2026年大数据风控应用试题及答案

2026年大数据风控应用试题及答案一、单项选择题（每题1分，共20分）1.在信贷风控中，用于衡量模型区分能力的指标是A.KS值  B.信息值IV  C.PSI  D.AUC答案：A2.下列关于XGBoost在反欺诈场景中的优势，错误的是A.可处理缺失值  B.支持自定义损失函数  C.只能输出概率  D.可输出特征重要性答案：C3.当样本标签极端不平衡（欺诈率0.1%）时，优先采用的采样策略是A.随机欠采样多数类  B.SMOTE过采样少数类  C.随机过采样多数类  D.不处理直接建模答案：B4.联邦学习中“横向联邦”主要解决A.特征维度不一致  B.样本ID不一致  C.样本重叠少特征重叠多  D.样本重叠多特征重叠少答案：D5.在风控模型监控阶段，PSI>0.25通常表示A.模型稳定  B.轻微偏移  C.显著偏移需重建  D.无法判断答案：C6.关于征信“硬查询”与“软查询”的区别，正确的是A.硬查询不影响评分  B.软查询会留下记录  C.硬查询会留下记录并影响评分  D.二者无区别答案：C7.在关系图谱中，用于识别代办包装的指标是A.介数中心性  B.聚类系数突增  C.节点度为1  D.图密度下降答案：B8.以下哪项不是信贷审批阶段“三要素”核验内容A.姓名  B.身份证号  C.银行卡号  D.手机号答案：C9.若变量IV=0.45，则其预测能力属于A.无预测力  B.弱  C.中等  D.强答案：D10.在A/B测试中，显著性水平α通常设为A.0.01  B.0.05  C.0.1  D.0.5答案：B11.关于LendingClub公开数据集中“grade”字段，下列说法正确的是A.由FICO评分直接映射  B.由平台自定义模型生成  C.由征信局提供  D.随机分配答案：B12.在反欺诈文本挖掘中，用于识别虚假工作单位的常用技术是A.TF-IDF  B.Word2Vec  C.正则匹配  D.情感分析答案：A13.当模型训练集KS=0.42，测试集KS=0.21，最可能发生了A.过拟合  B.欠拟合  C.数据泄露  D.样本不平衡答案：A14.关于信用卡交易实时风控，下列技术组合最合适的是A.SparkStreaming+Redis+RandomForest  B.Hadoop+Hive+LR  C.MySQL+Python脚本  D.Excel+VBA答案：A15.在联邦风控中，采用同态加密的目的是A.提升模型精度  B.保护梯度明文  C.加速训练  D.减少通信量答案：B16.若某变量缺失率95%，则首选处理方式是A.直接删除  B.均值填充  C.模型插补  D.保留并建缺失指示变量答案：A17.关于“共债”风险识别，最有效的数据源是A.电商浏览日志  B.多头借贷黑名单  C.社保缴纳  D.位置轨迹答案：B18.在评分卡实施阶段，必须进行的测试是A.压力测试  B.前端UI测试  C.回归测试  D.单元测试答案：A19.以下哪项不属于《个人信息保护法》规定的敏感个人信息A.征信评分  B.身份证号  C.交易密码  D.网页Cookie答案：D20.在模型可解释性方面，SHAP值表示A.特征对预测的平均边际贡献  B.特征重要性排序  C.特征缺失率  D.特征分箱边界答案：A二、多项选择题（每题2分，共20分，每题至少两个正确答案，多选少选均不得分）21.导致模型上线后KS骤降的原因包括A.客群变化  B.数据源下线  C.特征工程代码版本回退  D.评分阈值提高答案：ABC22.关于SMOTE算法的缺陷，下列说法正确的是A.可能产生噪声样本  B.对高维稀疏数据效果差  C.会改变原始分布  D.降低多数类权重答案：ABC23.在反欺诈知识图谱中，可作为“实体”的有A.手机号  B.IP地址  C.设备指纹  D.登录时间答案：ABC24.以下属于信贷风控“贷后”阶段监控指标的有A.首逾率  B.滚动率  C.Vintage曲线  D.获客成本答案：ABC25.联邦学习面临的安全威胁包括A.梯度泄露攻击  B.拜占庭攻击  C.模型投毒  D.数据明文传输答案：ABC26.关于XGBoost与LightGBM差异，正确的是A.LightGBM采用直方图加速  B.XGBoost默认level-wise生长  C.LightGBM支持类别特征直接输入  D.XGBoost不支持并行答案：ABC27.