2025年特许金融分析师气候风险与机器学习应用专题试卷及解析.pdfVIP

2025年特许金融分析师气候风险与机器学习应用专题试卷及解析1

2025年特许金融分析师气候风险与机器学习应用专题试卷

及解析

2025年特许金融分析师气候风险与机器学习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、在气候风险分析中，以下哪项属于转型风险的主要驱动因素？

A、极端天气事件频率增加

B、海平面上升导致资产物理损失

C、碳定价政策实施

D、农作物产量下降

【答案】C

【解析】正确答案是C。转型风险主要指社会向低碳经济转型过程中产生的风险，包

括政策变化（如碳定价）、技术革新、市场偏好转变等。碳定价政策是典型的转型风险

驱动因素。A、B、D选项均属于物理风险范畴，即气候变化直接导致的物理影响。知

识点：气候风险分类。易错点：容易混淆物理风险和转型风险的具体表现。

2、机器学习在气候风险建模中的主要优势是什么？

A、完全替代传统统计模型

B、处理高维非线性数据

C、消除所有模型不确定性

D、保证预测结果100%准确

【答案】B

【解析】正确答案是B。机器学习特别擅长处理传统统计方法难以应对的高维、非

线性关系，这在气候风险数据中很常见。A错误，机器学习通常与传统模型互补而非完

全替代。C、D错误，任何模型都存在不确定性，机器学习也不例外。知识点：机器学

习在金融中的应用特点。易错点：高估机器学习的能力边界。

3、TCFD框架建议企业披露的四大支柱不包括以下哪项？

A、治理

B、战略

C、风险管理

D、碳足迹核算

【答案】D

【解析】正确答案是D。TCFD（气候相关财务信息披露工作组）框架的四大支柱是

治理、战略、风险管理和指标与目标。碳足迹核算属于指标与目标范畴，但不是独立支

柱。知识点：TCFD披露框架。易错点：容易将具体指标与框架支柱混淆。

4、在气候风险压力测试中，情景分析法的主要目的是什么？

2025年特许金融分析师气候风险与机器学习应用专题试卷及解析2

A、预测具体年份的气候事件

B、评估不同气候情景下的投资组合韧性

C、计算精确的气候损失值

D、替代传统的风险价值模型

【答案】B

【解析】正确答案是B。情景分析法通过构建不同气候情景（如2℃升温、4℃升温

等）来评估投资组合在各种可能未来下的表现和韧性。A错误，情景分析不是预测工具。

C错误，压力测试提供的是潜在影响范围而非精确值。D错误，情景分析通常与VaR

模型结合使用。知识点：气候风险压力测试方法。易错点：混淆情景分析与预测功能。

5、以下哪项机器学习算法最适合处理气候风险中的时间序列预测？

A、决策树

B、K均值聚类

C、长短期记忆网络（LSTM）

D、主成分分析（PCA）

【答案】C

【解析】正确答案是C。LSTM是专门为处理时间序列数据设计的循环神经网络变

体，能有效捕捉长期依赖关系，特别适合气候风险中的时间序列预测。A、B、D分别

适用于分类、聚类和降维，不适合时间序列预测。知识点：机器学习算法适用场景。易

错点：忽视数据类型与算法匹配的重要性。

6、绿色债券认证标准中，以下哪项不属于ICMA《绿色债券原则》的核心要素？

A、募集资金用途

B、项目评估与筛选流程

C、募集资金管理

D、发行人信用评级

【答案】D

【解析】正确答案是D。ICMA《绿色债券原则》的四大核心要素是募集资金用途、

项目评估与筛选流程、募集资金管理和年度报告。信用评级是传统债券要素，与绿色认

证无关。知识点：绿色债券认证标准。易错点：将传统债券要素与绿色认证要素混淆。

7、在气候风险数据收集过程中，卫星遥感技术主要解决什么问题？

A、企业碳排放数据准确性

B、物理风险的实时监测

C、转型政策解读

D、投资者情绪分析

【答案】B

【解析】正确答案是B。卫星遥感技术能够实时监测海平面上升、森林覆盖率变化、

202