2025年城商行招聘《金融科技风控岗》笔试真题（附答案）

2025年城商行招聘《金融科技风控岗》笔试真题（附答案）一、单项选择题（每题1分，共20分）1.城商行在构建大数据风控体系时，下列哪种数据源通常不被纳入传统征信数据范畴？A.央行征信报告B.税务缴纳记录C.社交平台点赞行为D.公积金缴存记录答案C2.在信用评分卡模型中，IV值（InformationValue）用于衡量变量的预测能力。当某变量的IV值处于0.1至0.3之间时，通常认为该变量的预测能力为：A.无预测能力B.较弱C.中等D.极强答案C解析IV值<0.02为无预测能力，0.02至0.1为较弱，0.1至0.3为中等，0.3以上为较强。3.下列哪种机器学习算法属于集成学习中的Boosting方法？A.随机森林（RandomForest）B.XGBoostC.支持向量机（SVM）D.K近邻（KNN）答案B解析随机森林属于Bagging方法，XGBoost是梯度提升树（GBDT）的典型Boosting实现，SVM与KNN均为单一模型。4.在反欺诈场景中，用于识别"团伙欺诈"的常用图算法是：A.逻辑回归B.决策树C.社区发现算法（如标签传播算法）D.线性判别分析答案C5.某笔贷款的违约概率（PD）为5%，违约损失率（LGD）为60%，违约风险暴露（EAD）为100万元，则该笔贷款的预期损失（EL）为：A.0.5万元B.3万元C.5万元D.6万元答案B解析预期损失EL6.巴塞尔协议III中，关于核心一级资本充足率的最低监管要求为：A.4.5%B.6%C.8%D.10.5%答案A解析巴塞尔协议III要求核心一级资本充足率不低于4.5%（不含缓冲资本），一级资本充足率不低于6%，总资本充足率不低于8%。7.在风控规则引擎中，若规则配置为"年龄在18至60岁之间且收入≥3000元"，某一申请件年龄为22岁、收入为2500元，则该申请件被拒绝的原因是：A.年龄不符B.收入不符C.年龄和收入均不符D.规则冲突答案B8.下列关于模型过拟合的描述，正确的是：A.模型在训练集上表现差，在测试集上表现好B.模型在训练集上表现好，但在测试集上表现差C.模型在训练集和测试集上表现均好D.模型在训练集和测试集上表现均差答案B9.城商行运用联邦学习技术的主要目的是：A.提升模型训练速度B.在数据不出本地的情况下实现多方联合建模C.降低模型存储成本D.替代传统评分卡模型答案B10.在贷后预警管理中，某借款人的账户出现"资金快进快出""夜间高频交易"等异常行为，这类信号通常属于：A.信用风险信号B.欺诈风险信号C.操作风险信号D.流动性风险信号答案B11.客户身份识别（KYC）的"三要素"验证通常不包括：A.姓名B.身份证号C.人脸生物特征D.手机号答案C解析传统KYC三要素为姓名、身份证号、手机号的一致性核验，人脸识别属于生物特征增强验证。12.下列哪种模型评估指标更适合衡量风控模型对"坏客户"的识别覆盖率？A.准确率（Accuracy）B.召回率（Recall）C.精确率（Precision）D.模型训练时间答案B13.在信贷审批流程中，"评分卡+规则引擎+人工复核"三层架构中，人工复核的主要职责是：A.全量复核所有申请B.处理系统决策为"灰度/拒绝"且存在争议的申请C.仅负责贷后管理D.替代评分卡重新建模答案B14.根据《个人信息保护法》，处理个人信息前应当取得个人的：A.口头同意即可B.默示同意C.自愿、明确的意思表示（知情同意）D.事后追认答案C15.在反洗钱可疑交易监测中，下列哪种交易行为最可能触发可疑交易报告？A.客户A每日小额多次消费B.客户B短期内频繁与多个无关联账户发生大额资金往来C.客户C每月固定缴纳水电费D.客户D使用信用卡正常分期购物答案B16.下列关于A/B测试在风控策略验证中的描述，正确的是：A.A/B测试无需控制变量B.A/B测试可以将全部客户直接分配至新策略组C.A/B测试通常将客户随机分为实验组与对照组，比较策略效果差异D.A/B测试只能用于营销场景，不适用于风控策略答案C17.模型监控中，PSI（群体稳定性指标）用于衡量：A.模型预测准确率的变化B.模型评分分布在时间上的稳定性C.模型训练数据量的大小D.模型参数的数量答案：B解析PSI用于监测模型评分分布是否随时间发生显著偏移，通常PSI<0.1表示稳定性良好，0.1至0.25表示有偏移，>0.25表示显著偏移需排查。18.在中小微企业贷前审批中，税务数据的引入主要有助于评估企业的：A.品牌影响力B.真实经营状况与销售收入C.员工满意度D.环保合规情况答案B19.