2025年征信数据挖掘师考试题库：征信数据分析挖掘技术实操与案例试题.docxVIP

2025年征信数据挖掘师考试题库：征信数据分析挖掘技术实操与案例试题

一、单项选择题（每题2分，共20题）

1.以下哪项不属于征信数据中的“信贷交易信息”？

A.信用卡透支余额

B.个人社保缴纳记录

C.贷款还款状态

D.担保信息

答案：B

2.在征信数据清洗过程中，针对“某用户年龄字段显示为-5”的异常值，最合理的处理方式是？

A.直接删除该条记录

B.用全局均值替换

C.结合用户其他信息（如工作年限）推断合理值

D.保留原始值用于后续分析

答案：C

3.征信数据特征工程中，“将用户近12个月的逾期次数转换为‘0次’‘1-3次’‘4次以上’”属于？

A.特征分箱

B.特征标准化

C.特征交叉

D.特征降维

答案：A

4.评估征信分类模型时，若业务更关注“避免将高风险用户误判为低风险”，应重点优化以下哪个指标？

A.准确率（Accuracy）

B.召回率（Recall）

C.精确率（Precision）

D.F1分数

答案：B

5.某征信数据集中，“月收入”字段缺失率为35%，且缺失模式与“职业类型”强相关（如自由职业者缺失率更高），最适合的填充方法是？

A.均值填充

B.中位数填充

C.基于职业类型的分组均值填充

D.多重插补（MICE）

答案：C

6.在使用逻辑回归构建征信评分模型时，若某特征的IV值（信息价值）为0.35，说明该特征？

A.预测能力极弱，应剔除

B.预测能力一般，可保留

C.预测能力较强，重点关注

D.存在多重共线性问题

答案：C（IV值0.3-0.5为强预测能力）

7.以下哪种技术最适合处理征信数据中的“多头借贷”关联分析？

A.主成分分析（PCA）

B.图神经网络（GNN）

C.随机森林（RandomForest）

D.支持向量机（SVM）

答案：B

8.征信数据脱敏处理中，“将身份证号的中间8位替换为”属于？

A.匿名化

B.去标识化

C.加密

D.混淆

答案：B

9.在A/B测试中，若要验证新征信评分模型的风险区分能力，对照组应选择？

A.未使用任何模型的随机审批策略

B.原有的传统评分卡模型

C.仅基于收入的简单规则模型

D.行业平均水平的外部模型

答案：B

10.某金融机构发现，其征信模型在训练集上的AUC为0.85，但在测试集上仅为0.72，最可能的原因是？

A.数据泄露（DataLeakage）

B.过拟合（Overfitting）

C.欠拟合（Underfitting）

D.特征选择不足

答案：B

11.征信数据时效性分析中，“用户近6个月的查询次数”比“近2年的查询次数”更具预测价值，主要是因为？

A.监管要求仅保留近6个月数据

B.近期行为更能反映当前信用风险

C.长期数据存在存储成本问题

D.长期数据缺失率更高

答案：B

12.以下哪项属于征信数据中的“非结构化数据”？

A.贷款金额（数值型）

B.担保合同文本（PDF）

C.逾期天数（分类型）

D.职业类型（枚举型）

答案：B

13.在联邦学习（FederatedLearning）框架下，金融机构与电商平台合作挖掘征信数据时，核心目标是？

A.共享完整用户数据以提升模型效果

B.仅交换模型参数而非原始数据

C.由第三方机构集中处理所有数据

D.降低数据传输的网络成本

答案：B

14.征信模型监控中，“PSI（群体稳定性指标）”主要用于检测？

A.模型预测结果的准确性变化

B.特征分布的稳定性变化

C.用户群体的流失率变化

D.业务规则的执行偏差

答案：B（PSI0.25表示特征分布显著变化）

15.处理征信数据中的“共债风险”时，最关键的特征是？

A.用户年龄

B.多头借贷机构数量

C.教育程度

D.居住城市

答案：B

16.某征信数据集存在严重类别不平衡（违约用户占比2%），以下哪种方法最不适用？

A.过采样（Oversampling）少数类

B.欠采样（Undersampling）多数类

C.调整模型损失函数（如加权交叉熵）

D.直接使用准确率作为评估指标

答案：D

17.在征信数据可视化中，“展示不同收入区间用户的违约率分布”最适合的图表是？

A.散点图

B.箱线图