HFT & 风控科学 — 面试 Q&A（20题深度版）

适用岗位：量化风控工程师、金融风险架构师、交易系统PM、合规科技 每题包含30秒简答 + 2分钟详答 + 追问准备

---

📈 HFT 部分（8题）

---

Q1: 什么是做市策略？做市商如何盈利？库存风险怎么管理？

简短回答（30秒）

做市策略是同时在买卖两侧挂单，通过买卖价差（spread）赚取利润。做市商面临的核心风险是库存风险——持有的头寸可能因价格反向移动而亏损。管理方式包括：动态调整报价偏移（skew）、设置库存上限、以及用对冲工具管理方向性风险。

详细回答（2分钟）

做市的本质：

做市商向市场提供流动性。具体来说，做市商在订单簿上同时维护买单（bid）和卖单（ask），赚取两者之间的价差。例如，买单挂在 100.00，卖单挂在 100.05，每完成一个回合（买到又卖出）就赚 0.05。

盈利来源分解：

1. Bid-Ask Spread 收入：这是主要盈利来源。日均做市量 1 亿美元、平均 spread 1bp，理论毛利就是 1 万美元/天。
2. 返佣（Rebate）：交易所对挂单方（maker）提供返佣，通常 0.1-0.3bp。高频做市商的返佣可能占利润的 30-50%。
3. 信息优势：通过订单流分析预判短期价格方向，调整报价获取额外 alpha。

库存风险管理：

库存风险是做市商的头号敌人。假设做市商在下跌市场中不断买入，库存持续增加，价格进一步下跌导致浮亏。

管理手段：

Avellaneda-Stoikov 模型是经典的做市模型：

• 最优报价：δ_bid = δ_ask = γσ²(T-t) + (2/γ)·ln(1 + γ/κ)
• 库存惩罚项 γ 越大，做市商越厌恶库存风险
• σ²(T-t) 项说明：剩余时间越短或波动率越大，spread 越宽

追问准备

• 做市商和流动性提供者有什么区别？ → 做市商是主动管理两边报价的专业参与者；LP（如 Uniswap 的 AMM LP）是被动提供流动性。做市商有库存管理策略，AMM LP 没有（所以有无常损失）。

• 逆向选择风险是什么？ → 做市商的对手方可能是信息交易者（知道价格要涨的人来买）。做市商被"毒流"（toxic flow）不断选中错误方向。解决办法：检测毒流（VPIN 指标）、在毒流高时加宽 spread。

• 在加密市场做市和传统市场有什么不同？ → 加密市场 24/7 运行、波动率更高（BTC 年化 60-80% vs 股票 15-20%）、监管宽松。做市策略需要更宽的 spread、更低的库存上限、更快的对冲速度。

---

Q2: Kyle Lambda 模型说的是什么？对系统设计有什么启示？

简短回答（30秒）

Kyle Lambda（λ）衡量的是市场价格对订单流的敏感度——每多一单位买入量，价格上涨多少。λ越大说明市场越不流动（深度越浅）。对系统设计的启示是：大额订单应该拆单执行（TWAP/VWAP），并且交易时段应选择 λ 小的时候（流动性好的时段）。

详细回答（2分钟）

Kyle (1985) 模型框架：

Kyle 模型描述了一个含有三类参与者的市场：

1. 知情交易者（Informed Trader）：知道资产真实价值，想利用信息获利
2. 噪声交易者（Noise Trader）：随机交易，提供流动性
3. 做市商（Market Maker）：根据总订单流设定价格

核心结论：

Δp = λ × (买入量 - 卖出量)

λ（Kyle Lambda）的含义：

• λ = 价格冲击系数，单位是「美元/手」
• λ 大 → 市场浅（不流动），一点净买入就推高价格
• λ 小 → 市场深（流动性好），大单也能温和成交

λ 的决定因素：

λ = σ_v / (2σ_u)

• σ_v = 资产基本面的不确定性（越大→λ越大→市场越怕信息交易）
• σ_u = 噪声交易的标准差（越大→λ越小→信息交易者更容易藏身）

对系统设计的直接启示：

1. 算法拆单：大单如果一次性执行，价格冲击 = λ × Q，可能非常大。应该用 TWAP/VWAP 把 Q 拆成小块分时执行。
2. 执行时段选择：λ 在开盘和收盘时通常较小（流动性好），中午较大（流动性差）。系统应该动态估计 λ 并选择低 λ 时段执行。
3. 交易成本分析（TCA）：λ 是预估交易成本的核心参数。实际冲击 vs 预估冲击的差异用于评估执行质量。
4. 流动性监控：实时估计 λ 可以作为流动性预警指标。λ 突然飙升可能预示市场事件。

追问准备

• 如何实时估计 Lambda？ → 回归法：Δp_t = α + λ·Flow_t + ε_t，用滑动窗口（如 5 分钟）滚动估计。也可以用订单簿深度直接近似：λ ≈ 1 / Σ(bid_depth + ask_depth)。

• Kyle Lambda 和 Amihud 非流动性指标有什么关系？ → Amihud (2002) 的指标 = |return| / volume，是 λ 的日频近似。两者都在衡量"单位成交量引起的价格变动"。

---

Q3: 配对交易的核心原理？协整和相关性有什么区别？

简短回答（30秒）

配对交易是找两个价格走势高度关联的资产，当价差偏离均值时做空贵的、做多便宜的，等价差回归时获利。核心是协整而非相关性——相关性衡量的是两个序列波动方向是否一致，协整衡量的是两个序列的线性组合是否平稳（即价差是否会回归均值）。两个资产可以不相关但协整，也可以高度相关但不协整。

详细回答（2分钟）

配对交易流程：

1. 选对：找到协整的资产对（如可口可乐/百事、BTC/ETH）
2. 计算价差：spread_t = P_A - β × P_B（β 是协整回归系数）
3. 标准化：z_t = (spread_t - mean) / std
4. 交易信号：z > +2 → 做空 A + 做多 B；z < -2 → 做多 A + 做空 B；z 回归 0 → 平仓

