2026年大数据风控试题及答案

2026年大数据风控试题及答案1.单项选择题（每题2分，共20分）1.1在信贷风控中，以下哪项指标最能直接反映借款人短期偿债能力？A.资产负债率 B.流动比率 C.净资产收益率 D.存货周转率答案：B1.2使用XGBoost建立违约预测模型时，为了抑制过拟合，应优先调整的超参数是：A.max_depth B.subsample C.colsample_bytree D.learning_rate答案：A1.3在联邦学习框架下，参与方在不共享原始数据的前提下完成联合建模，其核心加密技术通常采用：A.RSA B.同态加密 C.DES D.哈希加盐答案：B1.4若某风控变量缺失率高达92%，且与目标变量独立，则最佳处理策略是：A.多重插补 B.直接删除 C.均值填充 D.模型插补答案：B1.5在反欺诈图谱中，利用社区发现算法识别团伙时，Louvain算法优化的目标是：A.模块度 B.聚类系数 C.平均路径长度 D.图密度答案：A1.6关于SMOTE过采样，下列说法正确的是：A.对少数类样本进行复制 B.在特征空间线性插值生成新样本 C.降低多数类样本权重 D.直接修改损失函数答案：B1.7在KaggleHomeCredit违约预测赛中，最终排名前列的方案普遍采用的交叉验证策略是：A.Holdout B.5折StratifiedKFold C.时间切分 D.Bootstrap答案：B1.8若某变量VIF=8.5，则：A.无多重共线性 B.轻度多重共线性 C.中度多重共线性 D.严重多重共线性答案：C1.9在信贷审批策略中，如果希望将坏账率从5%降至3%，则最合理的操作是：A.降低通过率1个百分点 B.提高评分切点 C.放宽收入证明要求 D.缩短贷款期限答案：B1.10关于LendingClub数据集中“installment”字段，下列描述正确的是：A.每月应还利息 B.每月应还本息和 C.贷款总利息 D.贷款总额答案：B2.多项选择题（每题3分，共15分；多选少选均不得分）2.1以下属于无监督异常检测算法的有：A.IsolationForest B.One-ClassSVM C.LocalOutlierFactor D.LightGBM E.AutoEncoder答案：A、B、C、E2.2在风控变量分箱过程中，需要同时满足：A.单调性 B.显著性 C.完整性 D.稳定性 E.可解释性答案：A、B、D、E2.3关于PD（ProbabilityofDefault）模型验证指标，下列说法正确的有：A.KS统计量越大越好 B.AUC小于0.5模型仍可能有效 C.PSI>0.2需重新训练 D.BrierScore越小越好 E.基尼系数与AUC可互换答案：A、C、D、E2.4在反欺诈场景下，属于设备指纹维度的有：A.GPU型号 B.电池健康度 C.浏览器插件列表 D.陀螺仪偏差 E.手机MAC地址答案：A、C、D、E2.5以下属于欧盟GDPR赋予数据主体的权利：A.删除权 B.可携带权 C.更正权 D.限制处理权 E.被遗忘权答案：A、B、C、D、E3.填空题（每空2分，共20分）3.1在Python中，使用pandas读取超过10GB的CSV文件时，推荐参数为__________，可显著降低内存占用。答案：dtype+usecols+chunksize3.2若某贷款产品实际年化利率为18%，按等额本息还款，则其月利率为__________。答案：1.5%或0.0153.3在逻辑回归中，当L1正则化强度C→0时，权重系数将趋于__________。答案：03.4在风控变量woe编码公式中，woe=ln(__________/__________)。答案：Bad%/Good%3.5使用LightGBM训练时，为了处理类别变量，需设置参数__________。答案：categorical_feature3.6在Spark中，DataFrame的缓存级别默认采用__________。答案：MEMORY_AND_DISK3.7若某模型训练集KS=0.52，验证集KS=0.31，则最可能发生了__________。答案：过拟合3.8在信贷策略中，常用的“Vintage”分析以__________为横轴，观察不同放款月份的违约率。答案：账龄（MOB）3.9在反洗钱场景，大额交易报告阈值在中国为人民币__________万元。答案：53.10在SQL中，计算用户首次借款日期应使用__________窗口函数。答案：first_value或minover(partitionbyuser_id)4.判断题（每题1分，共10分；正确打“√”，错误打“×”）4.1在XGBoost中，增大reg_alpha会降低模型复杂度。答案：√4.2对于高度倾斜的违约样本，采用准确率作为评估指标仍然合理。答案：×4.3联邦学习中，横向联邦适用于特征重叠多、样本重叠少的场景。答案：√4.4在Python中，joblib.dump保存的模型文件可跨Python大版本直接加载。答案：×4.5使用K-means对高维稀疏数据做聚类前，必须先进行PCA降维。答案：√4.6在信贷审批策略中，拒绝推断（RejectInference）可缓解样本偏差。答案：√4.7逻辑回归的OddsRatio与系数β的关系为OR=e^β。答案：√4.8在反欺诈图谱中，边权重越大代表两个节点越不相似。答案：×4.9若变量PSI<0.1，则可认为该变量在两次时间窗口内分布稳定。