2026年风控建模专员金融行业招聘笔试试题及答案

2026年风控建模专员金融行业招聘笔试试题及答案一、单项选择题（每题2分，共20题，共40分）1.信用风险建模中，最常见的二分类目标变量通常表示什么？A.违约/不违约B.损失金额C.信用评分D.利率水平答案A2.在逻辑回归模型中，如果特征之间存在高度相关性，可能导致什么问题？A.过拟合B.多重共线性C.欠拟合D.偏差增大答案B3.下列哪个指标最常用于衡量信用风险模型的区分能力？A.KS值B.准确率C.RD.F1分数答案A4.在信用评分卡开发中，WOE（WeightofEvidence）通常用于什么？A.特征变换B.缺失值填充C.异常值处理D.样本加权答案A解析WOE常用于对分箱后的特征进行变换，将分类变量或连续变量分箱后的各组成员转化为对数优势比，以衡量该分组对目标变量的区分能力。5.验证集的主要用途是什么？A.训练模型B.调节超参数C.最终评估D.特征选择答案B6.在Python中，最常用的数据分析库是哪个？A.NumPyB.DjangoC.FlaskD.TensorFlow答案A7.置信水平为95%的VaR值表示什么？A.有95%的可能性最大损失不超过该值B.有5%的可能性损失超过该值C.有95%的把握损失正好等于该值D.A和B都正确答案D解析95%VaR的含义是：在给定持有期内，有95%的置信水平，损失不会超过该VaR值，即只有5%的可能性损失会超过该值。8.下列哪种模型属于集成学习？A.随机森林B.K近邻C.线性判别分析D.朴素贝叶斯答案A9.当正负样本极不均衡时，下列哪个指标更适合评估模型？A.AUCB.准确率C.召回率D.精确率答案A解析AUC不依赖特定阈值，且对类别不平衡不敏感，更适合评价不均衡样本下的模型区分能力。10.评分卡模型中，分数与违约概率的关系通常设定为？A.线性关系B.对数线性关系C.指数关系D.无关系答案B11.在SQL中，用于按条件筛选记录的语句关键字是？A.SELECTB.FROMC.WHERED.GROUPBY答案C12.逻辑回归中，常用的参数估计方法是？A.最小二乘法B.极大似然估计C.牛顿法D.贝叶斯估计答案B解析逻辑回归通过最大化似然函数来估计参数，实际优化时常用梯度下降或拟牛顿法等数值方法求解。13.以下哪个不是特征工程的方法？A.独热编码B.归一化C.正则化D.分箱答案C14.基尼系数在决策树中的作用是？A.选择划分属性B.剪枝C.计算叶子节点值D.处理缺失值答案A15.下列关于模型过拟合的叙述，错误的是？A.训练误差低，测试误差高B.可以通过增加训练数据缓解C.可以通过正则化缓解D.可以通过增加特征缓解答案D16.在信用风险领域，PD、LGD、EAD分别代表？A.违约概率、违约损失率、违约风险暴露B.违约损失、风险敞口、概率C.违约概率、风险暴露、损失率D.以上都不对答案A17.下列哪种抽样方法常用于处理类别不平衡问题？A.SMOTEB.BootstrapC.简单随机抽样D.分层抽样答案A18.模型监控中，用于检测评分卡稳定性最常用的指标是？A.PSIB.KSC.AUCD.Gini答案A19.在时间序列预测中，ARIMA模型中的“I”表示什么？A.差分（积分）B.自回归C.移动平均D.指数平滑答案A20.根据巴塞尔协议，内部评级法中违约概率的估计至少需要多少个观测年度的数据？A.1年B.3年C.5年D.10年答案C二、多项选择题（每题2分，共10题，共20分。每题至少有两个正确答案，全部选对得2分，选错、漏选不得分）1.以下哪些属于常用的缺失值处理方法？A.删除缺失记录B.