某金融科技公司在利用歷史交易資料建立風險控管模型時,嘗試推估整體詐騙交易比例。近期發現,樣本間存在明顯的時間序列相關性,導致模型在實際偵測新交易時誤判率升高。若希望同時改善詐騙比例推估的準確性並提升模型的穩健性,下列哪一種做法最為合適?
iPAS 考題解析
某金融科技公司在利用歷史交易資料建立風險控管模型時,嘗試推估整體詐騙交易比例。近期發現,樣本間存在明顯的時間序列相關性,導致模型在實際偵測新交易時誤判率升高。若希望同時改善詐騙比例推估的準確性並提升模型的穩健性,下列哪一種做法最為合適?
- A. 擴充樣本數量,以涵蓋更多潛在的詐騙型態,但維持既有的隨機抽樣方式不變;
- B. 採取時間序列敏感的抽樣策略,例如依交易時間區間進行分層,以保存原始的時間結構特性; ✓ 正確答案
- C. 將資料完全隨機打散,以降低序列相關性對模型訓練造成的影響;
- D. 在模型評估時,針對相鄰時間區段進行誤差合併,以便使用整體估計方式修正詐騙比例
詳細解析
面對時間序列相關性問題,採取時間序列敏感的抽樣策略(Time-aware Sampling),如按時間分層(Temporal Stratification)能保存時間結構特性並提升穩健性。
難度:★★★