互联网金融基础第8章习题---在线练习(答案与解析).doc

浙江金融职业学院 《互联网金融基础》
第8章 在线练习
一、 单选题（共20题）
1. 芝麻信用是一家大数据（ ）公司。B
A、P2P B、征信 C、众筹 D、风控
解析：答案为B。从本章案例1与解析可以了解到芝麻信用是一家大数据互联网模式下建立的征信系统。
2. 芝麻信用为客户建立的征信模型，除了身份特质、履约能力、行为偏好和人脉关系，还包括（ ）。B
A、购物行为 B、信用历史 C、金融资产 D、房产
解析：答案为B。从本章案例1可以看到：“在模型中，信用历史是非常重要的一项，其他维度包括身份特质、履约能力、行为偏好和人脉关系。”可知答案为信用历史。
3. 精准营销是在精准定位的基础上，依托现代信息技术手段建立（ ）的顾客沟通服务体系，实现企业可度量的低成本扩张之路。C
A、专业化 B、大众化 C、个性化 D、普及化
解析：答案为C。从案例导学中精准营销的案例分析可以看到，精准营销（Precision Marketing）是在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路。因此此处选C。
4. 百融金服目前从事的大数据有关的业务主要有（ ），iData互联网金融分析引擎，用户评估报告以及银行业解决方案等。C
A、银行贷前预警 B、小微贷后预警 C、信贷审批系统 D风控
解析：答案为C。从案例导学中百融金服案例的介绍可以看到，百融金服目前与大数据有关的业务主要有信贷审批系统、iData 互联网金融分析引擎、用户评估报告以及银行业解决方案等。
5. 人脸识别技术是以（ ）为目标，通过从给定的静态或动态图像中提取人脸信息等手段，与数据库中已知身份人脸进行匹配的过程。A
A、身份检索或校验 B、评判美丑 C、采集个人信息 D、保障人身安全
解析：答案为A。刷脸消费案例分析中，说明人脸识别技术是以身份检索或校验为目标，通过从给定的静态或动态图像中提取人脸信息等手段，与数据库中已知身份人脸进行匹配的过程，是人工智能技术的典型应用。
6. 智能投顾主要运用云计算、大数据、（ ）、等技术来为客户生成资产配置建议。B
A、 量子计算 B、人工智能 C、图像视觉 D、语音识别
解析：答案为B。智能投顾也称机器人投顾(robo-advisor)，其运用云计算、大数据、人工智能等技术将资产组合理论等其他金融投资理论应用到模型中，再将投资者风险偏好、财务状况及理财规划等变量输入模型，为用户生成自动化、智能化、个性化的资产配置建议，并对组合实现跟踪和自动调整。
7. 智能客服可根据客户的上下文信息理解客户本意，主要依靠（ ）技术。A
A、 自然语音处理 B、知识管理 C、会话流程控制 D、自动问答系统
解析：答案为A。自然语音处理技术的逐渐成熟，智能客服可根据上下文理解客户的本意，与客户进行多轮对话，解决了客户单次问题信息不完整无法作答的痛点，针对客户上下文信息了解到客户的本意，为客户提供个性化的服务和咨询，使得沟通顺畅。
8. 人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和（ ）等。D
A、 专用系统 B、专精系统 C、专业系统 D、专家系统
解析：答案为D。专家系统（Expert System)是一种在特定领域内具有专家水平解决问题能力的程序系统。它能够有效地运用专家多年积累的有效经验和专门知识，通过模拟专家的思维过程，解决需要专家才能解决的问题。专家系统属于人工智能的一个发展分支。
9. 人工智能概念首次进入五年计划是在哪个工程？（ ）C
A、 十一五 B、十二五 C、十三五 D、十四五
解析：答案为C。2016年3月，人工智能概念进入“十三五”重大工程。
