写给风控小白的入门指南
为什么我不写风控的基础知识？
就是那些什么概念是什么，计算公式是什么，代码实现如何如何，应用案例有什么的问题。
基础知识都没有写的必要了。
以前你要检索到你想了解的知识点，一般需要看多个博客或者贴子或者回答或者百科，现在ai可以帮你检索总结归纳，这比一般人写的书好用多了。
实际上，最好的学习基础知识的办法是，也就是说入门一个行业的办法是，你去想办法搞定一个目录，然后自行去问ai，和ai对话直到你搞明白那些知识点。最好的学习办法不是找到一本书看一遍，而是自己写一本书，借助ai。当然，你不用产出这个实体。这很显而易见，不是暴论。
至于怎么搞定目录，你可以检索一些东西，去建立一些感觉，更快捷的办法是网上找一些课程（我没让你付费）做参考，然后整理出一套你觉得可以的目录。甚至，这个问题本身你可以也问ai啊。
一、基本知识
- 消费贷、现金贷
- 个人消费贷、小微企业贷
- 自营、助贷、联营
二、产品要素
- 额度
- 定价
- 期数
- 还款方式
三、风险类别
- 欺诈风险：一方欺诈、三方欺诈
- 信用风险：还款能力、还款意愿
四、资产指标
- 时点余额、新增放款额
- 资产收益率，风险成本、资金成本、获客成本等，盈亏线
五、运营指标
- 转化率：点击、申请、通过、用信
- 通过率：授信、用信，加一个催回率吧
- 各种率：复借率、入催率、不良率、额度使用率……
- 客群质量：各种分布、psi
- 久期
六、风险指标
- fpd
- dpd：M1、M2、M3……
- 年化风险
- 时点不良率、新发不良率
七、效果指标
- iv
- auc
- ks
- lift
八、标签分析
- vintage
- 滚动率
九、模型策略算法
- 逻辑回归
- 决策树
- 梯度提升树、神经网络等
- 交叉矩阵分析法
十、阶段
- 贷前：反欺诈、审批、额度、定价
- 贷中：调额调价，交易拦截，止付清退
- 贷后：催收
十一、策略和模型
- 策略：分群、评级
- 模型：A卡、B卡、C卡、F卡
- 两者差异点
十二、数据
- 黑名单
- 征信报告
- 三方数据
- 内部行为数据
十三、其他
- 多头：是什么，有什么特点和影响
- 分数校准：是什么，为什么做，怎么做
- 普惠金融：是什么，普在哪，惠在哪，挑战在哪
以上，列了很多名词，我第一感觉还是列得太简单了。
但你不只是要了解这些名词，还包括在这些基础知识背后无限延伸的知识点，例如训练、测试、验证，例如过拟合、欠拟合，例如需求提出、方案设计、开发、验证、应用、部署、监控和迭代……实际上，很多名词都可以展开成一本书，这么看也还行。
很多人喜欢要代码，很好笑。实际上，ai随时可以告诉你，你既不用搜集收藏，你只是需要知道那个知识点，知道那么回事，真的要代码的时候，问ai就行了，何必找自己的收藏呢？
还是举举例子吧，要谦卑要有耐心。
例如，评分卡建模要先进行变量筛选，缺失率、psi、iv、相关系数、多重共线性等等，这些概念是什么，常见阈值是什么，为什么是这个阈值或者说这个阈值代表着什么，代码怎么实现，搞清楚这些，最好的办法是什么？问ai，要什么书？
例如，ABCF卡是什么？区别在哪里？对应的特征是什么？标签是什么？应用场景是什么？问ai。
例如，策略和模型分别是干什么的？相同点在哪，差异点在哪？问ai。
唯一有一个难点是，要想擅长提问，要很会观察。因为真正的知识有很多细节，你忽略了细节，就相当于无知。
例如前面ABCF卡，你光问是什么、怎么做是不够的，真实项目不是一个kaggle比赛，你哪来的y，你的特征在哪里？甚至，样本选择有没有讲究，效果大概是多少，是不是不同的场景都不太一样，你做出来的ks是10怎么办，30怎么办，50怎么办？你总要别人提醒你，怎么着怎么着，你就希望从书里看到别人说：It’s worth noting that …看到好多notes了吧，但因为不是你自己想的，过眼就成云烟了吧。
发现了没有，你真正需要做的是什么？是提出问题，一般的书不教你这一点。作者不一定很懂行，更不一定懂教书，他们做的只是汇总信息，而这一点意义都没有。
当你真的懂提问的时候，你才入了行，然后才能感悟到一些东西。你越强，越能懂我强。
好了，虽然你可能极度失望，心想看了个寂寞。但事实上，至少你知道了第一个你需要解决的问题：搞定目录。这很重要，你解决了一系列问题然后成为了专家，而不是买了几本书收藏了几篇文章。
作者：雷帅公众号「雷帅快与慢」，WX：thunderbro，幸会
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