协整 vs 相关性——为什么这个区别至关重要：

经典反例：

• 高相关但不协整：两只同行业股票可能相关性 0.95，但如果一只是成长股一只是价值股，价差可能持续扩大（随机游走），不会回归——做配对交易会爆仓。
• 不相关但协整：一个资产上涨 10% 后又回落，另一个先下跌 5% 后回升——收益率相关性接近 0，但价差始终在窄幅波动。

协整检验方法：

1. Engle-Granger 两步法：先回归 Y = α + βX + ε，再检验残差 ε 是否平稳（ADF 检验）
2. Johansen 检验：适用于多个变量的情况
3. Half-life 计算：价差回归到均值的半衰期 = -ln(2)/ln(φ)，φ 是 AR(1) 系数。半衰期 5-30 天最适合交易。

追问准备

• 半衰期太长或太短有什么问题？ → 太长（>60天）→ 资金占用成本高，可能等不到回归；太短（<1天）→ 可能是噪声，交易成本吃掉利润。甜区是 5-30 天。

• 配对交易最大的风险是什么？ → 协整关系破裂（regime change）。比如一家公司被收购、行业政策变化。所以需要滚动检验协整关系，一旦 ADF p-value > 0.05 就停止交易。

---

Q4: TWAP 和 VWAP 算法的区别？各自适用什么场景？

简短回答（30秒）

TWAP（时间加权）把订单均匀分布在时间段内，每个时间片执行相同的量。VWAP（成交量加权）按照历史成交量分布来分配执行量——量大的时段多执行，量小的时段少执行。TWAP 适合流动性均匀的市场或不想暴露交易意图的场景；VWAP 适合追踪大盘节奏、需要向客户证明执行价格不偏离市场均价的场景。

详细回答（2分钟）

TWAP（Time-Weighted Average Price）：

执行计划：每个时间片 k 的目标量 = Q / N
Q = 总量，N = 时间片数量

特点：

• 实现最简单，是最基础的基准算法
• 完全不考虑市场状态（成交量、波动率）
• 优点：执行模式不可预测（对手方难以前置），适合信息敏感的交易
• 缺点：在低流动性时段强行执行，冲击成本高

VWAP（Volume-Weighted Average Price）：

执行计划：每个时间片 k 的目标量 = Q × (v_k / V_total)
v_k = 第 k 个时间片的预测成交量
V_total = 全天总预测成交量

特点：

• 需要预测每个时段的成交量分布（通常用过去 20 天的历史数据）
• 目标是使执行均价接近市场 VWAP（基金行业最常用的执行基准）
• 优点：在流动性好的时段多执行，降低冲击成本
• 缺点：模式可预测（量大→别人知道你在这时段执行→可被前置）

对比表：

进阶算法：

• Implementation Shortfall (IS)：最小化实际执行价格与决策价格的差异。是 Almgren-Chriss 框架的核心，权衡冲击成本和时间风险。
• POV（Participation of Volume）：按实时成交量的一定比例执行（如参与率 10%），自适应性最强。

追问准备

• 如何改进 VWAP 算法？ → 自适应 VWAP：实时监测实际成交量 vs 预测成交量，如果实际量偏多就加速执行，偏少就减速。用卡尔曼滤波更新成交量预测。

• 什么是 Implementation Shortfall？ → IS = 纸面收益 - 实际收益。分解为：延迟成本（决策到开始执行）+ 冲击成本（执行过程中的滑点）+ 时机成本（未执行部分的价格变化）。IS 最小化是一个在冲击成本和时机风险之间求最优的问题。

---

Q5: 回测中最常见的陷阱是什么？如何避免过拟合？

简短回答（30秒）

回测最常见的陷阱是过拟合（策略在历史数据上表现好但实盘失败）和前视偏差（使用了回测时点尚不可得的数据）。避免过拟合的方法包括：样本外测试（Out-of-Sample）、Walk-forward 验证、限制参数数量、使用 Deflated Sharpe Ratio 等。核心原则是：回测越好看，越要怀疑。

详细回答（2分钟）

五大回测陷阱：

过拟合检测和防范：

1. 样本外测试（OOS）：

   • 训练集 70% / 测试集 30%，测试集绝对不能用于参数调优
   • 如果训练集 Sharpe=3.0 但测试集 Sharpe=0.5，几乎肯定过拟合

2. Walk-Forward 验证：

   • 滚动窗口：用 [1-100天] 训练 → [101-120天] 测试 → [21-120天] 训练 → [121-140天] 测试 → ...
   • 最真实的回测方式，模拟实盘中不断重新训练

3. Deflated Sharpe Ratio（DSR）：

   • 如果你尝试了 N 个策略选了表现最好的，真实 Sharpe 需要打折
   • DSR 公式修正了多重比较偏差：你试的策略越多，打折越狠
   • 经验法则：尝试 100 个策略选 1 个，回测 Sharpe 至少要 3.0 以上才可信

4. 参数稳定性检验：

   • 好的策略对参数应该不敏感。如果 MA 周期从 20 改到 22 就大幅变差，说明过拟合
   • 画参数-收益的热力图，应该看到平滑的"高原"而非尖锐的"山峰"

5. 样本外 Sharpe 的期望值：

   • Bailey & de Prado (2014)：如果样本内 Sharpe = S，尝试 N 次后，期望样本外 Sharpe ≈ S - √(2·ln(N))·σ_S
   • 试了 1000 个策略，样本内 Sharpe 2.0，真实 Sharpe 可能只有 0.5

追问准备

• 什么是 Combinatorially Symmetric Cross-Validation (CSCV)？ → de Prado 提出的方法：将回测路径随机组合成多个训练/测试集，检查策略在所有组合中的表现分布。如果分布宽且偏负，说明过拟合严重。

• 如何在 ML 策略中防止过拟合？ → 使用 Purged K-Fold Cross-Validation（去除训练/测试集之间的时间重叠），加正则化（L1/L2），限制特征数量（特征/样本比 < 1:20）。