10. 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、（ ）、政府及批发贸易四大行业潜力最大。C
A、多媒体 B、现代物流 C、金融保险 D、服务业
解析：答案为C。由金融大数据的应用一节中可以看到，金融保险行业潜力最大。
11. 个人客户画像包括人口统计学特征、（ ）、兴趣数据、风险偏好等。A
A、消费能力数据 B、人际关系数据 C、财产数据 D、隐私数据
解析：答案为A。客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等。
12. 在客户画像的基础上银行可以有效的开展精准营销，包括：实时营销、（ ）、个性化推荐以及客户生命周期管理。C
A、 口碑营销 B、体验营销 C、交叉营销 D、网络营销
解析：答案为C。从本章内容讲解中金融大数据的应用一节中可以看到，精准营销可以分为实时营销、交叉营销、个性化推荐以及客户生命周期管理。
13. 客户身份识别主要是通过人脸识别、虹膜识别、指纹识别等（ ）技术快速提取客户特征进行高效身份验证的人工智能应用。B
A、物理识别 B、生物识别 C、化学识别 D、电子识别
解析：答案为B。客户身份识别主要是通过人脸识别、虹膜识别、指纹识别等生物识别技术快速提取客户特征进行高效身份验证的人工智能应用。技术的进步使生物识别技术可广泛应用于银行柜台联网核查、远程开户、支付结算、反欺诈等业务领域中。
14. 智能投顾（ROBO-Advisor）主要是根据投资者的风险偏好、财务状况与理财目标，运用智能算法及投资组合理论，为用户提供智能化的（ ）服务。C
A、银行 B、证券 C、投资管理 D、借贷
解析：答案为C。智能投顾主要是根据投资者的风险偏好、财务状况与理财目标，运用智能算法及投资组合理论，为用户提供智能化的投资管理服务。
15. 大数据和人工智能在保险行业的应用可以分为三大方面：客户细分及精细化营销、（ ）和精细化运营。B
A、智能投顾 B、欺诈行为分析 C、运营优化 D、个性化推荐
解析：答案为B。保险行业的应用可以分为三大方面：客户细分及精细化营销、欺诈行为分析和精细化运营。
16. 目前国内外证券行业的大数据及人工智能应用大致有（ ）、客户关系管理、投资景气指数以及量化交易四个方向。C
A、客户生命周期管理 B、风险管控 C、股价预测 D、运营优化
解析：答案为C。Facebook上的粉丝数、Twitter上的听众数和Youtude上的观看人数都和股价密切相关。券商可根据以上信息预测股价在10天、30天之后的上涨情况。
17. 券商可根据客户历史交易行为和流失情况来建立模型，从而预测客户流失的概率。D
A、本次投资行为 B、历史投资行为 C、本次交易行为 D、历史交易行为
解析：答案为D。券商可根据客户历史交易行为和流失情况来建立模型，从而预测客户流失的概率。
18. 大数据与人工智能在金融行业的发展需要以（ ）为基础，充分整合数据资源。A
A、数据 B、应用 C、人才 D、资产
解析：答案为A。商业银行经过多年信息化建设已经积累起海量的金融业务数据，这些精确、高密度的金融业务数据始终是银行最基础和最核心的数据资产，价值挖掘潜力巨大。
19. 商业银行发挥自身数据资产的价值，关键在于（ ）。B
A、数据 B、应用 C、人才 D、资产
解析：答案为B。数据的价值体现在应用。互联网企业与传统企业的区别不在于其拥有海量数据，而在于前者能够通过大数据技术对海量数据进行分析挖掘并直接应用到业务流程之中，以充分发挥其数据价值，从而形成独特的竞争力。商业银行如何发挥自身数据资产的价值，关键在于应用。
20. 银行业大数据与人工智能应用面临的五大挑战：数据来源和存储模式不能有效支撑大数据分析、缺少成熟的分析模型和训练工具、（ ）、新增成本投入较高和监管机制变革滞后。A
