互联网金融基础（第三版） 习题答案-第8章习题 - 在线练习（答案与解析）.docx

《互联网金融基础（第三版） 习题答案-第8章习题 - 在线练习（答案与解析）.docx》由会员分享，可在线阅读，更多相关《互联网金融基础（第三版） 习题答案-第8章习题 - 在线练习（答案与解析）.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、浙江金融职业学院互联网金融基础第8章在金习一、单选题（共20题）.芝麻信用是一家大数据（）公司。BA、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。1 .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（）。BA、购物行为B、信用历史C、金融资产D、房产解析：答案为及 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。2 .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

2、务体系，实现企业可度量的低成本扩张之路。CA、专业化B、大众化C、个性化D、普及化解析：答案为Co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。3 .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。CA、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Co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、iD

3、ata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。4 .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。AA、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Ao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。5 .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。BA、量子计算B、人工智能C、图像视觉D、语音识别解析：答案为Bo智能投顾也称机

4、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。6 .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Ao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

5、咨询，使得沟通顺畅。7 .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。DA、专用系统B、专精系统C、专业系统D、专家系统解析：答案为Do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。8 .人工智能概念首次进入五年计划是在哪个工程？( )CA、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。9 .根据国际知名咨询公司麦肯锡的

6、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。CA、多媒体B、现代物流C、金融保险D、服务业解析：答案为Co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。10 .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。11 .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。CA、口碑营销B、

7、体验营销C、交叉营销D、网络营销解析：答案为Co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。12 .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。BA、物理识别B、生物识别C、化学识别D、电子识别解析：答案为Bo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。13 .智能投顾（R0B0-Advis

8、or）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。 CA、银行B、证券C、投资管理D、借贷解析：答案为Co智能投顾主耍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。14 .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。BA、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。15 .目前国内外证券行业的大数据及人工智能应用大致有（）

9、、客户关系管 理、投资景气指数以及量化交易四个方向。CA、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Co 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。16 .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。DA、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Do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。17 .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

10、资源。AA、数据B、应用C、人才D、资产解析：答案为Ao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。18 .商业银行发挥自身数据资产的价值，关键在于（）。BA、数据B、应用C、人才D、资产解析：答案为Bo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。19 .银行业大数据与人工智能应用面临的五大挑战：

11、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。AA、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Ao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1

12、0题）.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。1 .相比传统投顾，智能投顾的优点有（ABCD） oA、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

13、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。2 .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。3 .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

14、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。4 .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。5 .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。6 .银行的

15、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。7 .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。客户身份识别主耍是通过人脸识别、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。8 .商业银行应该如何构建大数据应用体

16、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ABCO商业银行应该从“数据一应用一人才”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。9 .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

17、革滞后解析：答案为ABCDEo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。（x）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。（X）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。（X）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一一 即利用非金融领域的数据为金融

18、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。（X）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。（/）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，

19、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。（，）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。（，） 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

20、技术的典型应用。（X）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。（X）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。（/）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。