---

Q6: 为什么 HFT 系统要用 C++ 而不是 Java？延迟优化有哪些层次？

简短回答（30秒）

HFT 系统用 C++ 而非 Java，核心原因是可预测的低延迟。Java 的 GC（垃圾回收）会造成不可预测的停顿（几毫秒到几十毫秒），在 HFT 中一次 GC 停顿可能错过几百个交易机会。延迟优化从上到下有五个层次：硬件（FPGA/网卡）→ OS（内核旁路/CPU 绑定）→ 网络（共线/微波）→ 代码（零分配/无锁）→ 算法（简化计算路径）。

详细回答（2分钟）

Java vs C++ 在 HFT 中的差异：

注意：Java 并非完全不可用。Jane Street 用 OCaml，很多对冲基金用 Java（LMAX Disruptor）。关键是看延迟要求：如果是微秒级做市，必须 C++/FPGA；如果是毫秒级统计套利，Java 够用。

延迟优化五个层次（从底层到顶层）：

第 1 层：硬件 (~100ns)

• FPGA（现场可编程门阵列）：把交易逻辑烧到芯片里，延迟 < 1μs
• Kernel bypass 网卡（Solarflare/Mellanox）：绕过 OS 内核直接收发包
• 内存映射 I/O：避免内核态-用户态切换

第 2 层：操作系统 (~1μs)

• CPU 绑定（CPU pinning）：把交易线程固定在特定核心，避免上下文切换
• 内存大页（Huge Pages）：减少 TLB miss
• 实时内核（RT Linux）：降低调度抖动
• 关闭中断：在交易核心上禁用不相关中断

第 3 层：网络 (~10μs)

• 共线（Co-location）：把服务器放在交易所机房里，物理距离 < 100 米
• 微波链路：芝加哥-纽约用微波 vs 光纤，延迟差 2-3ms（对套利至关重要）
• 网络栈优化：用 DPDK/RDMA 替代标准 TCP/IP 栈

第 4 层：代码 (~1μs)

• 零堆内存分配（预分配对象池）
• 无锁数据结构（Lock-free queue）
• Cache-friendly 数据布局（Struct of Arrays vs Array of Structs）
• 分支预测优化（__builtin_expect）

第 5 层：算法 (可变)

• 简化计算路径：用查表替代计算
• 增量计算：均值/方差只更新增量，不重算全部
• 预计算：开盘前把所有可能的决策树都算好

追问准备

• FPGA 和 GPU 在 HFT 中各自适合什么？ → FPGA 适合确定性低延迟（做市、订单路由），延迟 < 1μs 且完全可预测。GPU 适合大规模并行计算（期权定价、风险计算），延迟 ~10μs 但吞吐量巨大。

• LMAX Disruptor 是什么？ → 一个 Java 的无锁高性能队列，单线程 600 万 msg/s。证明 Java 在毫秒级低延迟场景也能用，关键是避免 GC（预分配 + Ring Buffer）。

---

Q7: 什么是市场冲击？Square-Root Law 说的是什么？

简短回答（30秒）

市场冲击是大额订单对价格造成的不利影响——你买得越多价格被推得越高。Square-Root Law 说市场冲击与交易量的平方根成正比，而非线性：Impact ∝ σ × √(Q/V)。这意味着把 100 万股拆成 4 次 25 万股执行，总冲击 = 4 × σ√(25万/V) = 2σ√(100万/V)，只有一次性执行的一半。

详细回答（2分钟）

市场冲击的分类：

1. 临时冲击（Temporary Impact）：执行瞬间的价格偏移，执行完成后回弹。原因：订单簿上的流动性被暂时消耗。
2. 永久冲击（Permanent Impact）：执行后价格不回弹的部分。原因：市场从你的交易中推断出信息（"他在买→可能知道什么→价格应该更高"）。

Square-Root Law（Barra/Tower 模型）：

Impact = σ × k × √(Q / ADV)

• σ = 日波动率
• Q = 交易量
• ADV = 日均成交量（Average Daily Volume）
• k = 经验常数（通常 0.5~1.5）

为什么是平方根而不是线性？

这是实证发现。直觉解释：

• 如果冲击是线性的（Impact ∝ Q），大单会被无限惩罚，没人敢交易大单
• 如果冲击是对数的（Impact ∝ ln(Q)），大单太便宜，市场会被操纵
• 平方根恰好在中间，是流动性供给和需求博弈的均衡结果

Almgren-Chriss 框架：

这是最主流的最优执行模型，在 Square-Root Law 基础上求解最优执行路径：

最小化：E[执行成本] + λ × Var[执行成本]
约束：在时间 T 内执行完 Q 的量

结果是一条从匀速（TWAP）到前置（Eager）之间的曲线，λ 越大（越厌恶风险）→ 执行越前置（赶紧执行完避免不确定性）。

数值举例：

假设 σ=2%/天，Q=100万股，ADV=500万股，k=1.0：

• 一次性执行：Impact = 2% × 1.0 × √(100/500) = 0.89%
• 拆成 4 次：Total = 4 × 2% × √(25/500) = 4 × 0.45% × (权重) ≈ 0.45%（大幅降低）

追问准备

• 实盘中如何测量市场冲击？ → Arrival Price Benchmark：比较决策时刻的市场中间价和实际成交均价。差异 = 实际冲击。用回归分析 Impact ~ f(σ, Q/ADV, spread) 校准模型参数。

• 暗池（Dark Pool）如何降低市场冲击？ → 暗池不展示订单簿，避免信息泄露。但暗池有逆向选择风险：暗池里可能有知情交易者在等你的大单。实证研究显示暗池对小单有效，大单效果有限。

---

Q8: GARCH 模型捕捉了什么现象？波动率聚集是什么意思？

简短回答（30秒）

GARCH 模型捕捉的是波动率聚集现象——市场上"大波动后面跟着大波动，小波动后面跟着小波动"。具体地说，GARCH(1,1) 用 σ²_t = ω + α·r²_{t-1} + β·σ²_{t-1} 来建模条件方差随时间变化。α 捕捉的是新冲击的影响，β 捕捉的是波动率的惯性。α + β 越接近 1，波动率的持续时间越长。

