2025年金融风险管理师违约损失率的支持向量机模型专题试卷及解析.pdfVIP

2025年金融风险管理师违约损失率的支持向量机模型专题试卷及解析1

2025年金融风险管理师违约损失率的支持向量机模型专题

试卷及解析

2025年金融风险管理师违约损失率的支持向量机模型专题试卷及解析

第一部分：单项选择题（共10题，每题2分）

1、在支持向量机（SVM）模型应用于违约损失率（LGD）预测时，核函数的主要

作用是什么？

A、降低数据维度

B、将非线性问题转化为线性问题

C、减少训练时间

D、提高模型可解释性

【答案】B

【解析】正确答案是B。核函数通过将原始数据映射到高维特征空间，使得非线性

可分问题转化为线性可分问题，这是SVM的核心优势。A选项错误，核函数实际是增

加维度；C选项错误，核函数可能增加计算复杂度；D选项错误，SVM本身可解释性

较弱。知识点：SVM核函数原理。易错点：混淆核函数与降维技术的作用。

2、在LGD预测中，SVM模型相比传统线性回归模型的主要优势在于？

A、计算速度更快

B、处理非线性关系能力更强

C、数据预处理要求更低

D、结果更易解释

【答案】B

【解析】正确答案是B。SVM通过核函数能有效捕捉LGD与特征变量间的复杂非

线性关系，这是其相比线性回归的核心优势。A选项错误，SVM训练通常更耗时；C

选项错误，SVM对数据标准化要求较高；D选项错误，线性回归可解释性更强。知识

点：SVM与线性回归对比。易错点：忽视SVM在非线性建模上的优势。

3、在SVM模型训练中，惩罚参数C的作用是？

A、控制支持向量的数量

B、平衡分类间隔与误分类惩罚

C、决定核函数类型

D、调整学习率

【答案】B

【解析】正确答案是B。参数C控制着对误分类样本的惩罚程度，在最大化间隔和

最小化分类错误之间取得平衡。A选项错误，支持向量数量由数据分布决定；C选项错

2025年金融风险管理师违约损失率的支持向量机模型专题试卷及解析2

误，核函数类型需单独选择；D选项错误，SVM不使用学习率概念。知识点：SVM超

参数调优。易错点：混淆C参数与核函数参数的作用。

4、在LGD预测中，当训练数据存在较多噪声时，更适合采用哪种SVM变体？

A、硬间隔SVM

B、软间隔SVM

C、线性SVM

D、多项式核SVM

【答案】B

【解析】正确答案是B。软间隔SVM通过引入松弛变量允许一定程度的误分类，对

噪声数据更具鲁棒性。A选项错误，硬间隔SVM对噪声敏感；C选项错误，线性SVM

无法处理复杂关系；D选项错误，核函数选择与噪声处理无直接关系。知识点：SVM

变体选择。易错点：忽视软间隔对噪声的容忍性。

5、在SVM模型评估中，用于衡量LGD预测准确性的最常用指标是？

A、精确率

B、召回率

C、均方误差

D、支持向量比例

【答案】C

【解析】正确答案是C。LGD预测是回归问题，均方误差(MSE)是评估回归性能

的标准指标。A、B选项错误，这些是分类指标；D选项错误，支持向量比例反映模型

复杂度而非预测精度。知识点：回归模型评估指标。易错点：混淆分类与回归的评估标

准。

6、在SVM特征选择中，递归特征消除(RFE)的主要目的是？

A、增加特征数量

B、识别最重要的特征子集

C、标准化特征值

D、处理缺失值

【答案】B

【解析】正确答案是B。RFE通过迭代移除最不重要的特征来优化特征子集，提高

模型性能。A选项错误，RFE是减少特征；C选项错误，标准化是独立预处理步骤；D

选项错误，缺失值处理需单独进行。知识点：特征选择方法。易错点：混淆特征选择与

数据预处理。

7、在LGD预测中，SVM模型对异常值的处理能力主要取决于？

A、核函数类型

B、惩罚参数C

2025年金融风险管理师违约损失率的支持向量机模型专题试卷及解析