2025年金融风险管理师信用风险模型中的机器学习应用专题试卷及解析.docxVIP

2025年金融风险管理师信用风险模型中的机器学习应用专题试卷及解析

2025年金融风险管理师信用风险模型中的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、在信用风险评估中，与传统逻辑回归模型相比，梯度提升决策树（GBDT）模型的主要优势是什么？

A、模型解释性更强

B、对非线性关系的捕捉能力更优

C、计算效率更高

D、不需要特征工程

【答案】B

【解析】正确答案是B。GBDT通过集成多个弱学习器，能够有效捕捉特征间的复杂非线性关系，这是其相比逻辑回归的主要优势。A错误，GBDT的黑箱特性使其解释性弱于逻辑回归；C错误，GBDT计算复杂度通常更高；D错误，GBDT仍需要特征工程，只是对特征变换的依赖性较低。知识点：集成学习在信用风险建模中的应用。易错点：容易混淆模型性能与可解释性的关系。

2、在处理信用数据中的缺失值时，哪种机器学习方法具有天然优势？

A、支持向量机

B、随机森林

C、K近邻算法

D、朴素贝叶斯

【答案】B

【解析】正确答案是B。随机森林基于决策树构建，天然能够处理缺失值，通过代理分裂规则或使用替代特征。A、C、D都需要预先处理缺失值。知识点：机器学习算法对数据质量的适应性。易错点：误认为所有算法都需要完整数据输入。

3、在信用评分卡开发中，防止过拟合最常用的正则化技术是？

A、Dropout

B、L1正则化

C、早停法

D、数据增强

【答案】B

【解析】正确答案是B。L1正则化通过惩罚系数绝对值，能产生稀疏解，是信用评分卡中常用的特征选择和过拟合控制方法。A主要用于神经网络；C虽然有效但不是最常用；D在信用数据中不适用。知识点：正则化技术在信用风险模型中的应用。易错点：混淆不同正则化技术的适用场景。

4、在信用风险模型评估中，AUCROC曲线主要衡量的是？

A、预测准确性

B、模型稳定性

C、排序能力

D、校准度

【答案】C

【解析】正确答案是C。AUCROC反映模型对好坏客户的区分能力，即排序质量。A由准确率衡量；B通过时间稳定性测试评估；D由Brier分数或校准图评估。知识点：信用风险模型评估指标体系。易错点：误认为AUC衡量绝对预测精度。

5、在处理信用数据中的类别不平衡问题时，最不推荐的方法是？

A、过采样少数类

B、欠采样多数类

C、调整分类阈值

D、删除所有少数类样本

【答案】D

【解析】正确答案是D。完全删除少数类会丢失关键信息，是最不可取的方法。A、B、C都是常见的处理技术。知识点：不平衡数据处理技术。易错点：容易忽视少数类样本在信用风险识别中的重要性。

6、在信用风险模型中，特征重要性分析最常用的方法是？

A、相关系数分析

B、排列重要性

C、主成分分析

D、卡方检验

【答案】B

【解析】正确答案是B。排列重要性通过随机打乱特征值评估模型性能变化，适用于各类机器学习模型。A只能衡量线性关系；C是降维技术；D仅适用于分类特征。知识点：模型可解释性技术。易错点：混淆特征选择与特征重要性分析。

7、在信用评分模型部署后，监控模型性能最关键的指标是？

A、训练集准确率

B、PSI（群体稳定性指数）

C、特征数量

D、模型复杂度

【答案】B

【解析】正确答案是B。PSI直接衡量特征分布和模型得分的稳定性，是生产环境监控的核心指标。A、C、D都是开发阶段关注点。知识点：模型生命周期管理。易错点：忽视生产环境监控与开发阶段评估的区别。

8、在信用风险建模中，集成学习方法相比单一模型的主要优势是？

A、训练速度更快

B、泛化能力更强

C、内存占用更少

D、解释性更好

【答案】B

【解析】正确答案是B。集成通过组合多个模型降低方差，提升泛化能力。A、C通常相反；D通常更差。知识点：集成学习原理。易错点：混淆计算效率与预测性能。

9、在处理信用数据中的高维特征时，最有效的降维方法是？

A、随机投影

B、自编码器

C、特征选择

D、PCA

【答案】C

【解析】正确答案是C。在信用风险场景中，特征选择（如基于重要性或统计检验）比数学降维更实用，能保持业务可解释性。A、B、D会损失特征原始含义。知识点：高维数据处理策略。易错点：忽视业务可解释性要求。

10、在信用风险模型中，处理时间序列数据最合适的机器学习方法是？

A、逻辑回归

B、LSTM网络

C、决策树

D、Kmeans聚类

【答案】B

【解析】正确答案是B。LSTM专门设计用于处理序列依赖关系，适合信用风险中的时序数据。A、C、D都不具备序列建模能力。知识点：时序建模技术。易错点：忽视数据的时间特性。

第二部分：多项选择题（共10题，每题2分）

1、在信用风险模型开发中，特征工程通常包括哪些步骤？

A、缺失值处理

B、异常值检测

C、特征编码

D、特征缩放

E、特征创造

【答案】A、B、C、D、E

【解析】所有选项都是特征工程的关键