详细回答（2分钟）

波动率聚集（Volatility Clustering）：

这是金融市场最重要的"风格化事实"之一：

• 2008 年金融危机：VIX 从 20 飙到 80，高波动持续了 6 个月
• 2020 年 3 月：新冠恐慌导致连续 10 天日波动超 5%
• 不只是极端事件：普通行情中也可以观察到"安静期"和"动荡期"交替出现

传统假设（收益率 i.i.d. 正态）完全无法解释这个现象。GARCH 就是为此而生。

GARCH(1,1) 模型详解：

σ²_t = ω + α·ε²_{t-1} + β·σ²_{t-1}

关键量：

• 持续性 = α + β：越接近 1，波动率冲击消退越慢。典型值 0.95~0.99
• 长期方差 VL = ω / (1 - α - β)：波动率最终会回归到这个水平
• 半衰期 = ln(0.5) / ln(α + β)：波动率冲击减半所需天数。α+β=0.95 → 半衰期 14 天

N 步预测：

σ²_{t+n} = VL + (α + β)^n × (σ²_t - VL)

当 n → ∞，σ²_{t+n} → VL。这就是均值回归——短期波动率可能偏离长期水平，但最终会回归。

GARCH 的局限性：

1. 对称性：标准 GARCH 假设正冲击和负冲击的影响相同，但实际上下跌引起的波动率上升更大（杠杆效应 / asymmetric volatility）。→ 解决方案：GJR-GARCH 或 EGARCH
2. 正态假设：收益率的尾部比正态分布更厚。→ 解决方案：t-GARCH（用 t 分布替代正态）
3. 单变量：只能建模一个资产。→ 解决方案：DCC-GARCH（动态条件相关多元模型）

追问准备

• EWMA 和 GARCH 的区别？ → EWMA 是 GARCH 的特例（ω=0, α=1-λ, β=λ）。EWMA 没有长期均值回归（因为 ω=0），波动率冲击永远不会完全消退。GARCH 有长期均值，更合理。

• 如何做 GARCH 参数估计？ → 极大似然估计（MLE）：假设 ε_t ~ N(0, σ²_t)，构造对数似然函数，用数值优化（如 L-BFGS-B）求解 (ω, α, β)。Python 的 arch 库一行代码搞定。

---

🛡️ 风控部分（12题）

---

Q9: 评分卡为什么用 WOE 编码而不是 One-Hot？IV 值怎么解读？

简短回答（30秒）

WOE（Weight of Evidence）编码相比 One-Hot 有三大优势：1）自动处理缺失值和异常值（分到独立箱）；2）编码后的值直接反映特征的预测方向和强度，可解释性极强；3）将分类变量转化为连续值，适合逻辑回归。IV（Information Value）= Σ(good% - bad%)×WOE，用于衡量特征的预测力：IV < 0.02 无用，0.02-0.1 弱，0.1-0.3 中等（首选），0.3-0.5 强，> 0.5 可疑。

详细回答（2分钟）

WOE 编码的核心优势：

1. 可解释性：

   • WOE > 0：该分箱的好客户占比 > 坏客户占比 → 低风险
   • WOE < 0：该分箱的坏客户占比更高 → 高风险
   • 银行监管要求：每个特征的每个分箱对最终评分的贡献必须可解释

2. 单调性保证：

   • 分箱时通常要求 WOE 单调（随特征值增大，WOE 递增或递减）
   • 如果不单调，说明特征和目标的关系不是单调的——需要合并箱或放弃特征
   • 这在 One-Hot 中无法自然实现

3. 降维：

   • 假如一个特征有 100 个类别，One-Hot 会产生 100 个维度
   • WOE 编码只产生 1 个维度（连续值），大幅降低维度灾难

4. 自然处理缺失值：

   • 缺失值分到独立的一个箱，计算自己的 WOE——不需要额外的缺失值处理策略

IV 值的解读：

IV = Σ (good_pct_i - bad_pct_i) × WOE_i

为什么 IV > 0.5 要警惕？

实际中 IV 超过 0.5 的特征往往有"特征穿越"问题。例如："逾期天数"作为特征去预测是否违约——这本质上是用结果预测结果。

追问准备

• WOE 编码有什么缺点？ → 1）需要分箱，分箱方法影响结果。2）对连续变量的信息有损失（分箱后箱内值相同）。3）不适合 XGBoost/LightGBM 等树模型（树模型自带分割能力，WOE 反而丢失信息）。

• 除了 IV，还有什么特征选择方法？ → 1）基于树模型的特征重要性（feature importance）。2）SHAP 值。3）L1 正则化（Lasso）。4）前向/后向逐步回归。

---

Q10: AUC 和 KS 有什么区别？什么时候看哪个？

简短回答（30秒）

AUC 衡量的是模型在所有阈值下区分正负样本的综合能力（ROC 曲线下面积），KS 衡量的是模型在最优阈值处区分好坏客户的最大差距。AUC 用于模型选择（哪个模型更好），KS 用于业务落地（在哪里划线）。信贷风控中两个都看：AUC > 0.75 且 KS > 0.3 是及格线。

详细回答（2分钟）

AUC（Area Under ROC Curve）：

• ROC 曲线：X 轴 = 假阳性率（FPR），Y 轴 = 真阳性率（TPR）
• AUC = ROC 曲线下面积，等于"随机选一个正样本和一个负样本，模型给正样本打分更高的概率"
• 范围：0.5（随机猜）~ 1.0（完美区分）
• 不受样本不平衡影响（这是 AUC 相比 Accuracy 的最大优势）

KS（Kolmogorov-Smirnov）：

• KS = max(|CDF_good - CDF_bad|)
• 按模型分数排序后，好客户和坏客户的累积分布最大分离点
• 直觉：KS 对应的分割点就是"好坏客户分得最开的地方"
• 信贷行业标准：KS > 0.2 勉强可用，> 0.3 良好，> 0.4 优秀

两者的关系和区别：

什么时候看哪个？

1. 模型选择阶段：主要看 AUC。两个模型 AUC 差 0.01 以上通常就有显著差异。
2. 业务落地阶段：看 KS + 分段通过率/坏账率。KS 点对应的阈值是"初始建议值"，但最终阈值要看业务指标。
3. 模型监控阶段：两个都看。AUC 下降说明整体排序能力退化，KS 下降说明区分度退化。

