河南省安阳市中国精算师职业资格考试（准精算师精算模型与数据分析）模拟试题及答案(2026年)

河南省安阳市中国精算师职业资格考试（准精算师精算模型与数据分析）模拟试题及答案(2026年)一、单项选择题（每题2分，共30分）1.已知某险种的索赔次数服从泊松分布，参数λ=A.5000B.100000C.105000D.500000答案：C解析：对于聚合风险模型，总索赔额S=i=1NXi，当索赔次数N2.假设新生婴儿的生存函数为S0(xA.1/5B.1/4C.1/3D.2/5答案：B解析：${20}q{30}=\frac{S_0(30)-S_0(50)}{S_0(30)}=\frac{(80/110)-(60/110)}{80/110}=\frac{20}{80}=\frac{1}{4}$。3.下列关于修匀的说法中，错误的是（）。A.修匀的目的是消除初始估计的随机波动B.修匀需要兼顾拟合优度和光滑性C.Whittaker修匀属于参数修匀方法D.移动平均修匀属于非参数修匀方法答案：C解析：Whittaker修匀属于非参数修匀方法，通过平衡拟合优度与光滑度得到修匀值，不属于参数修匀范畴。4.已知某风险的损失额服从指数分布，均值为1000元，若免赔额为200元，则每次索赔的实际赔付额的均值为（）元。A.800B.900C.1000D.1200答案：C解析：指数分布具有无记忆性，免赔额为d时，超额损失的均值仍等于原分布的均值，即1000元。5.信度理论中，完全信度的条件不包括（）。A.估计值与真实值的相对误差不超过给定阈值B.置信水平达到给定要求C.样本量足够大D.先验分布参数已知答案：D解析：完全信度基于大样本理论，不需要已知先验分布参数；贝叶斯信度方法才需要先验分布假设。6.下列分布中，常用于拟合大额损失的是（）。A.泊松分布B.二项分布C.帕累托分布D.正态分布答案：C解析：帕累托分布具有厚尾特征，适合拟合大额损失数据；泊松、二项分布是离散计数分布，正态分布是对称薄尾分布，均不适合拟合大额损失。7.链梯法属于下列哪类准备金评估方法？（）A.流量三角形方法B.贝叶斯方法C.信度方法D.非参数方法答案：A解析：链梯法基于流量三角形的累计赔款数据，通过进展因子估计终极赔款，属于典型的流量三角形方法。8.已知某时间序列的自相关系数（ACF）拖尾，偏自相关系数（PACF）1阶截尾，则该序列适合拟合（）。A.AR(1)模型B.MA(1)模型C.ARMA(1,1)模型D.ARIMA(0,1,1)模型答案：A解析：AR(p)模型的理论偏自相关系数p阶截尾，自相关系数拖尾；MA(q)模型则是自相关系数q阶截尾，偏自相关系数拖尾。9.广义线性模型（GLM）中，连接函数的作用是（）。A.将响应变量的均值与线性预测项连接起来B.降低模型的自由度C.提高模型的拟合优度D.处理异方差问题答案：A解析：连接函数是广义线性模型的核心组成部分，用于建立响应变量均值与线性预测项之间的函数关系。10.下列关于破产概率的说法中，正确的是（）。A.初始盈余越大，破产概率越高B.保费附加率越高，破产概率越高C.个体索赔额方差越大，破产概率越高D.索赔次数均值越小，破产概率越高答案：C解析：个体索赔额方差越大，总索赔额的波动越大，保险公司面临的风险越高，破产概率越高；其余选项表述均相反。11.数据清洗过程中，缺失值的处理方法不包括（）。A.均值插补B.回归插补C.多重插补D.异常值删除答案：D解析：异常值删除属于异常值处理方法，不属于缺失值处理方法。12.已知某险种的索赔次数服从负二项分布，参数r=2，A.5B.8C.10D.12答案：B解析：负二项分布（参数r,p）的均值为r(13.下列机器学习算法中，不属于监督学习的是（）。A.逻辑回归B.随机森林C.K均值聚类D.XGBoost答案：C解析：K均值聚类属于无监督学习算法，不需要标记的响应变量；其余三项均为监督学习算法。14.用最大似然法估计指数分布的参数时，若样本量为n，样本均值为x，则失效率参数的最大似然估计为（）。A.xB.1C.nD.x答案：B解析：指数分布的概率密度为f(x)=λ15.下列关于非参数估计的说法中，错误的是（）。A.不需要假设总体分布形式B.核密度估计属于非参数密度估计方法C.样本量较小时估计精度高于参数估计D.适合分布形式未知的场景答案：C解析：非参数估计不需要分布假设，灵活度高，但当样本量较小时，估计精度通常低于正确设定的参数估计方法。二、多项选择题（每题3分，共30分，多选、少选、错选均不得分）1.下列属于精算中常用的损失分布的有（）。A.伽马分布B.对数正态分布C.帕累托分布D.威布尔分布E.均匀分布答案：ABCD解析：均匀分布尾部太薄，不适合拟合实际损失数据，其余四项均为精算中常用的损失分布。2.修匀的评价准则通常包括（）。A.拟合优度B.光滑性C.保守性D.无偏性E.计算效率答案：ABD解析：修匀的核心评价准则为拟合优度（与原始估计的接近程度）、光滑性（修匀序列的平滑程度）和无偏性（整体偏差），保守性和计算效率不属于通用评价准则。3.下列关于聚合风险模型的说法中，正确的有（）。