2025年金融风险管理师巴塞尔协议与机器学习在风险计量中的应用专题试卷及解析.pdfVIP

2025年金融风险管理师巴塞尔协议与机器学习在风险计量中的应用专题试卷及解析1

2025年金融风险管理师巴塞尔协议与机器学习在风险计量

中的应用专题试卷及解析

2025年金融风险管理师巴塞尔协议与机器学习在风险计量中的应用专题试卷及解

析

第一部分：单项选择题（共10题，每题2分）

1、巴塞尔协议III中，关于系统重要性银行（SIBs）的额外资本要求，其主要目的

是什么？

A、提高银行的盈利能力

B、降低银行的运营成本

C、减少系统性风险和道德风险

D、简化银行的监管流程

【答案】C

【解析】正确答案是C。巴塞尔协议III对系统重要性银行提出额外资本要求，旨在

通过增加资本缓冲来降低系统性风险和道德风险，防止这些银行的倒闭对整个金融体

系造成冲击。A、B、D选项与巴塞尔协议III的核心目标无关，盈利能力和运营成本并

非资本要求的主要考量，而监管流程的简化也与资本要求的目的相悖。知识点：巴塞尔

协议III的资本要求与系统性风险管理。易错点：可能误选A或B，忽略了资本要求的

核心目标是风险控制而非盈利或成本。

2、在机器学习模型中，用于信用风险评估的决策树算法，其主要优势是什么？

A、处理高维数据的能力强

B、模型可解释性高

C、对异常值不敏感

D、计算效率极高

【答案】B

【解析】正确答案是B。决策树算法的主要优势在于其模型可解释性高，能够直观

展示决策规则，便于风险管理人员理解和应用。A选项是神经网络等算法的优势，C选

项是集成方法如随机森林的特点，D选项虽然决策树计算效率较高，但并非其最核心的

优势。知识点：机器学习算法在信用风险评估中的应用特点。易错点：可能误选A或

C，混淆了不同算法的优势。

3、巴塞尔协议II中，内部评级法（IRB）的核心思想是什么？

A、统一所有银行的风险权重

B、允许银行使用内部模型估计风险参数

C、简化资本计提流程

D、降低资本充足率要求

2025年金融风险管理师巴塞尔协议与机器学习在风险计量中的应用专题试卷及解析2

【答案】B

【解析】正确答案是B。内部评级法（IRB）允许银行根据自身数据估计违约概率

（PD）、违约损失率（LGD）等风险参数，从而更精确地计提资本。A选项与IRB的灵

活性相悖，C选项是标准化方法的特点，D选项并非IRB的核心目标。知识点：巴塞尔

协议II的内部评级法。易错点：可能误选A或C，混淆了IRB与标准化方法的区别。

4、在机器学习中，过拟合现象在风险计量模型中可能导致什么后果？

A、模型预测能力不足

B、模型对训练数据过度依赖，泛化能力差

C、模型计算效率低下

D、模型无法处理非线性关系

【答案】B

【解析】正确答案是B。过拟合会导致模型对训练数据过度依赖，泛化能力差，从

而在新的数据上表现不佳。A选项是欠拟合的后果，C选项与过拟合无关，D选项是线

性模型的局限性。知识点：机器学习模型的过拟合问题。易错点：可能误选A，混淆了

过拟合与欠拟合的概念。

5、巴塞尔协议III引入的杠杆率指标，其主要作用是什么？

A、衡量银行的流动性风险

B、限制银行的过度杠杆

C、提高银行的盈利能力

D、简化风险加权资产计算

【答案】B

【解析】正确答案是B。杠杆率是巴塞尔协议III引入的非风险加权指标，旨在限制

银行的过度杠杆，防止风险加权资产的低估。A选项是流动性覆盖率（LCR）的作用，

C选项与杠杆率无关，D选项是杠杆率的间接作用，但非其主要目的。知识点：巴塞尔

协议III的杠杆率。易错点：可能误选D，忽略了杠杆率的核心目标是限制杠杆而非简

化计算。

6、在机器学习中，随机森林算法相比单一决策树，其改进之处在于？

A、计算效率更高

B、模型可解释性更强

C、降低过拟合风险

D、处理高维数据能力更强

【答案】C

【解析】正确答案是C。随机森林通过集成多个决策树，降低了单一决策树的过拟

合风险，提高了模型的稳定性。A选项错误，随机森林计算效率通常低于单一决策树；

B选项错误，随机森林的可解释性不如单一决策树；D选项虽然随机森林能处理高维数

2025年金融风险