蚂蚁金服蚂蚁集团-信贷风险模型工程师-征信方向

1. 负责构建和优化信贷风控模型体系，根据金融机构业务需求，设计并开发反欺诈模型、申请评分、行为评分模型等； 2. 深入挖掘信贷业务风险模式，通过对数据的深度分析，识别信用和欺诈风险的模式与变化趋势，完善风控特征体系，持续提升模型性能； 3. 关注并研究机器学习领域最新技术进展，探索并应用前沿算法在智能风控领域，解决信贷场景实际问题，包括但不限于深度学习、大模型、图学习、AutoML等方向； 4. 与业务及产品团队紧密合作，对接国内信贷机构，深入了解其业务需求，设计并实施方案，交付高质量的风控模型产品。

1、核心建模与评级体系建设： 深度整合平台内外部数据（如贸易行为、支付历史、企业工商、第三方征信等），构建多维度、动态的买家风险画像。 主导海外买家（B端客户）信用评级模型的全流程建设，包括数据探索、特征工程、模型开发、验证、部署和迭代。 负责评级体系的落地应用，制定差异化的授信、定价及贷中管理策略，实现风险与业务增长的最佳平衡。 2、联合风控与外部合作： 作为风控策略接口人，与海外合作金融机构（银行、保理公司等）进行深入交流，共同设计和落地联合风控方案。 监控联合风控项目的关键风险指标，及时发现问题并推动解决方案的落地。 3、数据洞察与策略创新： 对海外买家群体进行深度的数据分析和客群下钻，洞察不同国家、行业、规模买家的风险特征和融资需求。 持续跟踪全球宏观经济、区域性风险事件及行业动态，将其转化为前瞻性的风控策略调整。

负责开发和实现先进的风险识别模型，包括但不限于信贷风险、舆情风险等方面。该职位的目标在于运用机器学习、数据科学方法，以识别、预测和缓解潜在风险，确保公司业务的稳定运行和持续增长。 1. 风险模型开发：利用机器学习、深度学习、统计分析等方法，开发、训练和优化风险识别评估和预测模型。 2. 特征挖掘：分析和处理大量数据，识别关键风险因素，挖掘有效风险特征。 3. 模型评估：定期对风险模型的效能进行回顾和评估，确保模型的准确性和有效性。 4. 跨部门合作：与产品、技术、业务等部门紧密合作，确保风险模型的实际应用效果。

1. 针对信贷金融业务发展需求，负责设计和完善信贷风控模型体系，包括反欺诈、信用评分等； 2. 深入了解信货业务模式，通过多源信息深挖完善风控特征池、带领机器学习算法的创新应用，解决信贷场景的实际问题； 3. 参与和探索前沿算法在信贷智能风险管理领域的应用和落地，包括但不限于树模型，深度学习，知识图谱，GraphML，大模型等方向； 4.业务及政策团队进行业务问题抽象，推动模型技术在业务场景中的应用，并持续推动优化模型算法及性能