，不要跳）：
- 先排伪：口径是不是变了？数据延迟？当期是否少还了一天？
- 再看形态：突然跳升（外部事件、策略改版）还是趋势性爬升（资产质量恶化）
- 再拆维度：时间（周/月）→ 客群（新客/老客、年龄、地域）→ 渠道 → 产品 → 额度段
- 最后对策略：近期有没有放宽准入、提额、改定价、换渠道
收口一句：「先证伪，再定位，最后归因。」
第 5 层｜你们阈值怎么定？误报多了怎么办
考察点：监控工程落地，不是理论。
要点：阈值从历史分布的分位数（如 P95）+ 业务容忍度双向定，不是拍脑袋。误报多时，从「调阈值」和「改指标」两条路走——后者更根本，比如把单点指标改成连续 3 天超限或同比偏离度，用持续性过滤噪声。
第 6 层｜给不看数据的老板做一页看板，你放哪几个
考察点：抽象能力与业务沟通。
答法：只放 4 个——放款规模、M1+ 逾期率、新客通过率、Vintage 最新批次表现。理由是：老板只关心「做多大、坏不坏、进得来吗、和上批比怎样」。其余下钻，不放首页。
第 7 层｜这些指标有没有互相打架的时候
考察点：权衡思维，策略岗的核心素质。
经典矛盾：通过率 vs 逾期率、放款规模 vs 资产质量、拦截率 vs 误杀率、催回率 vs 投诉率。
答法要落到「平衡点怎么找」：先算清「多放一个坏人要多少个好人的利润来补」，再定取舍，而不是单纯「要风险低」。
链二：讲一个你做过的风控项目
开场问法：「讲一个你做过的、跟信贷风险相关的项目。」
这题几乎每家必问，而且追问会一路钻到你答不上来为止——目的不是为难你，是验证这事你到底做没做。所以准备重点不在「讲得漂亮」，而在「扛得住挖」。
追问路径
第 1 层｜什么产品、什么客群、当时最大的痛点是什么
考察点：业务理解。别一上来就讲模型。
第 2 层｜你具体负责哪部分？哪些不是你做的
考察点：真实性。主动划清边界反而加分，夸大边界一问就穿。
第 3 层｜数据从哪来？观察期表现期怎么定？坏样本怎么定义
考察点：样本设计功底，模型岗必挖、策略岗也会问。
要能答：数据源（内部借还款、征信、三方）、观察期长度（通常 6–12 个月）、表现期（覆盖到 M3+ 暴露）、坏样本标准（M3+ / M2+ / 首逾 30+，各产品不同）。说清「为什么这个产品选这个标准」比说出标准本身更重要。
第 4 层｜特征怎么来的？有没有业务上讲不通但统计显著的变量
考察点：特征工程 + 业务感。这层答得好，最能区分「跑过脚本」和「做过模型」。
第 5 层｜为什么用这个方法，不用更复杂的
考察点：取舍能力。
好答法：「我们样本量只有 X 万、坏样本 Y 千，上 GBDT 提升有限且不可解释，评分卡能过合规评审，所以选 LR + WOE。」——把约束条件讲出来，比讲算法优劣有力。
第 6 层｜离线 KS 多少？线上多少？差在哪
考察点：是否真上过线。没上过线的人答不出这层的差异原因。
差异来源要能说：样本期与投放期客群不同、拒绝推断没做导致样本有偏、特征线上取数口径与离线不一致、上线后策略叠加改变了进件人群。
第 7 层｜上线后出过什么问题？你怎么发现的、怎么处理的
考察点：实战细节，也是识别「编项目」的关键。
建议准备一个真实小事故：某变量线上覆盖率骤降、分数分布整体偏移、某条规则误杀率异常、渠道进件结构突变。有事故、有定位过程、有修复动作，比「一切顺利」可信得多。
第 8 层｜重做一次你会改什么
考察点：反思能力。别说「没什么可改的」。
第 9 层｜这个项目给业务带来多少变化？怎么算的
考察点：商业价值。要能落到钱或风险上：坏账下降多少 bp、通过率提升多少 pt、同等风险下多放多少量、节省多少人工审核成本。
追问应对的四条原则
数字要具体，但要真实。 AUC 说 0.9 会让人仰视并怀疑你；0.72–0.78、KS 0.25–0.35 是信贷的常态区间。宁可说「我们场景 KS 0.3 左右，不算高，因为客群下沉」。
口径先于结论。 被问到任何指标，先讲清口径再讲数值。面试官常在这一步判断你有没有真做过。
被质疑时不要硬顶。 可以说「这块我当时只参与了前半段，后半段是另一位同事负责，我理解是……」，比编一个完整答案安全得多。
主动暴露边界。 「这套方法在数据基建差的公司会跑不动」——能说出适用边界，反而显得你判断成熟。