下列关于机器学习模型可解释性的方法，属于全局可解释的是：A.SHAP值单样本分解B.LIME局部解释C.特征重要性排序（FeatureImportance）D.单样本反事实解释答案C20.城商行风控系统架构中，"决策引擎"通常位于下列哪个层级？A.数据接入层B.计算与决策层C.展示层D.存储层答案B二、多项选择题（每题2分，共20分）1.下列属于城商行零售信贷风险识别常用数据源的有：A.央行征信报告B.电商消费行为数据C.法院执行与失信名单D.社交聊天记录全文答案ABC解析法院执行与失信名单属于司法数据，电商消费行为数据属于替代数据，均可用于风险识别；社交聊天记录全文涉及隐私合规风险，通常不可直接采集使用。2.下列关于逻辑回归模型的描述，正确的有：A.属于广义线性模型B.输出结果可解释为概率C.对特征之间的非线性关系需要人为构造或使用核方法D.对缺失值完全免疫答案ABC解析逻辑回归以sigmoid函数输出概率，属广义线性模型，需通过特征工程处理非线性关系，且对缺失值并非完全免疫。3.风控模型开发中，常用的样本切分方式包括：A.简单随机抽样切分B.按时间序列前段训练、后段验证C.分层抽样切分D.按客户经理偏好切分答案ABC解析按客户经理偏好切分会引入选择偏差，不符合科学建模要求。4.反欺诈模型中，常见的设备指纹维度包括：A.设备ID（IMEI/IDFA）B.IP地址与地理位置C.操作系统版本D.屏幕分辨率与字体列表答案ABCD5.下列关于模型验证（Validation）的表述，正确的有：A.验证数据集应独立于训练数据集B.KS值越高说明模型区分能力越好（在合理范围内）C.过拟合模型在训练集上的表现通常优于验证集D.验证集可以反复用于模型调参，不影响评估有效性答案ABC解析验证集若反复用于调参，会引入信息泄露，导致评估结果偏乐观，因此D错误。6.城商行应用外部数据时，应重点关注哪些合规要求？A.数据来源合法合规B.获得用户充分授权与知情同意C.数据使用范围不超过授权范围D.可以无限期留存用户数据答案ABC解析根据《个人信息保护法》，个人信息保存期限应为实现处理目的所必需的最短时间，D错误。7.贷后预警信号中，属于企业经营异常的指标有：A.纳税额突然大幅下降B.水电煤用量骤减C.法人频繁变更D.银行流水日均余额显著增加答案ABC解析银行流水日均余额显著增加通常为积极信号，不代表风险。8.在评分卡模型中，常用的特征分箱（Binning）方法有：A.等距分箱B.等频分箱C.卡方分箱D.基于决策树的最优分箱答案ABCD9.下列属于巴塞尔协议III中第二支柱（监管审查程序）要求的有：A.银行应建立内部资本充足评估程序（ICAAP）B.监管当局应对银行的资本adequacy进行评估C.监管当局可对银行提出高于最低要求的资本要求D.银行无需披露资本充足率信息答案ABC解析信息披露属于第三支柱（市场纪律）的要求，D错误。10.关于知识图谱在金融风控中的应用，下列说法正确的有：A.可用于识别复杂关联交易与循环担保B.可帮助发现隐性实际控制人C.图谱构建无需考虑数据质量D.可用于贷后舆情风险传导分析答案ABD解析图谱构建高度依赖数据质量，"垃圾进、垃圾出"，C错误。三、判断题（每题1分，共10分）1.逻辑回归模型要求特征与目标变量之间必须为线性关系，否则完全无法使用。答案错误解析逻辑回归虽假设对数几率与特征呈线性关系，但可通过特征变换、分箱、构造交叉特征等方式处理非线性关系。2.KS值可以用于衡量模型区分正负样本的能力。答案正确3.在模型上线后，只要模型表现稳定，就无需再进行持续监控。答案错误解析模型上线后仍需定期监控PSI、KS、AUC等指标，以及外部环境变化对模型的影响。4.城商行使用外部数据服务时，只需在合同中约定免责条款即可完全规避合规风险。答案错误5.随机森林通过对多个决策树的结果进行投票或平均，能有效降低模型方差，减少过拟合。答案正确6.反洗钱可疑交易监测中，单笔交易金额达到规定大额标准即一定属于可疑交易。答案错误解析大额交易与可疑交易是两个不同概念。大额交易须按规定报告，但不等于可疑交易，是否可疑需结合客户画像、交易背景等综合判断。7.特征工程中，WOE编码常用于将连续变量离散化后映射为证据权重，便于逻辑回归建模。答案正确8.模型训练中，将测试集的标签信息用于训练过程的特征选择，不会造成数据泄露。答案错误解析任何使用测试集信息指导训练过程的行为都会造成数据泄露，导致模型表现被高估。9.贷前审批策略通过率越高，通常对应资产质量越好。答案错误解析通过率过高可能导致风险敞口扩大，资产质量（如逾期率）通常与通过率呈反向关系。10.