在变量分箱过程中，需要满足的约束有A.单调性  B.每组占比≥5%  C.坏样本率单调或U型  D.箱数必须为偶数答案：ABC28.以下属于《巴塞尔协议III》对模型验证要求的有A.独立性  B.回溯测试  C.压力测试  D.可解释性答案：ABC29.在信用卡交易反欺诈中，可用于实时特征的有A.一小时滑动窗口交易次数  B.上一笔交易间隔秒数  C.商户MCC类别  D.客户生日答案：ABC30.关于模型风险等级分类，正确的是A.高影响模型需年度验证  B.低影响模型可简化验证  C.分类依据仅为模型复杂度  D.需记录风险等级文档答案：ABD三、填空题（每空1分，共20分）31.在评分卡开发中，通常要求变量WOE编码后各箱的________率呈单调趋势。答案：坏样本32.若某模型训练集AUC=0.91，验证集AUC=0.73，则该模型存在________。答案：过拟合33.在Python中，使用pandas将缺失值替换为-9999的代码为df.fillna(________)。答案：-999934.关系图谱中衡量节点“桥梁”作用的中心性指标是________。答案：介数中心性35.在信贷Vintage分析中，常以________月为观察窗口，衡量资产质量。答案：1236.联邦学习中，参与方在不共享原始数据的前提下共享________完成联合建模。答案：梯度或模型参数37.根据《个人信息保护法》，处理敏感个人信息须取得个人的________同意。答案：单独38.在反欺诈场景，设备指纹的________度直接决定同一设备识别准确性。答案：唯一39.若变量IV值大于________，通常认为该变量预测能力过强，可能包含目标泄露。答案：0.540.在XGBoost中，控制过拟合的正则化参数为________和lambda。答案：alpha41.信贷审批阶段，常用“三要素”核验接口由________运营商提供。答案：手机42.在A/B测试中，计算样本量的关键参数是效应值、显著性水平和________。答案：检验效能或power43.当PSI>0.1且<0.25时，模型处于________偏移区间。答案：可接受44.在SQL中，计算客户近30天交易金额分位数的窗口函数为________。答案：percentile_cont45.对于高维稀疏类别变量，优先采用________编码降低维度。答案：目标或mean46.在反欺诈文本挖掘中，Jieba分词后去除停用词的目的是降低________。答案：噪声47.在信贷风险定价公式中，风险成本=违约概率×________×违约损失率。答案：违约风险敞口48.在模型监控报表中，反映评分区分度的曲线是________曲线。答案：KS49.在联邦风控中，采用________加密可在密文空间进行加法运算。答案：同态50.在Python中，使用sklearn计算KS值的函数位于metrics模块的________函数。答案：roc_curve四、简答题（共30分）51.（封闭型，6分）简述评分卡开发流程，并指出其中两步最易产生数据泄露的环节及防范措施。答案：流程：样本定义→数据准备→变量分箱→WOE编码→逻辑回归→模型评估→上线部署→监控。易泄露环节：①样本定义时未来信息穿越，如使用贷后表现定义贷前样本；防范：以申请时点为锚点，仅使用申请前数据。②变量构造时误用贷后变量；防范：建立时间切分表，变量字典标注数据时间戳，双人复核。52.（开放型，6分）某互联网消费贷产品上线后3个月发现早期逾期率快速上升，列举五种数据驱动排查手段并说明预期输出。答案：1.Vintage对比：输出不同放款月份M1逾期率曲线，定位恶化月份。2.特征稳定性PSI报表：输出变量PSI>0.25清单，锁定恶化特征。3.客群画像迁移：输出年龄、渠道、地域分布变化，发现高风险客群涌入。4.多头借贷监控：输出近30天多头查询占比趋势，判断共债上升。5.评分分布漂移：输出评分区间实际逾期与预期差异，量化模型失效程度。53.（封闭型，6分）解释“滚动率分析”概念，并给出计算30天滚动到60天的公式与示例数据。答案：滚动率指逾期状态向下一个更差状态迁移的比例。公式：RollRate(30→60)=期末逾期60天余额/期初逾期30天余额。示例：期初逾期30天余额1000万元，期末其中200万仍保持30天，150万升级为60天，其余收回或结清，则RollRate=150/1000=15%。