追问准备

• Gini 系数和 AUC 有什么关系？ → Gini = 2 × AUC - 1。Gini 把 AUC 映射到 [0, 1]，更直观。AUC=0.8 → Gini=0.6。

• PR-AUC（Precision-Recall AUC）什么时候比 AUC 更有用？ → 当正负样本极度不平衡时（如欺诈检测，欺诈率 0.1%）。ROC-AUC 可能高达 0.99 但实际精确率很低。PR-AUC 更关注正类的预测质量。

---

Q11: 为什么风控模型的 Accuracy 没有意义？应该看什么指标？

简短回答（30秒）

因为风控场景严重类别不平衡——坏客户只占 2-5%。一个什么都不做的模型（全部预测为"好客户"）就能达到 95-98% 的 Accuracy，但它一个坏客户都没抓到。应该看：AUC/KS（排序能力）、Precision/Recall（在特定阈值下的精确率和召回率）、以及业务指标（通过率、坏账率、损失金额）。

详细回答（2分钟）

Accuracy 为什么误导？

数值例子：假设 10,000 笔贷款申请，坏客户 200 笔（2%）。

"全部通过"的 Accuracy 最高（98%），但它是最差的模型。真正好的模型 Accuracy 反而最低（因为它主动拒绝了一些好客户来抓坏客户）。

应该看的指标体系：

第一层：模型质量指标

第二层：阈值相关指标

第三层：业务指标（最重要）

指标之间的权衡：

• Precision ↑ → 通过率 ↓ → 业务量减少
• Recall ↑ → 误拒率 ↑ → 客户体验差
• 最优阈值取决于：一笔坏账的损失 vs 一个好客户的收益

追问准备

• 如何确定最优拒绝阈值？ → 计算每个阈值下的期望利润：E[Profit] = (通过的好客户 × 单客收益) - (通过的坏客户 × 单客损失)。找到 E[Profit] 最大的阈值。

• 什么是 Type I 和 Type II 错误？在风控中哪个更严重？ → Type I（假阳性）= 误拒好客户，Type II（假阴性）= 漏放坏客户。通常 Type II 更严重：一个坏客户的损失 ≈ 50 个好客户的利润。但误拒太多好客户会导致业务萎缩。

---

Q12: 什么是特征穿越（Feature Leakage）？如何防止？

简短回答（30秒）

特征穿越是指训练数据中包含了在预测时点实际上不可得的信息，导致模型在回测中表现极好但实盘完全失效。典型例子：用"逾期天数"预测是否违约（结果就是特征）、用未来价格计算的技术指标。防止方法：严格的时间线审查（每个特征在预测时点是否真正可用）、特征 IV > 0.5 时主动排查、建立特征元数据管理。

详细回答（2分钟）

特征穿越的三种类型：

1. 直接泄露（最容易发现）：

• 例：用"贷后催收记录"预测贷前违约概率
• 线索：这类特征的 IV 通常 > 1.0，AUC 可能接近 1.0
• 后果：模型上线后该特征值全部为空

2. 间接泄露（较隐蔽）：

• 例：信用卡额度在违约后会被降低。用"当前额度"预测违约→额度降低本身就是违约的后果
• 例：用户登录频率在逾期后激增（还款/查看逾期信息）。用"近期登录次数"预测违约
• 线索：特征 IV 不一定很高，但时间线有问题

3. 数据采集时间泄露（最难发现）：

• 例：ETL 延迟导致 T+1 的数据混入了 T 的特征快照
• 例：数据回填——补录的数据使用了后来才知道的正确值
• 线索：模型在新数据上的表现突然大幅下降

防止措施：

检测方法：

1. Leave-one-feature-out：逐一去掉高 IV 特征，如果 AUC 几乎不变，说明信息是冗余的（正常）；如果 AUC 暴跌，说明其他特征无法替代（可疑）
2. 时间一致性检查：用 T 的特征预测 T+1 的标签，然后用 T-1 的特征预测 T+1 的标签，两者 AUC 差异应该很小。如果差异大，说明 T 的特征里混入了 T+1 的信息
3. 生产环境回放：把模型部署后头一个月的预测结果与回测结果对比。如果回测 AUC=0.85 但生产 AUC=0.65，大概率有泄露

追问准备

• 你遇到过最隐蔽的特征穿越是什么？ → 经典案例：一个银行用"客户最后一次主动联系客服的时间"作为特征。看起来是行为特征，但逾期客户会频繁联系客服，所以这个特征实际上是逾期的后果。上线后 KS 从 0.42 跌到 0.28。

---

Q13: PSI 是什么？飙升了说明什么？怎么处理？

简短回答（30秒）

PSI（Population Stability Index）衡量模型评分的分布是否随时间发生漂移。PSI = Σ(actual% - expected%) × ln(actual% / expected%)。PSI < 0.1 稳定，0.1-0.25 需关注，> 0.25 需要重新建模。PSI 飙升说明输入数据的分布发生了变化（可能是经济周期、客群变化、数据源异常），不一定是模型变差了，但一定需要排查。

详细回答（2分钟）

PSI 的计算方法：

PSI = Σ (A_i - E_i) × ln(A_i / E_i)

• E_i = 基准分布（建模时）的第 i 箱占比
• A_i = 当前分布的第 i 箱占比
• 通常将评分分为 10-20 个等距箱

PSI 飙升的原因分析：

排查流程（从快到慢）：

1. 快速排查（5分钟）：检查各分箱占比变化，定位哪些箱偏移最大
2. 特征级 PSI：对每个输入特征分别算 PSI，找到漂移最严重的特征
3. 数据质量检查：特征缺失率、异常值比例是否突增
4. 业务核实：问营销团队是否换了渠道、风控是否调了策略
5. 模型效果验证：看同期 KS/AUC 是否也在下降