均值填充C.中位数填充D.模型预测填充答案ABCD2.关于逻辑回归和决策树的比较，正确的有？A.逻辑回归可解释性强B.决策树通常不需要特征标准化C.逻辑回归可以直接处理非线性关系D.决策树容易过拟合答案ABD解析逻辑回归本身是线性模型，不能直接处理非线性关系，但可以通过特征变换或引入多项式项实现非线性拟合，因此C错误。3.下列哪些属于模型验证的常用方法？A.留出法B.K折交叉验证C.自助法（Bootstrap）D.最大似然估计答案ABC4.在风控建模中，常见的特征类型包括？A.数值型B.分类型C.文本型D.时序型答案ABCD5.下列哪些指标可以用于评估回归模型的性能？A.均方误差（MSE）B.平均绝对误差（MAE）C.RD.KS值答案ABC6.以下哪些措施可以防止模型过拟合？A.L1正则化B.L2正则化C.增加训练样本D.降低模型复杂度答案ABCD7.逻辑回归模型的输出分数可以用于？A.违约概率估计B.信用评分C.风险排序D.聚类分析答案ABC8.在模型开发中，样本数据划分时通常需要考虑？A.时间顺序B.随机性C.类别分布D.数据量大小答案ABC解析数据划分需保证训练集与测试集分布一致，通常考虑时间序列顺序（避免前视偏差）、随机抽样以及分层抽样保持类别比例。数据量大小不是划分原则本身。9.关于评分卡模型，下列说法正确的是？A.评分越高，风险越低B.可以使用逻辑回归构建C.需要使用评级映射D.不适用于小额贷款答案ABC10.下列关于AUC值的理解，正确的有？A.AUC范围在0到1之间B.AUC=0.5表示模型无预测能力C.AUC等于ROC曲线下的面积D.AUC越接近1，模型效果越好答案ABCD三、判断题（每题1分，共10题，共10分）1.在Python中，df.dropna()可以丢弃数据框中含有缺失值的行。答案正确2.逻辑回归对特征尺度敏感，通常需要进行标准化处理。答案正确3.KS统计量的取值范围是[-1,1]。答案错误解析KS统计量定义为正负样本累计分布差的最大值，取值范围为[0,1]。4.在信用评分卡中，WOE值越大，表示该分组内违约客户占比相对越多。答案错误解析WOE定义为分箱内正常客户（好客户）占比与违约客户（坏客户）占比之比的对数，WOE值越大，表明该分组内正常客户占比越高，风险越低。5.开发风险模型时，样本的时间窗口应尽量覆盖一个完整的经济周期。答案正确6.标准正态分布的偏度为0，峰度为3。答案正确7.在SQL中，LEFTJOIN会返回左表中所有行以及右表中匹配的行，右表无匹配时以NULL填充。答案正确8.模型过拟合时，训练集上的AUC往往高于测试集上的AUC。答案正确9.在巴塞尔协议内部评级法的高级法中，银行可以自行估计PD、LGD和EAD。答案错误解析高级IRB法允许银行自行估计PD、LGD、EAD以及期限M，但初级IRB法要求PD内部估计，LGD和EAD由监管规则给定。题干未指明“高级法”，但按一般表述“高级法中……可以自行估计”是正确的？需要注意：实际上巴塞尔内部评级法分为初级法和高级法。高级法要求银行估计违约概率（PD）、违约损失率（LGD）和违约风险暴露（EAD）；初级法则只需估计PD，LGD和EAD由监管给定。本题说“在巴塞尔协议内部评级法的高级法中，银行可以自行估计PD、LGD和EAD”这应该是正确的。但题目出错了？让我们重新分析。巴塞尔协议IRB高级法：银行内部估算PD、LGD、EAD和期限M。初级法：银行内部估算PD，其他监管给定。所以这句话是正确的。但我们这里写了“错误”，解析说“高级IRB法允许银行自行估计PD、LGD、EAD以及期限M，但初级IRB法要求PD内部估计，LGD和EAD由监管规则给定。”