54.（开放型，6分）说明在联邦风控场景下，如何基于同态加密实现逻辑回归的梯度聚合，并指出性能瓶颈。答案：步骤：1.各参与方本地计算加密梯度[[gi]]；2.中央服务器对密文梯度求和[[G]]=∑[[gi]]；3.服务器将[[G]]返回各方；4.各方解密G并更新模型参数。瓶颈：同态加密导致梯度维度膨胀百倍，通信量大；密文计算耗时比明文高两个数量级；浮点数需编码为整数，精度受限。55.（封闭型，6分）列举传统评分卡与XGBoost模型在可解释性上的三点差异，并给出XGBoost满足监管要求的解释方案。答案：差异：1.评分卡系数符号即权重，XGBoost为集成树，无全局系数；2.评分卡可手工计算分数，XGBoost需SHAP值；3.评分卡强制单调，XGBoost需后验约束。方案：采用SHAP提供局部解释；用monotonic约束实现单调；输出全局特征重要性及top变量分档平均SHAP，形成“SHAP评分卡”文档供监管审查。五、应用题（共60分）56.（计算类，15分）某银行信用卡样本10万条，坏样本率2%。采用SMOTE过采样后训练XGBoost，得混淆矩阵如下：预测坏 预测好实际坏 1800 200实际好 800 917200（1）计算Precision、Recall、F1；（2）若银行希望将误杀率（假正率）控制在0.1%，应如何调整阈值并计算新Recall；（3）给出成本矩阵：假正损失20元，假负损失2000元，计算期望损失。答案：（1）Precision=1800/(1800+800)=0.6923，Recall=1800/(1800+200)=0.9，F1=2×0.6923×0.9/(0.6923+0.9)=0.7818（2）原假正率FPR=800/(800+917200)=0.087%，已低于0.1%，无需调整；新Recall仍为0.9（3）期望损失=800×20+200×2000=16000+400000=416000元57.（分析类，15分）给定以下变量分箱结果：年龄 箱 总样本 坏样本 坏样本率1 [18,22)5000 500 10%2 [22,26)10000 800 8%3 [26,30)15000 900 6%4 [30,35)20000 800 4%要求：（1）计算各箱WOE、IV；（2）判断单调性；（3）若要求评分卡每增加一岁增加2分，如何调整箱边界并给出新WOE是否仍单调。答案：（1）总体坏样本率=3000/50000=6%WOE1=ln(10%/6%)=0.5108，IV1=(10%-6%)×0.5108=0.0204WOE2=ln(8%/6%)=0.2877，IV2=0.0058WOE3=ln(6%/6%)=0，IV3=0WOE4=ln(4%/6%)=-0.4055，IV4=0.0081总IV=0.0343（2）坏样本率随年龄增加而下降，单调递减。（3）若改为每岁2分，需将年龄作为连续变量，取消分箱，WOE不再适用，改用线性系数，单调性由系数符号保证，需重新校准。58.（综合类，20分）某消费金融公司计划引入外部运营商数据构建反欺诈模型，数据包括：通话详单、位置轨迹、App安装列表。请完成：（1）设计特征体系并给出每个特征的构造逻辑；（2）说明如何脱敏以满足《个人信息保护法》；（3）给出模型验证方案，包括样本设计、评估指标、压力测试；（4）列举上线后监控报表内容及时效要求。答案：（1）特征体系：a.通话社交：近30天夜间通话占比、黑产号码命中次数、通话图聚类系数；b.位置：常驻地与申请地是否一致、凌晨2-5点位置漂移次数、高风险场所出现频次；c.App：借贷类App安装数量、是否安装改机工具、App安装时间序列熵值。（2）脱敏：通话详单仅输出加密哈希后的对端号码，不输出明文；位置经纬度模糊化到1km网格；App列表采用差分隐私加入噪声ε=1，输出计数特征。（3）验证：样本采用回溯18个月共80万样本，负样本为欺诈标签0.8%；评估指标包括AUC、KS、Precision@Top1k；压力测试：将2025年Q1数据按客群下沉20%构造恶劣样本，要求AUC下降<0.03。（4）监控：日报PSI、KS；周报特征漂移Top10；月报Vintage；异常告警延迟≤30分钟；季度回溯测试报告。59.（编程类，10分）请用Python写出基于LightGBM的带