論文の概要: Predicting and Explaining Customer Data Sharing in the Open Banking
- arxiv url: http://arxiv.org/abs/2507.01987v1
- Date: Sat, 28 Jun 2025 01:24:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-04 15:37:14.887002
- Title: Predicting and Explaining Customer Data Sharing in the Open Banking
- Title（参考訳）: オープンバンキングにおける顧客データ共有の予測と説明
- Authors: João B. G. de Brito, Rodrigo Heldt, Cleo S. Silveira, Matthias Bogaert, Guilherme B. Bucco, Fernando B. Luce, João L. Becker, Filipe J. Zabala, Michel J. Anzanello,
- Abstract要約: 本研究は,オープンバンキングによるデータ共有の妥当性を予測し,説明モデル解析(EMA)を通じてその振る舞いを解釈する枠組みを提案する。
約320万人の顧客がいるブラジルの大手金融機関からのデータを使用して、データ共有の頻度に対処するためにハイブリッドなデータバランス戦略が採用された。
これらのモデルは顧客のデータ共有を正確に予測し、インフローの精度は91.39%、アウトフローの精度は91.53%に達した。
- 参考スコア（独自算出の注目度）: 34.337412054122076
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The emergence of Open Banking represents a significant shift in financial data management, influencing financial institutions' market dynamics and marketing strategies. This increased competition creates opportunities and challenges, as institutions manage data inflow to improve products and services while mitigating data outflow that could aid competitors. This study introduces a framework to predict customers' propensity to share data via Open Banking and interprets this behavior through Explanatory Model Analysis (EMA). Using data from a large Brazilian financial institution with approximately 3.2 million customers, a hybrid data balancing strategy incorporating ADASYN and NEARMISS techniques was employed to address the infrequency of data sharing and enhance the training of XGBoost models. These models accurately predicted customer data sharing, achieving 91.39% accuracy for inflow and 91.53% for outflow. The EMA phase combined the Shapley Additive Explanations (SHAP) method with the Classification and Regression Tree (CART) technique, revealing the most influential features on customer decisions. Key features included the number of transactions and purchases in mobile channels, interactions within these channels, and credit-related features, particularly credit card usage across the national banking system. These results highlight the critical role of mobile engagement and credit in driving customer data-sharing behaviors, providing financial institutions with strategic insights to enhance competitiveness and innovation in the Open Banking environment.
- Abstract（参考訳）: オープンバンキングの出現は、金融機関の市場ダイナミクスとマーケティング戦略に影響を与える、金融データ管理の大幅な変化を示している。
この競争の激化は、企業が製品やサービスを改善するためにデータインフローを管理し、競合を支援するデータアウトフローを緩和するなど、機会と課題を生み出している。
本研究は,オープンバンキングによるデータ共有の妥当性を予測し,説明モデル解析(EMA)を通じてその振る舞いを解釈する枠組みを提案する。
約320万人の顧客がいるブラジルの大手金融機関のデータを用いて、データ共有の頻度に対処し、XGBoostモデルのトレーニングを強化するためにADASYNとNEARMISS技術を組み合わせたハイブリッドデータバランス戦略が採用された。
これらのモデルは顧客のデータ共有を正確に予測し、インフローの精度は91.39%、アウトフローの精度は91.53%に達した。
EMAフェーズでは、Shapley Additive Explanations(SHAP)メソッドと、分類と回帰ツリー(CART)テクニックを組み合わせて、顧客決定に最も影響力のある機能を明らかにしている。
