2026年360数科校招笔试题及答案

2026年360数科校招笔试题及答案

一、单项选择题（总共10题，每题2分）1.金融风控中，用于评估模型区分违约与非违约能力的核心指标是（）A.准确率B.AUCC.召回率D.F12.Python中，主要用于处理结构化数据的数据分析库是（）A.matplotlibB.scikit-learnC.pandasD.TensorFlow3.等额本息还款方式中，每月还款额的构成是（）A.固定本金+变动利息B.变动本金+固定利息C.本金与利息之和且每月固定D.仅偿还本金4.统计学中，抽样误差与样本量的关系是（）A.样本量越大，抽样误差越大B.样本量越大，抽样误差越小C.无直接关联D.不确定5.下列属于无监督学习算法的是（）A.逻辑回归B.K-means聚类C.随机森林D.线性回归6.数据清洗中，处理缺失值的常用方法不包括（）A.删除B.填充C.插值D.加权7.金融反欺诈中，常用于识别设备唯一性的技术是（）A.设备指纹B.短信验证C.密码验证D.邮箱验证8.时间序列分析中，适合处理具有季节性波动数据的模型是（）A.ARIMAB.线性回归C.决策树D.SVM9.下列属于非关系型数据库的是（）A.MySQLB.PostgreSQLC.MongoDBD.Oracle10.衡量企业短期偿债能力的核心财务指标“流动比率”的计算公式是（）A.流动资产/流动负债B.流动负债/流动资产C.固定资产/流动负债D.流动负债/固定资产二、填空题（总共10题，每题2分）1.风控模型评估中，__（AUC）反映模型对正负样本的区分能力，__（KS）衡量正负样本累积分布的差距。2.Python中，使用pandas的__（read_csv）函数可读取CSV格式的文件。3.等额本息还款中，每月还款额由__（本金）和__（利息）两部分组成，且每月还款总额固定。4.数据挖掘的标准流程通常包括__（数据采集）、数据预处理、模型构建、模型评估四个阶段。5.统计学假设检验中，一类错误（α）是指__（拒绝了真实的原假设），二类错误（β）是指__（接受了错误的原假设）。6.机器学习中，__（K-means）是典型的无监督学习聚类算法。7.金融科技的身份认证中，__（人脸识别）是常见的生物识别技术之一。8.SQL中，计算分组内的最大值时，需结合__（GROUPBY）和__（MAX()）关键字。9.时间序列数据的组成成分通常包括趋势、__（季节变动）、__（周期变动）和随机波动。10.风控建模中，WOE（证据权重）和IV（信息价值）主要用于__（特征分箱与变量筛选），以提升模型预测能力。三、判断题（总共10题，每题2分）1.逻辑回归模型仅能用于二分类问题。（×）2.等额本金还款方式的总利息支出通常低于等额本息。（√）3.数据集中的所有异常值都必须被删除以保证数据质量。（×）4.SQL的INNERJOIN操作只返回两个表中匹配的行。（√）5.机器学习模型的准确率越高，说明模型的泛化能力越强。（×）6.非关系型数据库（如MongoDB）更适合存储结构化数据。（×）7.金融风控中的黑名单策略属于规则引擎的应用范畴。（√）8.正态分布的均值、中位数和众数相等。（√）9.Python中的列表（list）是不可变的数据类型。（×）10.流动比率大于2时，企业的短期偿债能力一定很强。（×）四、简答题（总共4题，每题5分）1.简述金融风控中A卡、B卡、C卡的区别及应用场景。答案：A卡（申请评分卡）用于信贷申请阶段，通过申请人资质（如收入、征信）评估违约概率，决定是否放贷，核心是“准入风控”；B卡（行为评分卡）用于贷中阶段，基于还款行为、消费习惯等数据，调整额度、利率，平衡用户体验与风险；C卡（催收评分卡）用于贷后阶段，识别高风险催收对象，优化催收策略（如优先催收高违约损失客户），降低催收成本。三者覆盖信贷生命周期的“准入-监控-催收”全流程，分别解决不同阶段的风险问题。2.数据预处理包含哪些步骤？各步骤的目的是什么？答案：数据预处理包括数据采集（获取多源数据，如业务系统、第三方数据，为分析提供基础）、数据清洗（处理缺失值、异常值、重复值，保证数据一致性与质量）、数据集成（合并多表/多源数据，消除冗余，形成完整数据集）、数据变换（如归一化、编码，使数据符合模型输入要求）、数据规约（降维或抽样，减少数据量，提升分析效率）。目的是将原始数据转化为“干净、一致、适合建模”的格式，为后续分析和建模奠定基础。3.什么是机器学习的过拟合？如何避免过拟合？答案：过拟合是模型在训练集上表现优异（如准确率高），但在测试集/新数据上表现差的现象，原因是模型学习了训练数据的噪声或无关特征，泛化能力弱。