智能风控工程师考试试卷及答案

智能风控工程师考试试卷及答案一、填空题（共10题，每题1分）1.智能风控中常用的特征工程方法包括分箱、归一化和______。2.信贷风控中，衡量客户还款能力的核心指标是______。3.反欺诈中，识别多头借贷的常用特征是______。4.风控模型验证中，AUC值越接近______表示模型区分能力越强。5.用于风控的图神经网络（GNN）主要应用于______场景。6.智能风控需遵循的核心合规要求是______（举1个）。7.特征重要性评估中，基于树模型的方法是______。8.信用评分卡通常分为A卡（申请评分）、B卡（行为评分）和______卡（催收评分）。9.实时风控中，常用的流处理框架是______（举1个）。10.欺诈检测中，设备指纹的核心作用是______。一、填空题答案1.独热编码（One-HotEncoding）2.收入债务比（DTI）3.多头申请次数4.15.团伙欺诈（或关系欺诈）6.《个人信息保护法》（或GDPR）7.Gini系数（或信息增益）8.C9.Flink（或SparkStreaming）10.识别异常设备二、单项选择题（共10题，每题2分）1.以下属于信贷风控“硬查询”的是？A.本人查询信用报告B.贷款机构审批查询C.信用卡申请查询D.以上都是2.智能风控中，逻辑回归常用于？A.申请评分卡B.团伙欺诈识别C.实时流处理D.异常检测3.以下哪个指标衡量模型的精准度？A.AUCB.F1-scoreC.KS值D.Gini系数4.反欺诈中，“撞库”攻击属于？A.身份欺诈B.交易欺诈C.账户盗用D.以上都不是5.信用评分卡的KS值大于多少时模型区分能力较好？A.0.2B.0.3C.0.4D.0.56.以下哪种算法属于无监督学习？A.逻辑回归B.随机森林C.K-meansD.XGBoost7.智能风控需处理的核心数据类型不包括？A.结构化数据B.非结构化数据C.半结构化数据D.虚拟数据8.催收评分卡的核心目标是？A.预测还款意愿B.预测还款能力C.预测催收优先级D.预测违约概率9.实时风控的核心要求是？A.模型准确率最高B.处理延迟<100msC.数据量最大D.算法最复杂10.以下属于合规风控要求的是？A.数据匿名化B.模型可解释性C.算法公平性D.以上都是二、单项选择题答案1.B2.A3.B4.A5.C6.C7.D8.C9.B10.D三、多项选择题（共10题，每题2分，多选少选错选不得分）1.智能风控的核心应用场景包括？A.信贷审批B.反欺诈C.催收管理D.市场风控2.风控模型常用的特征类型包括？A.个人基本信息B.交易行为特征C.社交关系特征D.设备特征3.以下属于模型可解释性方法的是？A.SHAPB.LIMEC.树模型可视化D.混淆矩阵4.反欺诈中常见的欺诈类型有？A.身份冒用B.虚假交易C.多头借贷D.账户盗用5.智能风控常用的算法包括？A.逻辑回归B.随机森林C.XGBoostD.GNN6.合规风控需关注的法律法规包括？A.《个人信息保护法》B.《征信业管理条例》C.GDPRD.以上都是7.特征工程的步骤包括？A.特征选择B.特征转换C.特征生成D.特征验证8.实时风控的关键技术包括？A.流处理B.低延迟模型C.设备指纹D.图计算9.信用评分卡的评估指标包括？A.AUCB.KSC.F1-scoreD.准确率10.智能风控的发展趋势包括？A.多模态数据融合B.可解释AIC.联邦学习D.实时决策三、多项选择题答案1.ABCD2.ABCD3.ABC4.ABCD5.ABCD6.ABCD7.ABCD8.ABCD9.ABCD10.ABCD四、判断题（共10题，每题2分，对√错×）1.软查询会影响个人信用评分。2.逻辑回归只能处理线性关系。3.图神经网络（GNN）适合识别团伙欺诈。4.催收评分卡只关注客户的还款能力。5.GDPR要求用户对个人数据有删除权。6.特征重要性越高的特征对模型越必要。7.实时风控中，模型越复杂处理延迟越低。8.多头借贷是指同一客户向多个机构申请信贷。9.混淆矩阵可用于评估模型的分类效果。10.联邦学习可在不共享原始数据的情况下训练风控模型。四、判断题答案1.×2.√3.√4.×5.√6.×7.×8.√9.√10.√五、简答题（共4题，每题5分）1.请简述智能风控中“特征工程”的核心步骤及作用。答案：特征工程是将原始数据转化为模型可利用特征的过程，核心步骤包括：①特征收集（整合个人信息、交易行为等多源数据）；②清洗（处理缺失值、异常值）；③转换（分箱、归一化、独热编码）；④选择（筛选重要特征）。作用是提升模型区分度与稳定性，降低计算复杂度，是风控模型效果的关键前提。2.请说明信用评分卡中A卡（申请评分）的定义及应用场景。答案：申请评分卡（A卡）是基于客户申请阶段数据（收入、信用报告等）预测未来违约概率的模型。应用场景：①信贷审批（评分低于阈值拒贷）；②额度设定（高分高额度）；③利率定价（评分越高利率越低）。核心是在申请环节提前识别高风险客户，平衡业务规模与风险。3.请简述反欺诈中“设备指纹”的技术原理及核心价值。答案：设备指纹通过收集设备硬件（CPU型号）、软件（OS版本）、行为（点击轨迹）等特征生成唯一标识。核心价值：①识别异常设备（陌生设备申请）；②关联欺诈团伙（同一设备多头借贷）；③减少误判（结合特征与行为降低正常用户拦截）。4.请说明智能风控中“模型可解释性”的重要性及常用方法。答案：模型可解释性指清晰说明决策依据，重要性：①合规（GDPR要求算法可解释）；②业务信任（风控人员理解逻辑）；③减少误判（定位错误原因）。常用方法：SHAP/LIME（样本特征贡献）、树模型可视化（分支逻辑）、特征重要性排序（关键特征）。六、讨论题（共2题，每题5分）1.请讨论“联邦学习”在智能风控中的应用场景及优势。答案：联邦学习应用场景：①跨机构信贷审批（联合训练模型，不共享原始数据）；②反欺诈协作（跨机构识别团伙欺诈）；③征信数据融合（整合多机构征信提升评分精度）。优势：①保护隐私（避免数据泄露，符合合规）；②提升效果（融合多机构数据，增强模型泛化）；③降低成本（无需数据集中存储传输）。2.请讨论“实时风控”与“离线风控”的区别及应用场景。答案：区别：①延迟：实时<100ms，离线