风控算法工程师 / Risk Data Engineer

该职位来源于猎聘 "岗位职责

• 参与金融交易风控模型建设，支持异常流量识别、客户风险分类、交易行为分析等模型的开发与优化。
• 根据业务场景和风控目标，参与特征选择、模型训练、模型评估、参数调优及实验分析。
• 该岗位需要处理高频 Tick 数据、用户行为数据、交易数据、资金数据等大规模数据，并为风控模型、异常检测、用户风险评分和实时监控提供稳定、准确、可复用的数据与特征支持。 岗位职责
• 负责风控相关数据链路建设，包括数据采集、清洗、加工、校验、存储和输出。
• 处理高频 Tick 数据、行情数据、交易行为数据、用户行为数据、资金流水等大规模金融数据。
• 建立风控特征工程体系，为机器学习模型、风险评分模型、异常检测模型提供高质量特征。
• 支持风控模型训练和上线，提供稳定的数据集、特征表、标签体系和数据验证逻辑。
• 与数据科学家、风控团队、后端工程师协作，将风控数据能力接入实际业务系统。
• 优化大规模数据处理性能，提升数据处理效率、准确性和稳定性。
• 参与风控数据监控体系建设，包括数据质量监控、异常波动检测、特征稳定性监控等。 参与模型上线后的效果跟踪，包括模型表现、特征稳定性、数据质量、预测结果偏移等监控分析。
• 针对模型表现和业务反馈，持续优化特征、算法和评估方法，提升模型在实际风控场景中的可用性。
• 配合高级算法工程师完成模型方案验证、实验记录、结果复盘和技术文档沉淀。 任职要求 1. 数学、统计学、金融工程、计算机、物理或其他数理/理工科相关专业本科及以上学历。 2. 金融科技、交易平台、券商、支付、反欺诈、反洗钱、风控系统相关经验。 3. 具备扎实的算法模型基础，理解常见分类、回归、异常检测、时间序列建模等算法原理。 4. 熟练使用 Python，掌握 pandas、NumPy、scikit-learn、XGBoost 等常用数据处理和建模工具。 5. 熟悉特征工程、特征选择、模型训练、模型评估等机器学习基本流程。 6. 理解时间序列数据处理逻辑，了解 walk-forward validation、训练集/测试集切分、信息泄漏防控等基本方法。 7. 对金融交易数据或市场数据有一定理解，能够基于业务场景思考特征构建和模型应用。 8. 了解模型过拟合、样本不平衡、模型解释性等问题，并能在实际建模过程中进行基础处理。 9.具备良好的学习能力、问题拆解能力和沟通协作能力，能够与数据工程师、业务团队协同推进模型落地。 加分项 1.有金融交易、量化、算法交易、高频交易、市场数据、订单簿、tick data 相关项目经验优先。 2.有异常检测、客户分类、交易行为识别、反作弊、风控模型相关经验优先。 3. 熟悉 Isolation Forest、LSTM-Autoencoder、LightGBM、XGBoost、MLP 等模型优先。 4. 了解 SHAP、特征重要性、相关性分析、IV/WOE 等模型解释和特征筛选方法优先。 5. 有 MLflow、Airflow、模型服务化、模型监控、Feature Store 或 MLOps 相关经验优先。 6. 有较强数理基础，具备快速学习金融交易场景和复杂算法的能力优先。"