A、专业的数据分析人员匮乏 B、数据匮乏 C、缺乏有效管理 D、收益较慢
解析：答案为A。目前很多数据分析师较擅长的是通过数据分析对已发生的问题查找原因，但缺乏发掘未知问题的能力，也缺少对趋势预测的把握，而大数据的价值恰恰在于预测未来。如果只熟悉数据分析工具操作，却不熟悉银行的业务和运作细节，就无法从既有数据中挖掘出新的价值，达到推动银行业务发展的目的。从业内目前的情况看，同时符合上述条件的复合型人才少之又少，专业分析团队的建设任重道远。

二、 多选题（漏答或错答不得分，共10题）
1. 智能投顾作为人工投顾的替代品，通过获取用户的（A）以及（B）等指标，运用智能算法以及组合投后的自动化管理技术，帮助用户实现主、被动投资策略相结合的定制化投顾服务。
A、风险偏好水平 B、大致预期收益率 C、银行推荐程度 D、产品收益率
解析：答案为AB。智能投顾运用云计算、大数据、人工智能等技术将资产组合理论等其他金融投资理论应用到模型中，再将投资者风险偏好、大致预期收益收益率，为用户生成自动化、智能化、个性化的资产配置建议，并对组合实现跟踪和自动调整。
2. 相比传统投顾，智能投顾的优点有（ABCD）。
A、 高效 B、便捷 C、廉价 D、低门槛
解析：答案为ABCD。传统投顾投资门槛高，投顾费用昂贵，主要客户为高净值人群。智能投顾降低了投资服务门槛。基于互联网提供的服务可根据客户以问卷等形式反馈的信息进行风险偏好判别，然后计算机后台利用算法自动计算出满足条件的投资组合，在全球范围内实现资产配置，本质上来讲节约了专业投顾的人力成本，且可以更高效、便捷、廉价地为C端中低净值客户提供投资理财、资产配置等服务。
3. 人工智能的研究领域包括（ABCDE）
A、 机器人 B、语言识别 C、图像识别 D、自然语言处理 E、专家系统
解析：答案为ABCDE。以上均为人工智能的研究分支。
4. 大数据与人工智能一个主要的区别是大数据是需要在数据变得有用之前进行清理、结构化和集成的（C），而人工智能则是（D），即处理数据产生的智能。
A、 原因 B、目的 C输入 D、输出
解析：答案为CD。人工智能的基础和输入是大数据，人工智能是大数据的输出，即应用。
5. 客户画像应用主要分为（A）和（B）。
A、 个人客户画像 B、企业客户画像 C、政府客户画像 D、互联网客户画像
解析：答案为BC。客户画像应用主要分为个人客户画像和企业客户画像。
6. 银行在客户画像时，除了内部采集到的数据，还会整合哪些外部数据？（ABCD）
A、 客户在社交媒体上的行为数据 B、客户在电商网站的交易数据
C、企业客户的产业链上下游数据 D、互联网用户行为数据
解析：答案为ABCD。以上均为银行会整合的外部数据，以增进对客户的了解
7. 银行的精准营销有以下几种方式：（ABCD）
A、 实时营销 B、交叉营销 C、个性化推荐 D、客户生命周期管理
解析：答案为ABCD。在客户画像的基础上银行可以有效地开展精准营销，包括：实时营销、交叉营销、个性化推荐以及客户生命周期管理。
8. 生物识别技术可广泛应用于（ABCD）等业务领域中。
A、 柜台联网核查 B、远程开户 C、支付结算 D、反欺诈
解析：答案为ABCD。客户身份识别主要是通过人脸识别、虹膜识别、指纹识别等生物识别技术快速提取客户特征进行高效身份验证的人工智能应用。技术的进步使生物识别技术可广泛应用于银行柜台联网核查、远程开户、支付结算、反欺诈等业务领域中。
9. 商业银行应该如何构建大数据应用体系，充分发挥数据资产价值，增强业务创新能力，加速推进银行转型发展。（ABC）
A、以数据为基础，充分整合数据资源
B、以应用为驱动，深入挖掘数据价值
C、以人才为核心，提升数据分析能力
D、以平台为基础，充分整合数据资源