A.复合泊松模型是最常用的聚合风险模型B.总索赔额的均值等于索赔次数均值与个体索赔额均值的乘积C.总索赔额的方差等于索赔次数方差与个体索赔额方差的乘积D.可用于计算自留额和分保比例E.可用于评估保险公司的偿付能力风险答案：ABDE解析：总索赔额的方差为Var(4.信度理论的应用场景包括（）。A.经验费率厘定B.准备金评估C.再保险定价D.风险分类E.资产负债管理答案：ABCD解析：信度理论主要用于结合先验信息与经验数据调整估计值，广泛应用于费率厘定、准备金评估、再保险定价、风险分类等场景，资产负债管理一般不直接使用信度方法。5.广义线性模型的组成部分包括（）。A.随机成分B.系统成分C.连接函数D.误差项E.方差函数答案：ABCE解析：广义线性模型由随机成分（响应变量的分布）、系统成分（线性预测项）、连接函数、方差函数（响应变量方差与均值的关系）组成，误差项不是其标准组成部分。6.链梯法的基本假设有（）。A.各事故年的赔款进展模式相同B.最终赔款的发展仅与进展年有关C.不存在通货膨胀的影响D.数据中没有异常值E.准备金评估日在年末答案：ABD解析：链梯法的核心假设是各事故年的赔款进展模式一致，最终赔款仅与进展年相关，且数据无异常值；通货膨胀可以通过数据调整纳入模型，评估日不需要固定在年末，因此CE错误。7.时间序列分析中，平稳性检验的方法包括（）。A.ADF检验B.PP检验C.KPSS检验D.卡方检验E.t检验答案：ABC解析：ADF检验、PP检验、KPSS检验都是常用的时间序列平稳性检验方法；卡方检验用于分布拟合或独立性检验，t检验用于均值比较，均不用于平稳性检验。8.下列属于数据降维方法的有（）。A.主成分分析（PCA）B.因子分析C.聚类分析D.线性判别分析（LDA）E.回归分析答案：ABD解析：主成分分析、因子分析、线性判别分析都属于数据降维方法，可将高维数据转化为低维表示；聚类分析是无监督分类方法，回归分析是预测方法，均不属于降维方法。9.破产理论中，影响最终破产概率的因素包括（）。A.初始盈余B.保费附加率C.索赔额分布D.索赔次数分布E.投资收益率答案：ABCDE解析：初始盈余、保费附加率、索赔额与索赔次数的分布都是经典破产理论的核心影响因素，扩展破产理论中投资收益率也会对破产概率产生显著影响。10.机器学习在精算中的应用场景包括（）。A.风险定价B.欺诈检测C.准备金评估D.客户流失预测E.资产配置答案：ABCDE解析：机器学习算法在精算的多个领域都有成熟应用，包括风险定价、欺诈检测、准备金评估、客户流失预测、资产配置等。三、计算题（每题10分，共30分）1.已知某险种的损失额服从对数正态分布，随机抽取20个独立样本，取对数后样本均值y=6.2，样本标准差答案：约5835.6元（或近似5836元）解析：对数正态分布的定义为：若X∼LogNormal(μ,P由正态分布分位数性质可得：ln用样本统计量估计参数：μ=y=ln因此VaR0.952.某保险公司的某类业务，过去3年的年索赔次数分别为12、15、18。已知该类业务的索赔次数服从泊松分布，泊松参数λ的先验分布服从伽马分布，参数为α=10，β=答案：13.75解析：泊松分布与伽马分布为共轭分布：若单年索赔次数Ni∼Poisson(λα计算样本索赔次数总和：i=13代入先验参数得后验参数：α下一年索赔次数的贝叶斯信度估计为后验分布的均值：λ3.某财险公司某类业务的累计赔款流量三角形如下（单位：万元）：事故年进展年0进展年1进展年220231001501802024120180-2025150--假设赔款在进展年2达到终极状态，试用链梯法计算2025年末的总未决赔款准备金。答案：156万元解析：链梯法通过历史进展因子估计各事故年的终极赔款，步骤如下：第一步：计算各相邻进展期的进展因子。-进展年0→1的进展因子：f0→1=进展年1累计和进展年0累计和=150+180100+120四、综合分析题（共10分）1.某财险公司近年车险业务的赔付率持续上升，公司精算部门需要通过数据分析找出赔付率上升的核心原因，并提出优化建议。请结合精算模型与数据分析方法，设计完整的分析框架，并说明各步骤的核心作用。答案：完整分析框架分为6个核心步骤：1.数据收集与预处理：整合承保数据、理赔数据、客户数据、外部环境数据（如交通流量、通胀水平），完成缺失值插补、异常值处理、数据标准化等工作，为后续分析提供高质量数据源。（1.5分）2.描述性统计分析：从赔付率拆解（出险频率、案均赔款）、业务结构（车型、车龄、驾龄、地域）、时间趋势等维度进行描述性分析，初步定位赔付率上升的可能方向（如频率上升或案均上升、某类业务赔付率异常）。（1.5分）3.影响因素识别：构建广义线性模型（GLM），以出险频率/案均赔款为响应变量，承保属性、客户属性、外部因素为解释变量，识别对赔付率有显著影响的核心因素。（2分）4.因素重要性验证：采用随机森林、XGBoost等机器学习模型，计算各特征的重要性排序，验证GLM模型得到的显著因素的可靠性，同时挖掘非线性影响关系。（1.5分）5.趋势与结构性检验：通过时间序列分