論文の概要: Attention-based Dynamic Multilayer Graph Neural Networks for Loan Default Prediction

• arxiv url: http://arxiv.org/abs/2402.00299v2
• Date: Mon, 24 Jun 2024 20:32:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-26 20:40:18.153503
• Title: Attention-based Dynamic Multilayer Graph Neural Networks for Loan Default Prediction
• Title（参考訳）: ローンデフォルト予測のための注意に基づく動的多層グラフニューラルネットワーク
• Authors: Sahab Zandi, Kamesh Korangi, María Óskarsdóttir, Christophe Mues, Cristián Bravo,
• Abstract要約: グラフニューラルネットワークとリカレントニューラルネットワークから構築した動的多層ネットワークを利用した信用リスク評価モデルを提案する。 我々は、米国住宅ローン金融業者のFreddie Macが提供したデータセットを用いて、行動信用評価の文脈で方法論を検証した。
• 参考スコア（独自算出の注目度）: 4.0990577062436815
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Whereas traditional credit scoring tends to employ only individual borrower- or loan-level predictors, it has been acknowledged for some time that connections between borrowers may result in default risk propagating over a network. In this paper, we present a model for credit risk assessment leveraging a dynamic multilayer network built from a Graph Neural Network and a Recurrent Neural Network, each layer reflecting a different source of network connection. We test our methodology in a behavioural credit scoring context using a dataset provided by U.S. mortgage financier Freddie Mac, in which different types of connections arise from the geographical location of the borrower and their choice of mortgage provider. The proposed model considers both types of connections and the evolution of these connections over time. We enhance the model by using a custom attention mechanism that weights the different time snapshots according to their importance. After testing multiple configurations, a model with GAT, LSTM, and the attention mechanism provides the best results. Empirical results demonstrate that, when it comes to predicting probability of default for the borrowers, our proposed model brings both better results and novel insights for the analysis of the importance of connections and timestamps, compared to traditional methods.
• Abstract（参考訳）: 従来のクレジットスコアリングは、個人ローンまたはローンレベルの予測器のみを採用する傾向にあるが、借り手間の接続がネットワーク上でデフォルトのリスク伝播をもたらす可能性があることは、しばらく前から認識されていた。 本稿では,グラフニューラルネットワークとリカレントニューラルネットワークから構築された動的多層ネットワークを利用した信用リスク評価モデルを提案する。 我々は、米国住宅ローン金融業者のFreddie Macが提供したデータセットを用いて、我々の方法論を行動信用評価コンテキストで検証し、借り手の地理的位置と住宅ローン業者の選択から様々な種類の接続が生じることを示した。 提案モデルでは,接続のタイプと時間経過に伴う接続の進化について考察する。 我々は、その重要性に応じて異なる時間スナップショットを重み付けするカスタムアテンションメカニズムを使用して、モデルを強化する。 複数の構成をテストした後、GAT、LSTM、アテンションメカニズムを備えたモデルが最も良い結果をもたらす。 実験結果から,借り手に対するデフォルト確率の予測には,従来の手法と比較して,コネクションやタイムスタンプの重要性を分析する上で,優れた結果と新たな知見が得られた。

関連論文リスト

• Applying Hybrid Graph Neural Networks to Strengthen Credit Risk Analysis [4.457653449326353]
  本稿では, グラフ畳み込みニューラルネットワーク(GCNN)を用いた信用リスク予測手法を提案する。 提案手法は、従来の信用リスク評価モデルが直面する課題、特に不均衡なデータセットを扱う際の課題に対処する。 この研究は、信用リスク予測の精度を向上させるためのGCNNの可能性を示し、金融機関にとって堅牢なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-10-05T20:49:05Z)
• A Spatio-Temporal Machine Learning Model for Mortgage Credit Risk: Default Probabilities and Loan Portfolios [11.141688859736805]
  本稿では,木ブースティングと遅延時間-ガウス過程モデルを組み合わせることで,信用リスクを考慮した機械学習モデルを提案する。 個人ローンポートフォリオ損失分布の予測デフォルト確率は、従来の独立線形ハザードモデルと比較してより正確であることがわかった。
  論文  参考訳（メタデータ） (2024-10-03T15:10:55Z)
• How neural networks learn to classify chaotic time series [77.34726150561087]
  本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。 入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
  論文  参考訳（メタデータ） (2023-06-04T08:53:27Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
  暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。 入力逆流の摂動に関して、それらは不安定なままである。 本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-10T03:08:55Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
  武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。 これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。 従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
  論文  参考訳（メタデータ） (2020-12-17T15:19:29Z)
• Multilayer Network Analysis for Improved Credit Risk Prediction [5.33024001730262]
  ネットワーク内の任意の借り手のデフォルト露出の強度を定量化できる多層パーソナライズされたPageRankアルゴリズムを開発した。 その結果、デフォルトリスクは、個人が多くのデフォルトデバイスに接続されている場合に最も高いが、このリスクは、個人の近傍のサイズによって軽減される。
  論文  参考訳（メタデータ） (2020-10-19T14:39:53Z)
• Link Prediction for Temporally Consistent Networks [6.981204218036187]
  リンク予測は、動的ネットワークにおける次の関係を推定する。 動的に進化するネットワークを表現するための隣接行列の使用は、異種、スパース、またはネットワーク形成から解析的に学習する能力を制限する。 時間的パラメータ化ネットワークモデルとして不均一な時間進化活動を表現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-06-06T07:28:03Z)
• Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
  クープマン理論に関連する新しい物理学に基づく手法が導入された。 本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。 このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
  論文  参考訳（メタデータ） (2020-03-04T18:24:30Z)
• 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。