論文の概要: On the combination of graph data for assessing thin-file borrowers' creditworthiness

• arxiv url: http://arxiv.org/abs/2111.13666v1
• Date: Fri, 26 Nov 2021 18:45:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-29 18:21:26.099350
• Title: On the combination of graph data for assessing thin-file borrowers' creditworthiness
• Title（参考訳）: 薄型借主の信用度評価のためのグラフデータの組み合わせについて
• Authors: Ricardo Mu\~noz-Cancino, Cristi\'an Bravo, Sebasti\'an A. R\'ios, Manuel Gra\~na
• Abstract要約: 複数のグラフ表現学習手法をブレンドすることで信用スコアリングモデルを改善する枠組みを導入する。 我々はこの枠組みを,ラテンアメリカの人口全体の関係と信用履歴を特徴付けるユニークなデータセットを用いて検証した。 利回りがはるかに高いコーポレート融資では、非銀行企業の評価が単にその特徴を考慮できないことを確認している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The thin-file borrowers are customers for whom a creditworthiness assessment is uncertain due to their lack of credit history; many researchers have used borrowers' relationships and interactions networks in the form of graphs as an alternative data source to address this. Incorporating network data is traditionally made by hand-crafted feature engineering, and lately, the graph neural network has emerged as an alternative, but it still does not improve over the traditional method's performance. Here we introduce a framework to improve credit scoring models by blending several Graph Representation Learning methods: feature engineering, graph embeddings, and graph neural networks. We stacked their outputs to produce a single score in this approach. We validated this framework using a unique multi-source dataset that characterizes the relationships and credit history for the entire population of a Latin American country, applying it to credit risk models, application, and behavior, targeting both individuals and companies. Our results show that the graph representation learning methods should be used as complements, and these should not be seen as self-sufficient methods as is currently done. In terms of AUC and KS, we enhance the statistical performance, outperforming traditional methods. In Corporate lending, where the gain is much higher, it confirms that evaluating an unbanked company cannot solely consider its features. The business ecosystem where these firms interact with their owners, suppliers, customers, and other companies provides novel knowledge that enables financial institutions to enhance their creditworthiness assessment. Our results let us know when and which group to use graph data and what effects on performance to expect. They also show the enormous value of graph data on the unbanked credit scoring problem, principally to help companies' banking.
• Abstract（参考訳）: 薄いファイルの借り手は、信用履歴の欠如により信用度評価が不確実である顧客であり、多くの研究者は、グラフという形で借り手の関係と相互作用のネットワークを用いてこの問題に対処する。 ネットワークデータの取り込みは手作りの機能エンジニアリングによって伝統的に行われ、近年ではグラフニューラルネットワークが代替手段として登場したが、従来の手法のパフォーマンスよりも改善されていない。 本稿では,機能工学,グラフ埋め込み,グラフニューラルネットワークなど,複数のグラフ表現学習手法を組み合わせることで,信用スコアリングモデルを改善するフレームワークを提案する。 このアプローチでは、アウトプットを積み重ねて単一のスコアを生成しました。 我々は、このフレームワークを、ラテンアメリカの国民全体の関係と信用履歴を特徴付けるユニークなマルチソースデータセットを用いて検証し、個人と企業の両方をターゲットにした信用リスクモデル、応用、行動に適用した。 この結果から,グラフ表現学習法は補題として用いるべきであり,現在行われているような自己充足的手法として見るべきではない。 AUCとKSに関しては、従来の手法よりも優れた統計性能を向上する。 利回りがはるかに高いコーポレート融資では、非銀行企業の評価が単にその特徴を考慮できないことを確認している。 これらの企業がオーナー、サプライヤー、顧客、その他の企業と対話するビジネスエコシステムは、金融機関が信用度評価を強化するための新しい知識を提供する。 結果から、いつ、どのグループがグラフデータを使うのか、パフォーマンスにどのような影響があるのかがわかる。 彼らはまた、主に企業の銀行を支援するために、銀行の信用スコアリング問題に関するグラフデータの巨大な価値を示している。