处理方案：

PSI 的监控体系：

• 每日自动计算 PSI 并告警
• 按周/月输出 PSI 趋势图
• 设置三级告警阈值（0.1 / 0.2 / 0.3）
• 定期（每季度）做 PSI 的同比分析

追问准备

• PSI 和 CSI 有什么区别？ → PSI 看模型评分分布的整体漂移，CSI（Characteristic Stability Index）看单个特征的分布漂移。通常先看 PSI，如果 PSI 高再用 CSI 定位是哪个特征引起的。

• PSI 低但 KS 下降了，说明什么？ → 说明客群分布没变，但好坏客户的行为模式变了（概念漂移 / concept drift）。比如新型欺诈手法出现——欺诈者的特征值和以前不同了。这种情况比 PSI 高更危险，因为预警更难。

---

Q14: Isolation Forest 的原理是什么？为什么异常点路径更短？

简短回答（30秒）

Isolation Forest 的核心思想是：异常点因为"少且不同"，只需要很少的随机分割就能被隔离出来。具体做法是随机选特征、随机选分割值，递归分割数据。异常点因为远离主体分布，很快就被"单独分到一个叶子里"——路径更短。正常点则密集聚集，需要更多次分割才能隔离。异常分数 = 2^(-平均路径长度/归一化因子)，接近 1 = 异常。

详细回答（2分钟）

算法流程：

1. 构建孤立树（Isolation Tree）：

   • 从数据中随机采样 ψ 个点（通常 256）
   • 随机选一个特征 q
   • 在该特征的 [min, max] 范围内随机选一个分割值 p
   • 将数据分为 q < p 和 q ≥ p 两个子集
   • 递归，直到只剩一个点或达到最大深度 log₂(ψ)

2. 构建森林：

   • 重复以上过程 t 次（通常 100 棵树），每次用不同的随机采样和随机分割

3. 计算异常分数：

   score(x, n) = 2^(-E(h(x)) / c(n))
   

   • h(x) = 数据点 x 在一棵树中的路径长度
   • E(h(x)) = 所有树的平均路径长度
   • c(n) = 2H(n-1) - 2(n-1)/n（归一化因子，H 是调和数）

为什么异常点路径更短？

想象一个二维平面，99 个点聚集在中心，1 个点在远处的角落：

正常点区域（密集）：需要多次分割才能隔离出单个点
    ○ ○ ○
    ○ ○ ○  ← 需要 5-7 次分割
    ○ ○ ○

异常点（孤立）：
                        ★  ← 第 1 次分割就隔离出来了

直觉：密集区域的点"长得很像"，随机分割很难把它们分开。异常点"长得不一样"，随机分割很容易把它和其他点分开。

优势：

局限：

• 对局部密度差异不敏感（"全局 vs 局部异常"问题）
• 对轴平行分割敏感（斜向异常难以检测）
• 采样大小 ψ 影响结果——太小可能漏掉异常，太大则正常点也显短

追问准备

• Extended Isolation Forest 解决了什么问题？ → 标准 IF 只能做轴平行分割，对角线方向的异常检测效果差。Extended IF 使用随机超平面而非轴平行切分，能检测更复杂的异常模式。

• IF 和 LOF（Local Outlier Factor）有什么区别？ → LOF 基于密度，能检测局部异常（在局部区域稀疏的点）；IF 基于隔离，更适合检测全局异常。IF 快很多（O(n·log n) vs O(n²)），但在异质密度分布中 LOF 更准确。

---

Q15: 如何处理类别不平衡？SMOTE 和 Focal Loss 分别解决什么问题？

简短回答（30秒）

类别不平衡导致模型倾向于预测多数类。SMOTE 在数据层面解决：在少数类样本之间插值生成新样本，扩充训练集。Focal Loss 在损失函数层面解决：降低易分类样本的损失权重，让模型聚焦于难分类的样本。实际中两者可以组合使用，但更推荐 Focal Loss + 下采样，因为 SMOTE 可能在噪声区域生成伪样本。

详细回答（2分钟）

不平衡的影响：

• 欺诈检测：欺诈率 0.1%，正常 99.9%
• 信贷违约：坏账率 2-5%
• 模型会学到"都预测为多数类就行"→ 高 Accuracy 但无用

解决方案全景：

SMOTE 详解：

算法步骤：
1. 对少数类样本 x_i，找到 K 个最近邻（通常 K=5）
2. 随机选一个近邻 x_nn
3. 在 x_i 和 x_nn 之间随机插值：x_new = x_i + rand(0,1) × (x_nn - x_i)
4. 重复直到达到目标比例

优点：生成的样本是"合理的"新样本，比简单复制更好 缺点：

• 在噪声区域（少数类和多数类混合区域）会生成伪样本，增加分类难度
• 对高维数据效果不好（维度灾难）
• 不适用于分类变量

改进版本：BorderlineSMOTE（只在边界附近生成）、ADASYN（在稀疏区域多生成）

Focal Loss 详解：

标准交叉熵：CE = -log(p_t)
Focal Loss：FL = -(1 - p_t)^γ × log(p_t)

p_t = 模型预测的正确类别概率
γ = 聚焦参数（通常 2.0）

当 p_t = 0.9（模型很有把握的样本）：

• CE = 0.105
• FL = (1-0.9)^2 × 0.105 = 0.00105 → 权重降低 100 倍！

当 p_t = 0.1（模型很不确定的样本）：

• CE = 2.303
• FL = (1-0.1)^2 × 2.303 = 1.866 → 基本不变

效果：模型不再花精力在"已经学会的简单样本"上，集中力量学习困难样本。

追问准备

• 在 XGBoost/LightGBM 中怎么处理不平衡？ → 1）scale_pos_weight = neg_count / pos_count。2）自定义 Focal Loss 作为目标函数。3）分层采样的 K-Fold 验证。4）调整分类阈值（不用默认 0.5）。

• SMOTE + ENN 是什么？ → SMOTE 生成新样本后，用 Edited Nearest Neighbors（ENN）清除被错误分类的样本。效果是只保留"干净"的合成样本，减少噪声。

