論文の概要: Heterogeneous Information Network based Default Analysis on Banking
Micro and Small Enterprise Users
- arxiv url: http://arxiv.org/abs/2204.11849v1
- Date: Sun, 24 Apr 2022 11:26:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-27 13:08:47.084822
- Title: Heterogeneous Information Network based Default Analysis on Banking
Micro and Small Enterprise Users
- Title(参考訳): 不均質な情報ネットワークによる銀行マイクロ・中小企業のデフォルト分析
- Authors: Zheng Zhang, Yingsheng Ji, Jiachen Shen, Xi Zhang, Guangwen Yang
- Abstract要約: バンキングデータのグラフを考察し,その目的のために新しいHIDAMモデルを提案する。
MSEの特徴表現を強化するため,メタパスを通してインタラクティブな情報を抽出し,経路情報を完全に活用する。
実験結果から,HIDAMが現実の銀行データにおいて最先端の競争相手を上回ることが確認された。
- 参考スコア(独自算出の注目度): 18.32345474014549
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Risk assessment is a substantial problem for financial institutions that has
been extensively studied both for its methodological richness and its various
practical applications. With the expansion of inclusive finance, recent
attentions are paid to micro and small-sized enterprises (MSEs). Compared with
large companies, MSEs present a higher exposure rate to default owing to their
insecure financial stability. Conventional efforts learn classifiers from
historical data with elaborate feature engineering. However, the main obstacle
for MSEs involves severe deficiency in credit-related information, which may
degrade the performance of prediction. Besides, financial activities have
diverse explicit and implicit relations, which have not been fully exploited
for risk judgement in commercial banks. In particular, the observations on real
data show that various relationships between company users have additional
power in financial risk analysis. In this paper, we consider a graph of banking
data, and propose a novel HIDAM model for the purpose. Specifically, we attempt
to incorporate heterogeneous information network with rich attributes on
multi-typed nodes and links for modeling the scenario of business banking
service. To enhance feature representation of MSEs, we extract interactive
information through meta-paths and fully exploit path information. Furthermore,
we devise a hierarchical attention mechanism respectively to learn the
importance of contents inside each meta-path and the importance of different
metapahs. Experimental results verify that HIDAM outperforms state-of-the-art
competitors on real-world banking data.
- Abstract(参考訳): リスクアセスメントは、その方法論的豊かさと様々な実践的応用の両方について広く研究されている金融機関にとって重大な問題である。
包括的金融の拡大に伴い、近年の注目は中小企業(MSE)に向けられている。
大企業と比較して、MSEは安全性の低い金融安定のため、デフォルトよりも露出率が高い。
従来の取り組みは、精巧な特徴工学を用いて履歴データから分類器を学習する。
しかし、MSEの主な障害は信用関連情報の不足であり、予測性能を低下させる可能性がある。
さらに、金融活動は多様で暗黙的な関係を持ち、商業銀行のリスク判断には十分に活用されていない。
特に実データでは, 企業ユーザ間の様々な関係が, 財務リスク分析においてさらなる力を持つことが示されている。
本稿では,銀行データのグラフについて考察し,その目的のために新しいHIDAMモデルを提案する。
具体的には,マルチタイプノードに豊富な属性を持つ異種情報ネットワークと,ビジネスバンキングサービスのシナリオをモデル化するためのリンクを組み込もうとする。
MSEの特徴表現を強化するため,メタパスを通してインタラクティブな情報を抽出し,経路情報を完全に活用する。
さらに,各メタパス内のコンテンツの重要性と異なるメタパスの重要性を学習するために,階層的注意機構をそれぞれ考案する。
実験結果から,HIDAMが現実の銀行データにおいて最先端の競争相手を上回ることが確認された。
関連論文リスト
- A machine learning workflow to address credit default prediction [0.44943951389724796]
信用デフォルト予測(CDP)は個人や企業の信用力を評価する上で重要な役割を果たす。
CDPを改善するためのワークフローベースのアプローチを提案する。これは、借り手が信用義務を負う確率を評価するタスクを指す。
論文 参考訳(メタデータ) (2024-03-06T15:30:41Z) - Model Stealing Attack against Graph Classification with Authenticity,
Uncertainty and Diversity [85.1927483219819]
GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。
異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
論文 参考訳(メタデータ) (2023-12-18T05:42:31Z) - Predictive AI for SME and Large Enterprise Financial Performance
Management [0.0]
バランスシートと所得計算の標準比率を補完する新しい金融・マクロ経済比率を紹介します。
また、企業パフォーマンスを予測するための教師付き学習モデル(MLレグレッタとニューラルネットワーク)とベイジアンモデルも提供します。
提案した変数は,標準産業比率に比例してモデル精度を向上させることができると結論づける。
論文 参考訳(メタデータ) (2023-09-22T11:04:32Z) - The Double-Edged Sword of Big Data and Information Technology for the
Disadvantaged: A Cautionary Tale from Open Banking [0.3867363075280543]
オープンバンキングは金融サービスに革命を起こし、顧客の獲得、管理、維持、リスクアセスメントの新しい機会を開いた。
新型コロナウイルスとインフレーション上昇による世界的な懸念である金融脆弱性(FV)の次元について検討する。
英国フィンテックの貸し手によるユニークなデータセットを用いて、安全な使用法を同時に警告しながら、きめ細かいトランザクションデータのパワーを実証する。
論文 参考訳(メタデータ) (2023-07-25T11:07:43Z) - 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) - Adverse Media Mining for KYC and ESG Compliance [2.381399746981591]
逆メディアやネガティブニュースのスクリーニングは、そのような非金融的リスクの特定に不可欠である。
本稿では,ユーザのクエリに対する有害メディアのリアルタイム検索とバッチ検索の両方を行う自動化システムを提案する。
高精度で有害なニュースフィルタリングに対する、スケーラブルで機械学習によるアプローチは、4つの視点に基づいています。
論文 参考訳(メタデータ) (2021-10-22T01:04:16Z) - FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。
我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。
その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文 参考訳(メタデータ) (2021-09-01T00:08:14Z) - 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) - Modeling Complex Financial Products [5.873416857161077]
我々は、2008年の米金融危機の中心にある住宅ローン担保証券(resMBS)に焦点を当てている。
我々は、より複雑な一連のモデルを通じて、resMBS証券のパフォーマンスに関する洞察を提供する。
論文 参考訳(メタデータ) (2021-02-03T23:20:21Z) - 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) - Reinforcement-Learning based Portfolio Management with Augmented Asset
Movement Prediction States [71.54651874063865]
ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。
本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。
当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
論文 参考訳(メタデータ) (2020-02-09T08:10:03Z)
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。