論文の概要: FisrEbp: Enterprise Bankruptcy Prediction via Fusing its Intra-risk and
Spillover-Risk
- arxiv url: http://arxiv.org/abs/2202.03874v1
- Date: Tue, 1 Feb 2022 04:28:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-13 14:39:47.768645
- Title: FisrEbp: Enterprise Bankruptcy Prediction via Fusing its Intra-risk and
Spillover-Risk
- Title（参考訳）: FisrEbp: リスク内とスパイルオーバーリスクを融合した企業破産予測
- Authors: Yu Zhao, Shaopeng Wei, Yu Guo, Qing Yang, Gang Kou
- Abstract要約: LSTMベースのリスク内エンコーダとGNNベースのリスク外乱エンコーダを備える新しい手法を提案する。
リスク内エンコーダは、基本業務情報と訴訟情報から統計相関指標を用いて、企業内リスクを捕捉することができる。
流出リスクエンコーダはハイパーグラフニューラルネットワークとヘテロジニアスグラフニューラルネットワークからなる。
- 参考スコア（独自算出の注目度）: 4.369823783549928
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we propose to model enterprise bankruptcy risk by fusing its
intra-risk and spillover-risk. Under this framework, we propose a novel method
that is equipped with an LSTM-based intra-risk encoder and GNNs-based
spillover-risk encoder. Specifically, the intra-risk encoder is able to capture
enterprise intra-risk using the statistic correlated indicators from the basic
business information and litigation information. The spillover-risk encoder
consists of hypergraph neural networks and heterogeneous graph neural networks,
which aim to model spillover risk through two aspects, i.e. hyperedge and
multiplex heterogeneous relations among enterprise knowledge graph,
respectively. To evaluate the proposed model, we collect multi-sources SMEs
data and build a new dataset SMEsD, on which the experimental results
demonstrate the superiority of the proposed method. The dataset is expected to
become a significant benchmark dataset for SMEs bankruptcy prediction and
promote the development of financial risk study further.
- Abstract（参考訳）: 本稿では,企業倒産リスクのモデルとして,リスク内リスクと流出リスクを融合してモデル化する。
本研究では,LSTMベースのリスク内エンコーダとGNNベースのリスク内エンコーダを備える新しい手法を提案する。
具体的には、リスク内エンコーダは、基本業務情報と訴訟情報から統計相関指標を用いて、企業内リスクを捕捉することができる。
流出リスクエンコーダはハイパーグラフニューラルネットワークとヘテロジニアスグラフニューラルネットワークから構成されており、企業知識グラフ間のハイパーエッジと多重ヘテロジニアスの関係という2つの側面を通じて流出リスクをモデル化することを目的としている。
提案モデルを評価するため,複数ソースの中小企業データを収集し,提案手法の優位性を示す新しいデータセットSMEsDを構築した。
このデータセットは中小企業の倒産予測のための重要なベンチマークデータセットとなり、金融リスク研究のさらなる発展を促進することが期待されている。
関連論文リスト
- Graph Dimension Attention Networks for Enterprise Credit Assessment [40.87056211723355]
グラフ次元注意ネットワーク(GDAN)という新しいアーキテクチャを提案する。
GDANは、細粒度のリスク関連特性を捉えるための次元レベルの注意機構を組み込んでいる。
金融シナリオにおけるGNN手法の解釈可能性について検討し、GDAN-DistShiftと呼ばれるGDANのためのデータ中心の説明器を提案する。
論文 参考訳（メタデータ） (2024-07-16T11:24:28Z) - Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。
提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
論文 参考訳（メタデータ） (2024-03-28T17:28:06Z) - Provable Risk-Sensitive Distributional Reinforcement Learning with
General Function Approximation [54.61816424792866]
本稿では,リスク感性分布強化学習(RS-DisRL)と静的リプシッツリスク対策(LRM),一般関数近似について紹介する。
モデルに基づく関数近似のためのモデルベース戦略であるtextttRS-DisRL-M と、一般値関数近似のためのモデルフリーアプローチである textttRS-DisRL-V の2つの革新的なメタアルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-02-28T08:43:18Z) - Modeling Systemic Risk: A Time-Varying Nonparametric Causal Inference
Framework [27.025720728622897]
時系列ネットワークにおける因果構造を推定するための非パラメトリック・時間変化指向情報グラフ(TV-DIG)フレームワークを提案する。
本枠組みは、金融ネットワーク内の主要資産・産業セクター間の相互接続性とシステム的リスクの進化を特定し、監視するものである。
論文 参考訳（メタデータ） (2023-12-27T20:09:57Z) - Capsa: A Unified Framework for Quantifying Risk in Deep Neural Networks [142.67349734180445]
ディープニューラルネットワークにリスク認識を提供する既存のアルゴリズムは複雑でアドホックである。
ここでは、リスク認識でモデルを拡張するためのフレームワークであるcapsaを紹介します。
論文 参考訳（メタデータ） (2023-08-01T02:07:47Z) - 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) - Deep Learning for Systemic Risk Measures [3.274367403737527]
本研究の目的は,システム的リスク対策のための新しい方法論の枠組みを検討することである。
この新たな枠組みの下で、システム的リスク対策は、集約されたシステムを保護する最小限の現金として解釈できる。
ディープラーニングは、金融モデリングやリスク管理においてますます注目を集めている。
論文 参考訳（メタデータ） (2022-07-02T05:01:19Z) - A Survey of Risk-Aware Multi-Armed Bandits [84.67376599822569]
我々は、様々な利害リスク対策をレビューし、その特性についてコメントする。
我々は,探索と探索のトレードオフが現れる,後悔の最小化設定のためのアルゴリズムを検討する。
今後の研究の課題と肥大化についてコメントし、締めくくりに締めくくります。
論文 参考訳（メタデータ） (2022-05-12T02:20:34Z) - Detecting and Mitigating Test-time Failure Risks via Model-agnostic
Uncertainty Learning [30.86992077157326]
本稿では,すでに訓練済みのブラックボックス分類モデルの失敗リスクと予測的不確かさを推定するための,ポストホックメタラーナーであるリスクアドバイザを紹介する。
リスクアドバイザは、リスクスコアの提供に加えて、不確実性見積を、アレタリックおよびエピステマティックな不確実性コンポーネントに分解する。
ブラックボックス分類モデルおよび実世界および合成データセットのさまざまなファミリーの実験は、リスクアドバイザーがデプロイメント時の障害リスクを確実に予測していることを示している。
論文 参考訳（メタデータ） (2021-09-09T17:23:31Z) - Deep Risk Model: A Deep Learning Solution for Mining Latent Risk Factors
to Improve Covariance Matrix Estimation [8.617532047238461]
ニューラルネットワークによるリスクファクタを効果的に"設計"するためのディープラーニングソリューションを提案する。
提案手法は,R2$で測定した説明分散を1.9%以上高めることができ,また,グローバルな最小分散ポートフォリオのリスクを低減することができる。
論文 参考訳（メタデータ） (2021-07-12T05:30:50Z) - Risk-Constrained Thompson Sampling for CVaR Bandits [82.47796318548306]
CVaR(Conditional Value at Risk)として知られる量的ファイナンスにおける一般的なリスク尺度について考察する。
本稿では,トンプソンサンプリングに基づくCVaR-TSアルゴリズムの性能について検討する。
論文 参考訳（メタデータ） (2020-11-16T15:53:22Z)
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。