解析：答案为ABC。商业银行应该从“数据—应用—人才”三个层面构建大数据应用体系，全面整合集团数据资源，充分发挥数据资产价值，增强业务创新能力，加速推进银行转型发展。
10. 目前大数据和人工智能在金融领域的推广和应用面临哪些问题？（ABCDE）
A、 数据来源和存储模式不能有效支撑大数据分析
B、 缺少成熟的分析模型与训练工具
C、 专业的数据分析人员匮乏
D、 新增成本投入较高
E、 监管机制变革滞后
解析：答案为ABCDE。以上均为目前数据和人工智能在金融领域的推广和应用面临的问题。

三、 判断题（共10题）
1、 芝麻信用是一家大数据P2P公司，以开放的方式与征信业生态的其他伙伴展开合作与共创。（Í）
解析：芝麻信用是一家大数据互联网征信公司，不是P2P公司。
2、 保险行业的大数据应用可以分为三大方面：客户细分及精细化营销、风控和精细化运营。（Í）
解析：保险行业的大数据应用可以分为三大方面：客户细分及精细化营销、欺诈行为分析和精细化运营。
3、 个人征信必须使用金融领域的数据来进行评估。（Í）
解析：大数据技术的日趋成熟让金融机构看到了个人征信的另一种可能性——即利用非金融领域的数据为金融机构提供用户信用评估。 大数据技术可以对人口统计数据、消费数据、网站行为数据、社交数据、金融数据等结构化以及非结构化数据进行挖掘和关联性分析， 给出相应信用评分，为金融机构提供信用参考。
4、 刷脸支付只需要用到大数据技术。（Í）
解析：人脸信息的采集和储存需要用到大数据技术，但是最关键的身份检索与校验是通过人工智能技术从图像提取信息，并与数据库已知身份人脸进行匹配的过程，因此不只是大数据技术。
5、 智能客服可根据上下文理解客户的本意，与客户进行多轮对话，解决客户单次问题信息不完整无法作答的痛点。（P）
解析：自然语音处理技术的逐渐成熟，智能客服可根据上下文理解客户的本意，与客户进行多轮对话，解决了客户单次问题信息不完整无法作答的痛点，针对客户上下文信息了解到客户的本意，为客户提供个性化的服务和咨询，使得沟通顺畅。
6、 大数据本质上也是一种资产。（P）
解析：大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、 高增长率和多样化的信息资产。
7、 大数据和人工智能协同工作时，大数据是输入，人工智能是输出。（P）
解析：大数据与人工智能一个主要的区别是大数据是需要在数据变得有用之前进行清理、结构化和集成的原始输入，而人工智能则是输出，即处理数据产生的智能。
8、 舆情分析是保险业大数据与人工智能技术的典型应用。（Í）
解析：银行业的大数据与人工智能的典型应用有运营优化，其中一点便是舆情分析。银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业银行的正负面信息，及时了解同行做得好的方面，以作为自身业务优化的借鉴。
9、银行的可操作数据存储系统及仓库系统可以将分布在各个源系统中的原始数据进行清洗、抽取和转换后，按照一定的主题分类将数据进行了集成和存储，是最有利于大数据分析的存储模式。（Í）
解析：这一系统虽然使数据的精确性和一致性得到了提升，但同时在一定程度上消除了数据的混杂性和关联性。而根据大数据理论，源数据适度混乱并不是缺点，反而能创造更多价值。如果因为追求数据来源的精准和纯净，而牺牲了原始数据的多样性，反而可能会造成趋势预测的延迟或误判。
9、 对于目前金融产业大数据和人工智能技术飞速发展的情况，金融监管仍未出台对应的监管措施。（P）
解析：目前我国金融监管基本依靠事后监管，缺乏前瞻性的研究。央行与其他金融相关管理部门虽然多次提及金融科技的监管思路，但是仍未出台针对大数据与人工智能在金融领域应用的系统性法律法规。

9 / 9