答案：√4.10在风控模型上线后，只要AUC未下降就无需重新训练。答案：×5.简答题（封闭型，每题5分，共15分）5.1简述KS统计量的计算步骤，并说明其在风控模型评估中的优缺点。答案：步骤：1)将样本按预测概率降序排列；2)计算累计好客户占比与累计坏客户占比；3)两者差值的最大值即为KS。优点：直观、对阈值不敏感、可横向比较。缺点：无法反映整体排序能力，对样本比例敏感，不能替代AUC。5.2说明在信贷场景下，如何基于“滚动率”定义违约标签，并给出具体示例。答案：取观察点T，统计客户在T+1至T+3个月的最大逾期天数，若≥90天则标记为违约（Bad），否则为正常（Good）。示例：某客户2025年6月观察，7-9月最大逾期80天→Good；若逾期120天→Bad。5.3列举三种常见的变量分箱方法，并指出其适用场景。答案：1)等距分箱：适用于均匀连续变量，如年龄；2)等频分箱：适用于分布倾斜变量，如收入；3)卡方分箱：适用于需要显著性检验的变量，如woe编码前。6.简答题（开放型，每题10分，共20分）6.1某消费金融公司计划上线“先享后付”产品，请设计一套全流程风控框架，涵盖数据、模型、策略、监控四个维度，并说明如何平衡用户体验与风险。答案：数据：央行征信、电商订单、设备指纹、社交图谱、物流地址库。模型：1)申请评分卡：LightGBM+拒绝推断，AUC≥0.78；2)反欺诈模型：GraphSAGE识别团伙，精度≥95%；3)额度模型：基于收入预测与负债比，使用分位数回归。策略：1)预筛：黑名单+规则集（年龄18-55、手机号在网时长≥6个月）；2)分层授信：评分≥650且欺诈分≤30给予免押额度；3)动态调额：根据还款行为每3个月调整一次。监控：1)PSI、KS日报，波动>10%触发告警；2)Vintage跟踪，MOB3逾期率>3%即回滚；3)实时接口99.9%可用，RT<200ms。平衡：1)白名单用户跳过人脸，降低摩擦；2)引入可解释模型，提供拒件原因编码，支持申诉；3)额度阶梯式释放，首单限200元，随还款记录递增。6.2结合欧盟AI法案草案，讨论在高风险AI系统中部署信贷模型需满足哪些合规要求，并给出落地技术方案。答案：合规：1)数据治理：训练数据需无歧视，敏感属性移除或加密；2)透明度：提供模型卡（ModelCard），披露性能、局限、训练集分布；3)人工监督：设置“人在回路”否决机制；4)稳健性：对抗样本测试，错误率<1%；5)日志审计：记录每次预测与特征，保存≥6年。技术：1)采用差分隐私训练，ε≤1；2)使用Fairlearn库，确保DemographicParity差异<0.05；3)部署可解释模块：SHAP值实时返回，前端可视化；4)双模型并行：主模型+影子模型，版本升级时灰度；5)区块链存证：模型哈希与预测结果写入HyperledgerFabric，防篡改。7.计算题（每题10分，共20分）7.1已知某银行信用卡违约样本占比3%，现采用逻辑回归建模，截距项β0=−3.5，变量“月收入”系数β1=−0.0002，变量“负债比”系数β2=0.08。客户A月收入20000元，负债比60%。（1）计算该客户的违约概率；（2）若银行将切点设为0.05，判断该客户是否通过审批。答案：（1）z=−3.5−0.0002×20000+0.08×60=−3.5−4+4.8=−2.7p=1/(1+e^2.7)=0.063（2）0.063>0.05，故拒绝。7.2某贷款产品采用等额本息还款，贷款金额120000元，期限12个月，月利率1%，计算：（1）每月还款额；（2）第3个月偿还本金与利息各多少。答案：（1）A=P×i×(1+i)^n/[(1+i)^n−1]=120000×0.01×1.01^12/(1.01^12−1)=10661.9元（2）第1个月利息=120000×1%=1200，本金=10661.9−1200=9461.9第2个月剩余本金=120000−9461.9=110538.1，利息=1105.38，本金=9556.52第3个月剩余本金=110538.1−9556.52=100981.58，利息=1009.82，本金=9652.08故第3个月偿还本金9652.08元，利息1009.82元。8.综合分析题（20分）材料：某互联网金融平台“闪贷”产品上线6个月，放款100万笔，金额均值8000元，期限3个月。模型采用XGBoost，训练数据为近2年历史样本，特征共320维，包括征信、设备、行为、社交。上线后观测发现：1)整体通过率65%，MOB1逾期率2.3%，MOB3逾期率6.8%，较线下同类产品高1.8倍；2)近期发现部分通过客户集中出现在某三线城市，且收货地址为同一快递驿站；3)模型PSI从0.09升至0.21，KS从0.41降至0.29；4)客户投诉“从未借款却收到催收短信”，怀疑身份冒用。任务：（1）给出可能的风险原因；（6分）（2）设计数据验证方案；（6分）（3）提出模型与策略优化措施；（8分）答案：（1）原因：1)团伙欺诈：同一驿站为虚假收货地址，多头借贷；2)模型漂移：疫情后收入下降，特征分布变化；3)身份冒用：黑产利用泄露四要素开户；4)样本偏差：训练集以线下为主，与线上客群差异大。（2）验证：1)地址聚类：DBSCAN发现≥10人聚集且距离<50m标记高危；2)设备复用：统计IMEI关联账户数≥3即触发审核；3)征信查询：对通过客户回溯近7天硬查询次数，均值>5即异常；4)身份一致性：比对下单IP与常驻城市，跨市>200km占比>80