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,例如依據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

當資料存在時間序列相關性時,隨機抽樣會破壞時間結構,導致資料洩漏。採用時間序列敏感的分層抽樣策略,能保留資料的時間特性,使模型訓練和評估更接近真實情境,提升穩健性。

出題年份:114 難度:★★☆