論文の概要: Bank transactions embeddings help to uncover current macroeconomics

• arxiv url: http://arxiv.org/abs/2110.12000v2
• Date: Tue, 26 Oct 2021 21:27:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-01 09:14:14.265263
• Title: Bank transactions embeddings help to uncover current macroeconomics
• Title（参考訳）: 銀行取引の埋め込みが現在のマクロ経済学の解明に役立つ
• Authors: Maria Begicheva, Alexey Zaytsev
• Abstract要約: 私たちは、マクロ経済指標を得るために、ロシアの大手銀行からの顧客の金融取引データを使用します。 本研究では,トランザクションストリームに基づくマクロ経済指標の高速かつ正確な推定を可能にする効率的な手法を開発した。
• 参考スコア（独自算出の注目度）: 0.8029971974118232
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Macroeconomic indexes are of high importance for banks: many risk-control decisions utilize these indexes. A typical workflow of these indexes evaluation is costly and protracted, with a lag between the actual date and available index being a couple of months. Banks predict such indexes now using autoregressive models to make decisions in a rapidly changing environment. However, autoregressive models fail in complex scenarios related to appearances of crises. We propose to use clients' financial transactions data from a large Russian bank to get such indexes. Financial transactions are long, and a number of clients is huge, so we develop an efficient approach that allows fast and accurate estimation of macroeconomic indexes based on a stream of transactions consisting of millions of transactions. The approach uses a neural networks paradigm and a smart sampling scheme. The results show that our neural network approach outperforms the baseline method on hand-crafted features based on transactions. Calculated embeddings show the correlation between the client's transaction activity and bank macroeconomic indexes over time.
• Abstract（参考訳）: マクロ経済指標は銀行にとって非常に重要であり、リスク管理決定の多くはこれらの指標を利用する。 これらの指標評価の典型的なワークフローはコストがかかり、引き延ばされ、実際の日付と利用可能なインデックスの遅延は数ヶ月である。 銀行は今、自己回帰モデルを使って急速に変化する環境で意思決定をしている。 しかし、自己回帰モデルは危機の出現に関連する複雑なシナリオで失敗する。 我々は,ロシア大手銀行からの顧客の金融取引データを用いて,これらの指標を取得することを提案する。 金融取引は長く、多くのクライアントは巨大であるため、我々は数百万の取引からなる取引の流れに基づいてマクロ経済指標を迅速かつ正確に推定できる効率的なアプローチを開発します。 このアプローチでは、ニューラルネットワークパラダイムとスマートサンプリングスキームを使用する。 その結果,我々のニューラルネットワークアプローチは,トランザクションに基づく手作り特徴のベースライン手法よりも優れていることがわかった。 計算された埋め込みは、クライアントのトランザクションアクティビティと銀行マクロ経済指標との時間的相関を示す。

関連論文リスト

• Financial Risk Assessment via Long-term Payment Behavior Sequence Folding [20.265633678057156]
  長期ユーザーの支払い行動は、金融リスクを予測するモデルの能力を高める可能性がある。 本稿では,LBSFと呼ばれる長期納付行動列形成法を提案する。 大規模実世界のデータセットを用いて,金融リスク評価タスクにおけるLBSFの評価を行った。
  論文  参考訳（メタデータ） (2024-11-22T16:43:26Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Scalable and Weakly Supervised Bank Transaction Classification [0.0]
  本稿では,弱い監督,自然言語処理,深層ニューラルネットワークトレーニングを用いて,銀行取引を分類することを目的とする。 データ前処理、トランザクションテキストの埋め込み、アンカー化、ラベル生成、識別ニューラルネットワークトレーニングを含む、効果的でスケーラブルなエンドツーエンドデータパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-05-28T23:12:12Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Word embeddings for topic modeling: an application to the estimation of the economic policy uncertainty index [0.0]
  経済不確実性の定量化は、GDPのようなマクロ経済変数の予測の鍵となる概念である。 経済政策の不確実性指数(EPU)は、不確実性を定量化する最もよく使われる新聞ベースの指標である。 本稿では,デジタルニュースのトピックモデリングを高速かつ効率的に行うEPUインデックスを推定する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-29T19:31:03Z)
• Clustering in Recurrent Neural Networks for Micro-Segmentation using Spending Personality [0.0]
  きめ細かい顧客セグメントは、よく理解され、それらを取得する方法のひとつが特徴抽出である。 長短期記憶(LSTM)とフィードフォワードニューラルネットワークを用いて、時間モデルと非シーケンスモデルの両方を考察する。 これらの特徴を用いた分類は、少なくとも2つの一般的な指標、すなわちローンデフォルト率と顧客の流動性指数の変動モデルとして機能することを示す。
  論文  参考訳（メタデータ） (2021-09-20T11:06:58Z)
• Bilinear Input Normalization for Neural Networks in Financial Forecasting [101.89872650510074]
  本稿では,高頻度金融時系列を扱うディープニューラルネットワークのための新しいデータ駆動正規化手法を提案する。 提案手法は,財務時系列のバイモーダル特性を考慮したものである。 我々の実験は最先端のニューラルネットワークと高周波データを用いて行われ、他の正規化技術よりも大幅に改善された。
  論文  参考訳（メタデータ） (2021-09-01T07:52:03Z)
• Low-Rank Temporal Attention-Augmented Bilinear Network for financial time-series forecasting [93.73198973454944]
  ディープラーニングモデルは、金融時系列データの予測問題など、さまざまな領域から来る多くの問題において、大幅なパフォーマンス改善をもたらしている。 近年,制限順序書の時系列予測の効率的かつ高性能なモデルとして,時間的注意強化バイリニアネットワークが提案されている。 本稿では,モデルの低ランクテンソル近似を提案し,トレーニング可能なパラメータの数をさらに削減し,その速度を向上する。
  論文  参考訳（メタデータ） (2021-07-05T10:15:23Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)
• Linking Bank Clients using Graph Neural Networks Powered by Rich Transactional Data [2.1169216065483996]
  本稿では,ネットワークのトポロジ構造だけでなく,グラフノードやエッジで利用可能な豊富な時系列データを利用する新しいグラフニューラルネットワークモデルを提案する。 提案手法は既存の手法よりも優れており,リンク予測問題におけるROC AUCスコアの差が大きく,信用スコアの質の向上も可能である。
  論文  参考訳（メタデータ） (2020-01-23T10:02:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。