2025年金融机构包括面试题及答案.docxVIP

2025年金融机构包括面试题及答案

Q1：2025年，某金融机构计划将AI信用评分模型全面应用于零售信贷审批，你认为在模型上线前需重点验证哪些风险点？如何设计验证流程？

A：需重点验证四方面风险：一是模型偏差风险，需检查训练数据是否覆盖客群全量特征（如新市民、灵活就业者等长尾客群），避免因数据缺失导致的“算法歧视”；二是鲁棒性风险，测试模型在经济下行、区域疫情等极端场景下的预测稳定性，例如通过合成异常交易数据（如突发大额消费、断缴社保）验证模型抗干扰能力；三是可解释性风险，需确保业务人员能理解模型决策逻辑（如某用户因“近3个月水电缴费频次下降20%”被降分），避免“黑箱”引发合规争议；四是数据安全风险，验证模型是否符合《个人信息保护法》，例如用户敏感信息（婚姻状况、医疗记录）是否通过联邦学习实现“数据可用不可见”。

验证流程分三阶段：预上线阶段，用历史数据进行OOT（Out-of-Time）测试，对比模型在2023-2024年不同经济周期下的KS值、IV值变化；灰度测试阶段，选取5%的白名单客群（如存量优质客户）试运行，监控拒贷率、首逾率与人工审批的偏差率（目标偏差＜3%）；全量上线后，建立“模型-业务-合规”三方联席监控机制，每日抽取1000笔样本进行人工复核，每周输出模型表现报告（含特征重要性漂移、违约率分箱稳定性），若发现KS值连续两周下降超5%，立即启动模型迭代。