主な特徴は、モバイルチャネルにおける取引数と購入数、これらのチャネル内のインタラクション、クレジットカード関連の機能、特に国立銀行システムにおけるクレジットカードの使用量である。
これらの結果は、顧客データ共有行動の推進におけるモバイルエンゲージメントと信用の重要性を強調し、オープンバンキング環境における競争力とイノベーションを強化する戦略的洞察を金融機関に提供する。
関連論文リスト
- Bayesian Regression for Predicting Subscription to Bank Term Deposits in Direct Marketing Campaigns [0.0]
本研究の目的は,長期預金契約予測におけるロジットモデルとプロビットモデルの有効性を検討することである。
ターゲット変数はデータセット固有の不均衡を考慮してバランスが取れた。
ロジットモデルは、この分類問題を扱う際に、プロビットモデルよりも優れていた。
論文 参考訳（メタデータ） (2024-10-28T21:04:58Z) - Exploratory Data Analysis for Banking and Finance: Unveiling Insights and Patterns [0.2594420805049218]
本研究は,商店街における取引パターン,信用限度,利用状況について検討した。
また、年齢、性別、利用パターンの収入などの人口統計要因も考慮している。
このレポートは、顧客チャーン率や、人口統計、トランザクション履歴、満足度などの要因を分析し、対処する。
論文 参考訳（メタデータ） (2024-05-25T16:15:21Z) - FedCAda: Adaptive Client-Side Optimization for Accelerated and Stable Federated Learning [57.38427653043984]
フェデレートラーニング(FL)は、分散クライアント間の機械学習モデルの協調トレーニングにおいて、顕著なアプローチとして登場した。
我々は,この課題に対処するために設計された,革新的なクライアント適応アルゴリズムであるFedCAdaを紹介する。
我々はFedCAdaが適応性、収束性、安定性、全体的な性能の点で最先端の手法より優れていることを実証する。
論文 参考訳（メタデータ） (2024-05-20T06:12:33Z) - The Effects of Data Imbalance Under a Federated Learning Approach for
Credit Risk Forecasting [0.0]
信用リスク予測は、商業銀行や他の金融機関が顧客に融資を許可する上で重要な役割を担っている。
従来の機械学習手法では、グローバルモデルを構築するには、機密性の高いクライアント情報を外部サーバと共有する必要がある。
フェデレートラーニング(FL)として知られる、新たに開発されたプライバシ保護分散機械学習技術により、プライベートローカルデータに直接アクセスする必要なく、グローバルモデルのトレーニングが可能になる。
論文 参考訳（メタデータ） (2024-01-14T09:15:10Z) - Personalized Federated Learning with Attention-based Client Selection [57.71009302168411]
我々は,意図に基づくクライアント選択機構を備えた新しいPFLアルゴリズムであるFedACSを提案する。
FedACSは、類似したデータ分散を持つクライアント間のコラボレーションを強化するためのアテンションメカニズムを統合している。
CIFAR10とFMNISTの実験は、FedACSの優位性を検証する。
論文 参考訳（メタデータ） (2023-12-23T03:31:46Z) - FedToken: Tokenized Incentives for Data Contribution in Federated
Learning [33.93936816356012]
ブロックチェーン技術を基盤として,コントリビューションベースのトークン化インセンティブスキームである textttFedToken を提案する。
まず、モデル集約中の局所モデルの寄与を近似し、次に、クライアントが収束のために通信ラウンドを下げる戦略的スケジュールを立てる。
論文 参考訳（メタデータ） (2022-09-20T14:58:08Z) - Dynamic Attention-based Communication-Efficient Federated Learning [85.18941440826309]
フェデレートラーニング(FL)は、グローバル機械学習モデルをトレーニングするためのソリューションを提供する。
FLは、クライアントデータの分散が非IIDであるときに性能劣化に悩まされる。
本稿では,この劣化に対処するために,新しい適応トレーニングアルゴリズムであるtextttAdaFL$を提案する。
論文 参考訳（メタデータ） (2021-08-12T14:18:05Z) - Enhancing User' s Income Estimation with Super-App Alternative Data [59.60094442546867]
これは、これらの代替データソースのパフォーマンスと、業界に受け入れられた局の収入推定器のパフォーマンスを比較します。
本論文は、金融機関がリスクプロファイルの構築に代替データを導入しようとする動機を示すものである。
論文 参考訳（メタデータ） (2021-04-12T21:34:44Z) - 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) - Towards Intelligent Risk-based Customer Segmentation in Banking [0.0]
我々は、顧客のデータをあるシステムから別のシステムへ移動させるために、一連の処理要素からなるインテリジェントなデータ駆動パイプラインを提案する。
目標は、機能エンジニアリング、すなわち、(銀行化)ドメイン知識を使用して生データから特徴を抽出するプロセスを自動化する、新しいインテリジェントな顧客セグメンテーションプロセスを提供することである。
提案手法は,従来の手法に比べて91%の精度でトランザクションの検出,識別,分類を行うことができる。
論文 参考訳（メタデータ） (2020-09-29T11:22:04Z) - 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)
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。