避免方法：①增加数据量，降低模型方差；②特征选择（如过滤法、嵌入法），减少无关特征；③正则化（L1/L2约束参数，防止参数过拟合）；④交叉验证（如K折交叉验证），评估模型泛化能力；⑤早停策略，训练至验证集效果下降时停止。通过这些方法平衡模型复杂度，提升泛化能力。4.简述SQL窗口函数的作用及典型应用场景。答案：窗口函数在不减少数据行数的前提下，对分区数据进行聚合、排序等计算，同时保留明细数据。作用：①分组排名（如`ROW_NUMBER()`生成行号，`RANK()`处理并列排名）；②累计统计（如`SUM()OVER(PARTITIONBY...)`计算分组内累计值）；③移动计算（如`AVG()OVER(ORDERBY...ROWSBETWEEN...)`计算滑动窗口的平均值）。应用场景：计算用户每月消费的累计金额、员工部门内的绩效排名、按时间排序的股票价格变动率、订单的相邻时间差分析等，实现“明细数据+分组统计”的复杂需求。五、讨论题（总共4题，每题5分）1.结合金融科技发展趋势，分析大数据和人工智能在风控中的应用价值。答案：大数据突破传统征信局限，整合社交、消费、设备等多维度数据，构建更全面的用户画像（如识别隐形高风险用户）；人工智能（如机器学习、深度学习）实现风控自动化、智能化：①机器学习模型（如XGBoost、逻辑回归）精准预测违约概率，提升风控效率；②深度学习（如CNN、LSTM）识别复杂欺诈模式（如团伙欺诈、设备伪造），强化反欺诈能力。未来趋势：联邦学习（保护数据隐私，多方数据加密训练）、实时风控（结合流式计算，动态调整策略），推动风控向“个性化、实时化、智能化”发展，降低信贷风险，促进普惠金融。2.分析消费信贷中，等额本息和等额本金还款方式对用户和金融机构的影响。答案：对用户：①等额本息每月还款额固定，压力均匀，适合收入稳定但短期还款能力弱的用户，但总利息高（因前期偿还本金少，剩余本金产生的利息多）；②等额本金前期还款额高（本金占比大），后期逐渐减少，总利息低，但前期压力大，适合收入高、希望减少利息支出的用户。对金融机构：①等额本息现金流稳定，便于资金规划与再投资，但用户实际融资成本高；②等额本金前期现金流大，后期小，需考虑资金再投资收益，且用户提前还款的可能性较高（因后期利息少）。机构需平衡用户体验与收益，用户需根据还款能力和成本偏好选择。3.讨论数据隐私保护与金融风控数据使用的矛盾及解决方案。答案：矛盾：金融风控需多维度数据（如用户行为、社交数据）提升风险识别能力，但《个人信息保护法》《GDPR》等法规限制数据的采集、存储和使用，导致“数据可用”与“隐私保护”的冲突。解决方案：①联邦学习：多方数据加密训练，不共享原始数据（“数据不动模型动”），保护隐私的同时利用数据；②差分隐私：对数据添加噪声，隐藏敏感信息，同时保留数据可用性；③数据脱敏：如掩码（隐藏身份证后四位）、泛化（将年龄分组），降低数据敏感度；④合规使用：获取用户明确授权，仅在必要范围内使用数据。这些方案平衡了商业需求与隐私保护。4.针对360数科的消费信贷业务，设计一个数据分析项目流程，以优化用户体验和风控效果。答案：流程：①需求分析：明确目标（如提升用户转化率、降低坏账率、优化额度策略）；②数据采集：收集用户申请数据（如年龄、收入）、行为数据（如消费频率）、还款数据（如逾期天数）、第三方数据（如征信、社交数据）；③数据预处理：清洗（处理缺失值、异常值）、集成（合并多源数据）、变换（如归一化、编码）；④分析建模：a.聚类分析（如K-means）划分用户分群，识别高价值/高风险群体；b.分类模型（如XGBoost）预测违约概率，优化风控策略；c.A/B测试（如调整申请流程、额度策略）验证优化效果；⑤结果应用：将分析结果转化为产品优化（如简化申请步骤、个性化额度推荐）、风控策略（如动态额度调整、催收优先级）；⑥监控迭代：跟踪关键指标（如转化率、坏账率），持续优化模型和策略，确保业务目标达成。通过全流程数据分析，平衡用户体验与风控，提升业务表现。答案与解析（单项选择题）1.B（AUC衡量模型区分正负样本的能力，是风控模型的核心评估指标）2.C（pandas是Python处理结构化数据的核心库）3.C（等额本息每月还款额=本金+利息，且总额固定）4.B（样本量越大，抽样误差越小，统计结果越稳定）5.B（K-means是无监督聚类算法，其余为有监督学习）6.D（加权是数据聚合方法，非缺失值处理方式）7.A（设备指纹通过设备特征识别唯一性