2025年金融风险管理师LGD估计的神经网络模型专题试卷及解析.pdfVIP

2025年金融风险管理师LGD估计的神经网络模型专题试卷及解析1

2025年金融风险管理师LGD估计的神经网络模型专题试

卷及解析

2025年金融风险管理师LGD估计的神经网络模型专题试卷及解析

第一部分：单项选择题（共10题，每题2分）

1、在LGD估计中，神经网络模型相比传统线性模型的主要优势是什么？

A、计算速度更快

B、能够捕捉非线性关系

C、数据预处理要求更低

D、模型解释性更强

【答案】B

【解析】正确答案是B。神经网络模型的核心优势在于其能够通过多层神经元结构

捕捉输入变量与LGD之间的复杂非线性关系，而传统线性模型只能处理线性关系。A

选项错误，神经网络通常计算量更大；C选项错误，神经网络对数据预处理要求更高；

D选项错误，神经网络是”黑箱”模型，解释性较差。知识点：神经网络模型特性。易错

点：容易混淆模型计算效率与预测能力。

2、下列哪个因素通常不会直接影响LGD估计的准确性？

A、抵押品价值波动

B、宏观经济周期

C、借款人信用评级

D、神经网络隐藏层数量

【答案】D

【解析】正确答案是D。隐藏层数量是模型结构参数，影响模型复杂度而非LGD实

际值。A、B、C都是影响LGD的实际因素：抵押品价值决定回收率，经济周期影响违

约处置环境，信用评级反映借款人特征。知识点：LGD影响因素。易错点：容易混淆

模型参数与实际影响因素。

3、在构建LGD神经网络模型时，最常用的激活函数是？

A、线性函数

B、阶跃函数

C、ReLU函数

D、常数函数

【解析】正确答案是C。ReLU函数能有效解决梯度消失问题，计算效率高，是现

代神经网络最常用的激活函数。A选项线性函数无法捕捉非线性；B选项阶跃函数不可

导；D选项常数函数无学习能力。知识点：神经网络激活函数。易错点：容易忽略不同

激活函数的适用场景。

2025年金融风险管理师LGD估计的神经网络模型专题试卷及解析2

4、LGD估计中，处理缺失数据最合适的方法是？

A、直接删除含缺失值的样本

B、用均值填充

C、使用神经网络自动学习缺失值

D、忽略缺失值

【答案】C

【解析】正确答案是C。神经网络可以通过训练过程学习缺失数据的合理表示，比

简单删除或均值填充更科学。A选项会损失信息；B选项可能引入偏差；D选项完全错

误。知识点：数据预处理技术。易错点：容易低估缺失值处理对模型性能的影响。

5、在LGD神经网络模型训练中，过拟合的主要表现是？

A、训练集误差大

B、测试集误差大

C、训练集误差小但测试集误差大

D、训练集和测试集误差都大

【答案】C

【解析】正确答案是C。过拟合指模型过度学习训练数据特征，导致泛化能力差，表

现为训练误差小而测试误差大。A是欠拟合；B可能是欠拟合或数据问题；D是模型整

体表现差。知识点：过拟合识别。易错点：容易混淆过拟合与欠拟合的表现。

6、LGD估计中，Dropout技术的主要作用是？

A、加速模型训练

B、减少模型参数

C、防止过拟合

D、提高预测精度

【答案】C

【解析】正确答案是C。Dropout通过随机丢弃神经元防止过拟合，是正则化技术。

A选项不是主要作用；B选项参数数量不变；D选项是间接效果。知识点：正则化技术。

易错点：容易混淆Dropout的直接作用与间接效果。

7、在LGD神经网络模型中，批量归一化(BatchNormalization)的主要目的是？

A、减少训练时间

B、提高模型稳定性

C、增加模型复杂度

D、降低数据维度

【答案】B

【解析】正确答案是B。批量归一化通过标准化每层输入分布，提高训练稳定性和

收敛速度。A是次要效果；C与实际相反；D不是其功能。知识点：批量归一化。易错

2025年金融风险管理师LGD估计的神经网络模型专题试卷及解析