---

Q16: 图分析在反欺诈中怎么用？什么是社区发现？

简短回答（30秒）

图分析将实体（人/账户/设备/IP）建模为节点，交易/关联关系建模为边，构建关系网络。用于发现传统特征工程无法发现的团伙欺诈。社区发现是找出图中联系紧密的子图——这些"社区"可能是正常的朋友圈，也可能是欺诈团伙。常用算法：Louvain（模块度最优化）、Label Propagation（标签传播）。

详细回答（2分钟）

图分析在反欺诈中的核心价值：

传统风控看"个人特征"（收入、年龄、征信分）。但团伙欺诈的特征是：个人看起来正常，但关系网络异常。

例子：10 个申请人特征各不相同，但他们都用同一个 WiFi 注册、共享同一个设备指纹、资金来自同一个账户。图分析能发现这种隐藏的关联。

图的构建：

节点类型：
  - 人/账户：申请人、收款人
  - 设备：手机 IMEI、设备指纹
  - 网络：IP 地址、WiFi SSID
  - 位置：GPS 坐标

边类型：
  - 交易关系：A 转账给 B
  - 共享关系：A 和 B 用同一个设备
  - 社交关系：A 是 B 的紧急联系人

图特征工程：

社区发现（Community Detection）：

社区 = 内部连接密集、外部连接稀疏的子图。

Louvain 算法（最常用）：

1. 初始：每个节点是一个社区
2. 将节点移到能最大增加模块度（modularity）的邻居社区
3. 将社区折叠为超节点，重复步骤 2
4. 模块度 Q = Σ(社区内实际边数 - 期望边数) / 总边数

欺诈团伙的图特征：

追问准备

• GNN（图神经网络）在反欺诈中怎么用？ → GNN 能自动学习图结构特征，不需要手工设计图特征。GraphSAGE 可以对新节点做归纳推理（不需要重新训练），适合实时风控。

• 图分析的性能挑战？ → 真实金融网络有数十亿条边。解决方案：用图数据库（Neo4j/TigerGraph）存储，用 Pregel/Spark GraphX 做分布式计算。社区发现可以分层做：先粗粒度再细粒度。

---

Q17: 什么是概念漂移？如何检测和应对？

简短回答（30秒）

概念漂移（Concept Drift）是指数据的底层分布随时间变化，导致训练好的模型逐渐失效。和数据漂移不同：数据漂移是输入特征分布变了（用 PSI 检测），概念漂移是特征和标签之间的关系变了。例如，疫情前月薪 5000 的人违约率 5%，疫情后同样月薪的人违约率可能飙到 15%。检测方法：监控模型 KS/AUC 的时间趋势、ADWIN 算法、DDM 算法。应对方法：定期重训练、在线学习、Champion-Challenger。

详细回答（2分钟）

概念漂移的四种类型：

1. 突变（Sudden）     ──── → ────     经济危机、政策突变
2. 渐变（Gradual）    ──── ╱ ────     消费习惯缓慢变化
3. 增量（Incremental） ─────⟋──────    技术进步导致行为变化
4. 重复（Recurring）  ～～～～～～～     季节性变化（双11、圣诞）

概念漂移 vs 数据漂移：

检测方法：

1. 业务指标监控：

   • 跟踪 KS/AUC 的月度趋势
   • 跟踪 Vintage 曲线：同批次客户的坏账率是否偏离预期
   • 跟踪实际违约率 vs 模型预测概率的校准曲线

2. ADWIN（Adaptive Windowing）算法：

   • 维护一个自适应窗口，当窗口内的均值发生显著变化时自动缩短窗口
   • 适合在线检测突变型漂移

3. DDM（Drift Detection Method）：

   • 监控模型错误率的变化
   • 如果错误率超过 mean + 2σ → 预警（Warning Level）
   • 如果超过 mean + 3σ → 确认漂移（Drift Level）

4. Page-Hinkley 检验：

   • 累积和方法，检测均值的持续偏移
   • 对渐变型漂移更敏感

应对策略：

追问准备

• 在线学习和定期重训练哪个更好？ → 在线学习理论上更好（实时适应），但实际中有标签延迟问题——信贷违约标签需要 3-12 个月才能确定。所以信贷模型通常用定期重训练（每季度或半年），交易欺诈检测可以用近在线学习（每天/每周更新）。

---

Q18: VaR 的三种计算方法各有什么优缺点？为什么 Basel III 要求用 ES？

简短回答（30秒）

参数法快速但依赖正态假设；历史模拟法不需要假设但受限于历史数据；蒙特卡洛法最灵活但计算量大。VaR 的根本缺陷是不满足次可加性——两个组合的 VaR 之和可能小于合并组合的 VaR，这在逻辑上不合理（分散化应该降低风险）。Basel III 改用 ES（Expected Shortfall）因为 ES 满足次可加性，且关注的是"一旦超过 VaR 后平均会亏多少"，对极端风险的度量更保守。

详细回答（2分钟）

三种方法对比：

VaR 的致命缺陷——不满足次可加性：

数值反例（期权组合）：

• 组合 A 单独的 99% VaR = $100 万
• 组合 B 单独的 99% VaR = $100 万
• 合并组合 A+B 的 99% VaR = $250 万 > $200 万

这意味着按 VaR 管理，交易台有动力把头寸拆开报告（分别报告 VaR 更低），导致监管失效。

ES 为什么更好：

ES = E[Loss | Loss > VaR]
   = "一旦发生超过 VaR 的损失，平均会亏多少"

ES 的优势：

1. 次可加性：ES(A+B) ≤ ES(A) + ES(B)——始终成立，不会出现"拆分降低风险"的悖论
2. 尾部信息：VaR 只告诉你"99% 的情况下损失不超过 X"，但那 1% 里可能亏 2X 也可能亏 100X。ES 告诉你那 1% 的平均损失是多少
3. 一致性风险度量：满足平移不变性、正齐次性、单调性、次可加性

Basel III/FRTB 要求：

• 使用 97.5% 置信水平的 ES 替代 99% VaR
• ES(97.5%) ≈ VaR(99%) × 1.4（对正态分布）
• 要求使用实际历史数据的 ES（不能只用参数法）