这逻辑不通。题干说“在高级法中”，应该是正确。所以我们不应该放这题，或者改为“在巴塞尔协议内部评级法的初级法中，银行可以自行估计PD、LGD和EAD。”那样才错误。但现在题干是“在巴塞尔协议内部评级法的高级法中，银行可以自行估计PD、LGD和EAD。”这是正确的。因此需要修改题目。我们改成：“在巴塞尔协议内部评级法的初级法中，银行可以自行估计PD、LGD和EAD。”答案：错误。但后面已经写了错误，解析需要调整。让我们修改题目为：9.在巴塞尔协议内部评级法的初级法中，银行可以自行估计PD、LGD和EAD。答案错误解析初级IRB法要求银行自行估计违约概率（PD），而LGD和EAD由监管机构给定；高级IRB法才允许银行自行估计PD、LGD和EAD。这样正确。我们修改原文。注意前面题干已经是“高级法”，我们在这份答案中需要调整第9题内容。因此在最终输出中，我们要把这个题改为“初级法”。好。10.损失分布法（LDA）通常用于操作风险资本计量。答案正确四、简答题（每题5分，共4题，共20分）1.简述逻辑回归模型的基本假设，并说明其在风控建模中的主要优势。•基本假设：（1）因变量为二值分类变量；（2）观测值之间相互独立；（3）自变量的线性组合与logit变换后的因变量存在线性关系；（4）样本量需充足。•主要优势：可解释性强；输出结果为概率，直观反映违约风险；模型简单、训练速度快；易于实施模型监控和校准；能够处理数值型与分类型变量。2.写出信用评分卡中常用的评分映射公式，并解释各符号的含义。答案常用的评分映射公式为：Score其中，odds=p1−p，p为违约概率；Score3.什么是PSI（群体稳定性指标）？写出其计算公式，并解释常用的稳定性判断标准。答案PSI（PopulationStabilityIndex）用于衡量模型评分在不同时间或不同样本上的分布稳定性。P其中，i表示按分数分箱后的区间。判断标准：通常PSI<0.1表示模型稳定性良好；4.在构建信用评分卡时，为什么常对连续变量进行分箱处理？请列举至少三点好处。•能够刻画变量与目标之间非线性关系；•减少异常值和极端值的影响，提升模型稳定性；•分箱后结合WOE转换可增强变量可解释性；•降低模型过拟合风险；•便于后续监控和业务规则制定。五、案例分析题（10分）某消费金融公司计划开发个人信用评分模型，用于审批小额消费贷款。现有历史数据包含借款人的年龄、月收入、负债率、信用卡使用率、贷款用途等特征，目标变量为是否违约。请回答：（1）简述构建该信用评分模型的完整流程。（2）说明应如何选择模型评价指标，并解释理由。（3）若历史数据中违约客户仅占2%，应如何处理不平衡样本问题。答案：（1）完整流程：-数据清洗：处理缺失值、异常值、重复值；-特征工程：连续变量分箱、WOE转换、分类型变量编码；-变量筛选：基于IV值、相关性、显著性等筛选预测能力强的变量；-样本划分：按时间窗口划分训练集、验证集、测试集（避免前视偏差）；-模型训练：采用逻辑回归等可解释性强的模型进行训练；-模型验证：评估区分度（KS、AUC）和稳定性（PSI）；-评分卡转换：将模型输出转换为标准化的信用评分；-模型部署与监控：上线后持续监测评分分布、PSI、KS等指标，定期报告。（2）评价指标选择：-区分度指标：KS、AUC、Gini系数，用于衡量模型能否区分违约与正常客户；-稳定性指标：PSI，用于监控评分分布在时间上的变化；-校准度指标：如可靠图、二项检验，衡量违约概率预测是否准确；-业务指标：