面向岗位：风控数据/策略类内容总结：1. 压力测试（可能考察）基础版：数理统计类的概念问题（例如回归、统计学指标等）进阶版：数理统计类的思考题（通常是概率论方面的题目），在尽可能短的时间内给出问题的答案及理由2. 风控业务（必考）基础版：简历浅挖，通常包括介绍实习工作的业务线背景、体量；周报中提到的业务数据指标的概念，能达到的基本数值；风控项目的功能介绍、承担的角色及上线后的应用价值等进阶版：简历深挖，通常是针对风控业务的深层逻辑进行考察，比如所负责的信贷业务线在观测其风险时的入催口径（逾期口径）以及选择该观测口径的原因；再如举出定位风险业务点的case，通过什么样的方法进行业务风险点的定位，定位完成后又是怎样处理的；亦或是风险特征的衍生方法与逻辑等3. 常用模型（基本必考）基础版：评分卡、逻辑回归、boosting以及随机森林等系列模型的原理、迭代流程、适用场景以及区别；模型评价指标：精确召回率、F1分、KS、psi的定义和计算方法进阶版：不同模型间相近功能的比较，评分卡模型筛选特征变量的机制（iv阈值筛选）与xg模型的特征重要性排序机制的比较；随机切分样本数据集与按时间窗口观察期切分样本数据集两种方法的比较；风控模型分的底层计算逻辑等4. 编程软件（基础版基本必考，进阶版可能考察）基础版：牛客上的SQL经典题型（次日留存/连续登录/gmv最值/完播率等）；python表连接，数据查询、清洗的基本语法进阶版：将信贷业务场景指标与排序、时间窗口函数相结合的SQL题目；力扣hot100简单难度的python题目写在最后：关于金融风控岗位在秋招面试中的考点已经为各位uu详细陈列了，秋招现在已陆续开启，各位uu现在就要抓紧时间修改简历进行投递了，目前京东和滴滴的风控岗位已开，面试mock采取腾讯会议的形式，大致内容已在图片中呈现，有简历整改和面试mock需求的uu可以后台私信哦!

1. 学习资料学习资料主要包含了风控的预备知识，以及几个基本模型包括评分卡、逻辑回归、xg系列模型并附带了一些源代码，以及小项目的数据集和内部逻辑注释，便于风控小白uu学习！2. 简历包装首先，最重要的其实就是简历的书写，这也是我们拿到offer的第一步也是比较重要的一步，吸人眼球的简历往往更容易通过筛选。尤其是我们风控岗位，看重的是垂直的实习经历和相关的项目经历，学历可能其次，但这些一定是要有的。在描述实习经历时，最好以多段式的形式概述主要工作内容，这些内容应当包含业务数据指标，风险点case，模型知识等；而项目经历则应介绍清楚项目名称、功能以及应用价值3. 面试辅导对于面试中的考察点，可以大致分为四类：压力测试，业务知识，模型八股，软件技能。压力测试就是类似数理统计知识的小问答，在尽可能短的时间内给出答案；业务知识和模型八股基本会围绕自己的简历介绍来提问，这也是为什么一直强调包装简历的重要性，业务知识一般包括风控数据指标，特征工程，实习中的工作产出等方面，模型主要是机器学习的八股；软件技能则可能是sql、python的手撕或口述有相应需求的伙伴可私信哦！

相关岗位职责： 基于数据分析对客户进行全面的金融画像并制定消费金融产品的全流程风控策略，包括贷前客户准入、贷中额度定价、贷后管理策略等 校招应聘方向： 互联网金融，互联网大厂金融业务线，银行金融科技 校招面试内容： 互联网篇： 1. 之前实习公司的业务模式，客户渠道信息，三方征信数据来源以及风控业务线的规模信息，包括客户体量，放款额度，年盈利率等；(这类问题很多互联网在面试的时候都会有意无意地问一问，个人感觉并不是很好回答，都需要我们在实习期尽可能深入了解公司的业务线才能从容应对） 2. 金融风控评价指标体系的构建，包括入催率，批核率，回收率等，这些指标的具体含义，能达到的具体数值，以及怎样利...