联邦学习允许参与方在不共享原始数据的前提下，共同训练一个机器学习模型。答案正确四、计算与实务题（每题10分，共10分）1.某城商行开发一款个人消费信贷产品，年利率为12%（单利），贷款金额10万元，期限12个月，按月等额本息还款。请计算：（1）每月还款额约为多少？（2）若该产品的不良率为2%，违约损失率（LGD）为70%，平均风险暴露（EAD）为8万元，试估算每百万元贷款规模的预期损失。答案（1）月利率r=12%/12=A（2）预期损失率=P每百万元贷款规模的预期损失=100解析：本题考察等额本息还款计算公式与信用风险预期损失的计算逻辑。注意区分年利率与月利率、名义利率与实际还款额的关系。五、简答题（每题5分，共15分）1.简述逻辑回归评分卡模型开发的基本流程。答案（1）业务定义与数据收集：明确目标变量（好/坏客户定义）、采集样本数据；（2）数据清洗与预处理：处理缺失值、异常值、重复值；（3）特征工程：变量分箱、WOE转换、IV筛选；（4）模型训练：基于逻辑回归进行参数估计；（5）模型评估与验证：使用KS、AUC、PSI等指标评估模型区分度与稳定性；（6）模型转换为评分卡：将逻辑回归系数转换为标准评分；（7）模型上线部署与持续监控。2.简述城商行搭建反欺诈风控体系的常用技术手段有哪些。答案（1）规则引擎：基于专家经验配置反欺诈规则（如设备黑名单、IP异常、频次限制）；（2）机器学习模型：运用XGBoost、孤立森林等算法识别异常申请行为；（3）知识图谱：识别团伙欺诈、复杂关联关系；（4）设备指纹技术：识别模拟器、设备篡改、多账号同设备等风险；（5）生物识别：人脸识别、声纹识别等核身手段；（6）实时决策引擎：在申请环节毫秒级输出风险决策。3.结合《个人信息保护法》，城商行在使用外部数据开展风控建模时应注意哪些合规要点？答案（1）获得用户明示授权，遵循"告知-同意"原则；（2）遵循最小必要原则，仅采集与风控目的直接相关的数据；（3）确保数据来源合法，要求外部数据供应商具备合规资质；（4）数据使用不得超出用户授权范围，严禁用于其他目的；（5）做好数据安全保护，采取加密、脱敏、访问控制等措施；（6）建立数据合规审查机制，定期开展合规评估与审计。六、案例分析题（每题15分，共15分）1.某城商行上线一款线上信用贷款产品，上线首月审批通过率为65%，但3个月后M3+逾期率升至4.5%，显著高于同类产品2%的预警线。经排查，初步发现以下现象：现象一：某中介机构在社交平台大量发布"包过""内部渠道"广告，引导客户集中申请。现象二：部分申请件的IP地址集中于同一区域，且设备指纹存在大量重复。现象三：模型评分在550至600分区间（低分段）的申请通过率仍较高。现象四：贷后回访发现部分客户对贷款用途描述模糊，资金流向疑似被中介归集。问题：（1）结合以上现象，分析该产品逾期率飙高的可能原因。（2）针对上述问题，提出相应的风控优化建议。答案：（1）可能原因：①中介欺诈风险：现象一和现象二共同指向中介团伙化进件。中介通过"包过"广告批量组织申请，导致同一IP和设备大量重复出现，属于典型的欺诈申请特征。②评分卡区分度不足：现象三表明模型在低分段仍大量放行，说明模型的拒绝阈值设置过低或评分卡对欺诈样本的识别能力不足，导致高风险客户涌入。③贷后资金用途失控：现象四显示贷款资金可能被中介归集挪用，形成"借名贷款"，实际用款人风险无法监控，加大信用风险。④贷前审核存在漏洞：缺乏对设备、IP、申请行为等反欺诈变量的强管控，规则引擎未能有效拦截团伙进件。（2）优化建议：①强化反欺诈策略：增加设备指纹、IP聚簇、关联申请网络等反欺诈规则，对同一设备/IP关联多笔申请自动拦截或转人工；②优化模型与策略：重新评估评分卡切分点的合理性，适当提高低分段拒绝阈值；引入反欺诈评分模型与信用评分模型双卡并行；③加强贷中与贷后管理：对资金流向进行监测，设置受托支付或资金用途核验机制，发现归集资金及时预警；④建立黑名单共享机制：将中介关联的申请件加入内部黑名单，并在合规前提下与行业共享欺诈名单；⑤渠道管控：对来自可疑渠道（如社交平台广告引流）的申请件设置差异化审批策略，加大抽检与回访比例。解析：本题综合考查反欺诈、信用风险策略、贷后管理及渠道风控的综合应用。作答时应从"事前—事中—事后"全流程视角提出针对性措施，突出金融科技手段与业务逻辑的结合。七、论述题（每题10分，共10分）1.结合城商行数字化转型背景，论述大数据与人工智能技术在信用风险管理中的应用价值及面临的挑战，并提出对策建议。答案（1）应用价值：①提升风控效率：大数据技术可快速整合央行征信、税务、工商、司法、互联网行为等多源数据，实现秒级审批决