関連論文リスト

• Challenging the Myth of Graph Collaborative Filtering: a Reasoned and Reproducibility-driven Analysis [50.972595036856035]
  本稿では,6つの人気グラフと最近のグラフ推薦モデルの結果を再現するコードを提案する。 これらのグラフモデルと従来の協調フィルタリングモデルを比較する。 ユーザの近所からの情報フローを調べることにより,データセット構造における内在的特徴にどのようなモデルが影響するかを同定することを目的とする。
  論文  参考訳（メタデータ） (2023-08-01T09:31:44Z)
• Company-as-Tribe: Company Financial Risk Assessment on Tribe-Style Graph with Hierarchical Graph Neural Networks [62.94317686301643]
  企業の金融リスクはユビキタスであり、上場企業に対する早期のリスク評価は、かなりの損失を避けることができる。 従来の手法は主に企業の財務諸表に重点を置いており、企業間の複雑な関係は欠如している。 比較学習を用いて部族の構造パターンを符号化する階層型グラフニューラルネット(TH-GNN)と、トライブ間の関係に基づいて情報を拡散する第2の階層型グラフニューラルネット(TH-GNN)を提案する。
  論文  参考訳（メタデータ） (2023-01-31T09:17:13Z)
• A Graph-Enhanced Click Model for Web Search [67.27218481132185]
  ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。 セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
  論文  参考訳（メタデータ） (2022-06-17T08:32:43Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Enabling Machine Learning Algorithms for Credit Scoring -- Explainable Artificial Intelligence (XAI) methods for clear understanding complex predictive models [2.1723750239223034]
  本稿では,様々な予測モデル(論理回帰,ロジスティック回帰,エビデンス変換の重み付け,現代の人工知能アルゴリズム)を比較し,先進木モデルがクライアントデフォルトの予測に最適であることを示す。 また,信用リスク実践者に対して,それらを解釈し,よりアクセスしやすいものにするための手法を用いて,高度なモデルを強化する方法を示す。
  論文  参考訳（メタデータ） (2021-04-14T09:44:04Z)
• 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)
• Every Corporation Owns Its Image: Corporate Credit Ratings via Convolutional Neural Networks [2.867517731896504]
  企業の信用格付けを予測するため,従来の機械学習モデルの性能を分析した。 本稿では,畳み込みニューラルネットワーク(CCR-CNN)を用いた新しいエンド・ツー・エンド手法,コーポレート・クレジット・レーティングを提案する。 CCR-CNNは最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2020-12-03T01:01:34Z)
• Every Corporation Owns Its Structure: Corporate Credit Ratings via Graph Neural Networks [2.7910505923792637]
  本稿では,グラフニューラルネットワークを用いた企業信用評価モデルCCR-GNNを提案する。 まず、まず、セルフアウトの製品に基づいて各企業の個々のグラフを構築し、次に、GNNを使用して機能相互作用を明示的にモデル化する。 中国の上場企業評価データセットで実施された実験は、CCR-GNNが最先端の手法を一貫して上回っていることを証明している。
  論文  参考訳（メタデータ） (2020-11-27T02:57:14Z)
• A Novel Classification Approach for Credit Scoring based on Gaussian Mixture Models [0.0]
  本稿では,ガウス混合モデルに基づく新たなクレジットスコアリング手法を提案する。 我々のアルゴリズムは、消費者を正または負とラベル付けされたグループに分類する。 我々は,オーストラリア,日本,ドイツの実世界のデータベースにモデルを適用した。
  論文  参考訳（メタデータ） (2020-10-26T07:34:27Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)
• The Value of Big Data for Credit Scoring: Enhancing Financial Inclusion using Mobile Phone Data and Social Network Analytics [6.919243767837341]
  本稿では、統計モデルと経済モデルの両方のパフォーマンスを向上させるために、代替データソースを活用する。 顧客のコール・ディテール・レコード、クレジット・アンド・デビット・アカウント情報を含むデータセットのユニークな組み合わせが使用される。 結果は、コール・ディテール・レコードの倫理的利用、規制の影響、財務的包括性、データ共有とプライバシーに影響を及ぼす。
  論文  参考訳（メタデータ） (2020-02-23T16:13:56Z)

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。