金融大数据处理职业技能等级证书 练习卷

1在金融数据采集环节，从券商接口拉取日行情数据时发现某只股票当日成交量为0但收盘价非0，最合理的处置是

1. A. 将该记录标记为停牌并保留其余字段
2. B. 直接删除该记录避免污染后续分析
3. C. 用前一交易日成交量填充该字段
4. D. 将成交量改为收盘价的十分之一估算

2在金融数据管道中，将原始交易数据经过清洗后写入数据仓库前，增加一步校验记录数与金额汇总是否与源系统一致，这一步的主要作用是

1. A. 提升查询性能
2. B. 保障数据完整性
3. C. 压缩存储空间
4. D. 加密敏感字段

3某团队从第三方接口采集汇率数据，接口返回的JSON中部分记录缺少“rate”字段，清洗时正确的做法是

1. A. 标记缺失记录并按业务规则决定补采或剔除
2. B. 把缺失的rate字段自动填为0后入库
3. C. 把缺少rate的整条记录直接丢弃不记录
4. D. 将rate字段缺失的记录时间戳改为空值

4清洗银行流水时发现同一笔交易在核心系统与外围报表中金额相差0.01元，最可能的原因是

1. A. 两端系统使用了不同的货币精度舍入规则
2. B. 外围报表在夜间批量时漏读了部分字段
3. C. 核心系统对该笔交易做了重复记账
4. D. 两侧数据采集时间戳相差超过一天

5某消费金融公司清洗用户年龄字段时发现存在“0岁”“199岁”“-5岁”等取值，字段定义为18至70岁，最恰当的处理方式是

1. A. 将超出18至70范围的取值统一置为空值并记录异常日志
2. B. 将超出范围的取值截断到18或70边界后保留
3. C. 将超出范围的取值按均值替换后继续参与建模
4. D. 将超出范围的取值标记为独立类别供模型自行学习

6在金融数据清洗中处理客户手机号字段，发现存在'138-1234-5678'、'13812345678'、'138 1234 5678'三种写法；下列清洗策略中最能保证号码可唯一匹配的是

1. A. 统一去除分隔符后校验11位数字格式
2. B. 保留原格式并建立三种格式的映射表
3. C. 按出现频率最高的格式统一其余记录
4. D. 对含分隔符的记录标记为无效并剔除

7在采集某银行核心系统的交易流水时，源表用两位字符串存储货币代码，而目标数据仓库要求使用三位 ISO 4217 代码，下列字段映射处理方式中最合理的是

1. A. 在采集脚本中建立货币代码映射字典，将两位代码转换为三位代码后写入目标表
2. B. 在目标表旁边新增一列保留两位原始代码，三位代码列暂时留空待人工补录
3. C. 将两位代码直接写入三位代码列，后续由下游报表按前两位截取使用
4. D. 把货币代码字段整体删除，改由下游系统按交易账号归属地推断货币

8在制作监管报送数据时，要求金额字段保留两位小数且不得四舍五入偏差累计，较合适的处理是

1. A. 按业务规则明确舍入方式并记录
2. B. 统一截断到两位小数
3. C. 先转整数再除以100
4. D. 保留原始更多位小数直接报送

9某分析师在汇总多家分行上报的贷款数据时，发现同一客户在不同分行记录中贷款余额不一致，按数据治理规范应

1. A. 取各分行余额的平均值作为最终值
2. B. 以总行核心系统数据为准进行核对
3. C. 取余额最大的记录作为最终值
4. D. 将各分行余额直接相加作为总余额

10用SQL对交易表按客户分组求最近一笔交易时，窗口函数ROW_NUMBER() OVER (PARTITION BY 客户ID ORDER BY 交易时间 DESC)的作用是

1. A. 为每个客户按时间倒序生成行号
2. B. 对每个客户交易金额累加求和
3. C. 统计每个客户的交易总笔数
4. D. 按交易时间对全表去重

11某银行需要把核心系统的客户信息与信贷系统的还款记录按客户号关联，发现核心系统客户号有前导零而信贷系统已丢失前导零，直接关联会

1. A. 导致大量客户匹配失败，关联结果明显偏少
2. B. 导致客户号自动补零后全部匹配成功
3. C. 导致两表字段类型自动统一为数值型
4. D. 导致重复客户被合并为同一条记录

12对两份来自不同系统的客户资产表做关联时，客户号格式一致但存在大量重复客户号，直接做内连接会导致

1. A. 结果行数膨胀，资产被重复匹配
2. B. 结果行数减少，部分客户丢失
3. C. 客户号被自动去重后正常关联
4. D. 关联结果与左连接完全一致

13某基金公司采集的净值数据中，同一产品同一日期出现两条记录，金额字段一条为1532.40另一条为1532.4，判断重复主键时应如何处理

1. A. 按产品代码与日期组合作为主键，数值差异视为同一记录去重
2. B. 按整行所有字段完全一致作为主键，两条都保留
3. C. 按金额字符串长度不同判定为两条独立记录
4. D. 按采集时间先后保留较早的一条并删除较晚的一条

14某消费金融公司需要统计逾期客户的地域分布，原始数据中客户地址字段既有“广东省深圳市”也有“深圳”等写法，最合适的数据处理步骤是

1. A. 对地址字段做标准化并抽取到城市层级
2. B. 按地址字符串原样分组统计
3. C. 删除所有非“省+市”格式的地址记录
4. D. 把地址字段整体转换为数值编码后统计

15某消费金融公司要把逾期天数这一数值字段离散化为风险等级，业务要求逾期越久风险越高，采用等宽分箱时对长尾分布数据最可能出现的问题是

1. A. 分箱边界无法确定需要人工指定
2. B. 多数样本挤入首箱导致区分度下降
3. C. 分箱后各箱样本量恰好相等
4. D. 离散化会改变原始逾期天数的均值