2025年金融风控模型优化习题(含答案与解析).docxVIP

2025年金融风控模型优化习题(含答案与解析)

一、单项选择题（每题3分，共18分）

1.在2025年某消费金融公司的风控模型优化项目中，若发现连续3个月测试集AUC从0.78下降至0.65，且特征重要性排名前5的变量中4个的PSI（PopulationStabilityIndex）超过0.25，最可能的原因是：

A.模型过拟合训练数据

B.数据发生概念漂移（ConceptDrift）

C.标签定义发生变更

D.特征工程遗漏关键变量

答案：B

解析：PSI0.25通常提示特征分布发生显著变化（数据漂移），而AUC持续下降且多个关键特征PSI异常，符合概念漂移的典型表现（数据提供机制变化导致模型失效）。过拟合通常表现为训练集与测试集性能差距大；标签定义变更会导致整体正负样本分布突变；特征遗漏一般在模型开发阶段已暴露。

2.某银行尝试用大语言模型（LLM）优化反欺诈文本风控模型，以下哪种优化策略最符合2025年技术趋势？

A.直接使用预训练LLM输出的文本嵌入作为特征输入传统GBDT模型

B.对LLM进行端到端微调，将欺诈识别作为分类任务接入模型输出层

C.仅用LLM提取关键词，与结构化数据拼接后输入逻辑回归

D.冻结LLM参数，仅训练顶层分类器

答案：B

解析：2025年金融风控领域已逐步从“特征拼接”转向“端到端