2025年金融风险管理师模型风险中的其他工具应用风险专题试卷及解析.docxVIP

2025年金融风险管理师模型风险中的其他工具应用风险专题试卷及解析.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

2025年金融风险管理师模型风险中的其他工具应用风险专题试卷及解析

第一部分：单项选择题（共10题，每题2分）

1、在模型风险管理中，当使用机器学习模型进行信用评分时，以下哪项风险最可能由模型的可解释性不足导致？

A、数据泄露风险

B、模型过拟合风险

C、监管合规风险

D、算法偏见风险

【答案】C

【解析】正确答案是C。机器学习模型（尤其是深度学习）通常具有黑箱特性，可解释性不足可能导致无法满足监管机构对模型决策透明度的要求，从而引发监管合规风险。A选项数据泄露风险主要与数据安全措施相关；B选项过拟合风险更多与模型复杂度和训练

妙笔如花

咨询Ta 进入空间

更多 >