追问准备

• 97.5% ES 和 99% VaR 哪个更保守？ → 对正态分布：ES(97.5%) ≈ 2.338σ，VaR(99%) = 2.326σ，几乎一样。但对厚尾分布（实际金融数据），ES(97.5%) 比 VaR(99%) 保守很多，因为 ES 考虑了尾部的具体分布。

• Stressed VaR/ES 是什么？ → Basel 要求在压力情景下（如 2008 金融危机）额外计算一次 VaR/ES，取两者的较大值。目的是避免在长期牛市中低估风险。

---

Q19: SHAP 和 LIME 有什么区别？在风控中为什么需要可解释性？

简短回答（30秒）

SHAP 和 LIME 都是解释机器学习黑箱模型的方法。LIME 在局部用线性模型近似黑箱（快速但不保证全局一致性），SHAP 基于博弈论的 Shapley 值分配每个特征的贡献（理论完备但计算量大）。风控需要可解释性的原因：1）监管要求（ECOA/GDPR 要求解释拒贷原因），2）风险排查（发现模型是否依赖了不合理的特征），3）业务信任（审批官和客户需要理解模型决策）。

详细回答（2分钟）

LIME（Local Interpretable Model-agnostic Explanations）：

原理：
1. 在待解释样本 x 附近生成 N 个扰动样本
2. 用黑箱模型对扰动样本打分
3. 以 x 为中心加权拟合一个简单模型（线性回归 / 决策树）
4. 用简单模型的系数作为特征重要性

优点：速度快、模型无关、直观易懂 缺点：

• 结果不稳定（随机扰动导致每次结果略有不同）
• 局部近似可能失真（非线性区域用线性模型近似不准）
• 不满足一些理论性质（如一致性）

SHAP（SHapley Additive exPlanations）：

原理（来自博弈论的 Shapley 值）：
- 将模型预测看成一个"合作博弈"
- 每个特征是一个"玩家"
- Shapley 值 = 该特征在所有可能的特征子集中的平均边际贡献

φ_i = Σ [|S|!(n-|S|-1)!/n!] × [f(S∪{i}) - f(S)]

优点：

• 理论完备（唯一满足效率性、对称性、虚拟性、可加性的解）
• 全局一致（同一模型同一样本结果唯一）
• 支持全局汇总（平均 |SHAP| 得到全局特征重要性）

缺点：

• 精确计算是 NP-hard（2^n 个子集）
• TreeSHAP 快但只适用于树模型
• KernelSHAP 通用但较慢

风控中可解释性的四个层面：

实际案例：

一个模型拒绝了一个客户。SHAP 解释：

• 负债比率 0.85 → 扣分 -35（正常范围 < 0.5）
• 近 6 个月新增借款笔数 8 → 扣分 -28（正常 < 3）
• 月收入 8000 → 加分 +15
• 总分不足准入线 → 拒绝

客户看到原因后可以改善（降低负债率），模型的可解释性反而帮助了金融普惠。

追问准备

• TreeSHAP 的复杂度是多少？ → O(TLD²)，T=树的数量，L=叶子数，D=深度。对于典型的 XGBoost 模型（100棵树、深度6），计算一个样本的 SHAP 值只需几毫秒。

• 可解释性和模型性能之间有 trade-off 吗？ → 传统观点是有（逻辑回归可解释但弱，深度学习强但不可解释）。但 SHAP/LIME 让黑箱模型也能解释，缩小了这个 gap。不过在高度监管的场景（如美国信贷），有些监管机构仍然只接受逻辑回归 + 评分卡。

---

Q20: Champion-Challenger 和影子模式有什么区别？模型上线流程是什么？

简短回答（30秒）

影子模式（Shadow Mode）是让新模型在线上同时打分但不实际决策（只记录结果），用于验证新模型在真实流量上的表现。Champion-Challenger 是让一小部分流量（如 5-10%）使用新模型做真实决策，与主模型的效果做对照实验。影子模式是"零风险验证"，Champion-Challenger 是"小规模实验"。完整上线流程：离线评估 → 影子模式 → Champion-Challenger → 全量切换。

详细回答（2分钟）

模型上线全流程（5 个阶段）：

阶段 1：离线评估（1-2 周）

阶段 2：影子模式（2-4 周）

真实流量 → [当前模型决策] → 实际结果
           ↘ [新模型打分] → 记录（不决策）

对比：
- 新旧模型评分分布差异
- 新模型的拒绝率 vs 当前模型
- 新模型在当前模型通过的客户中的排序能力

影子模式的关键价值：

• 零风险：不影响实际业务
• 发现线上和离线的差异（特征工程是否一致、数据是否有 gap）
• 验证系统性能（延迟、吞吐量）

阶段 3：Champion-Challenger（4-8 周）

真实流量 ─── 90% ──→ Champion（当前模型） → 决策
           └── 10% ──→ Challenger（新模型） → 决策

对比维度：
- 审批通过率
- 首逾率（First Payment Default）
- 30/60/90 天逾期率
- 利润率

关键设计：

• 流量分配必须随机（不能用特定客群）
• 需要足够样本量（统计功效分析：至少需要 N 个坏样本才能检测到 X% 的差异）
• 需要等足够长时间（信贷需要等 3-6 个月看 Vintage 曲线）

阶段 4：灰度放量（2-4 周）

• 从 10% → 30% → 50% → 100% 逐步放量
• 每步监控关键指标，异常立即回滚

阶段 5：全量上线 + 持续监控

影子模式 vs Champion-Challenger 对比：

追问准备

• A/B 测试在风控中为什么特别难？ → 1）标签延迟：信贷违约需要 3-12 个月才能观察到。2）样本偏差：模型本身改变了样本分布（被拒的客户没有标签）。3）伦理问题：如果新模型确实更好，让 90% 的客户用"更差的"旧模型是否道德？

• 什么情况需要紧急回滚？ → 1）首逾率（FPD30）突然上升 > 50%。2）审批通过率异常（上升/下降 > 20%）。3）模型打分出现大量极端值。4）线上特征缺失率突增。回滚后先切到规则引擎兜底，再排查问题。