論文の概要: A Multimodal Approach to SME Credit Scoring Integrating Transaction and Ownership Networks

• arxiv url: http://arxiv.org/abs/2510.09407v1
• Date: Fri, 10 Oct 2025 14:02:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:49.201303
• Title: A Multimodal Approach to SME Credit Scoring Integrating Transaction and Ownership Networks
• Title（参考訳）: トランザクションとオーナシップネットワークを統合した中小企業クレジットスコーリングへのマルチモーダルアプローチ
• Authors: Sahab Zandi, Kamesh Korangi, Juan C. Moreno-Paredes, María Óskarsdóttir, Christophe Mues, Cristián Bravo,
• Abstract要約: 中小企業は経済成長、雇用、イノベーションにおいて重要な役割を担っている。 金融履歴の制限、担保的制約、マクロ経済的なショックへの曝露などにより、クレジットへのアクセスにおいて大きな課題に直面する傾向にある。 本稿では、著名な金融機関が提供したSME融資の大規模データセットを用いて、中小企業信用のリスクをモデル化するための新たなアプローチを提示し、検証する。
• 参考スコア（独自算出の注目度）: 1.5195875673410624
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Small and Medium-sized Enterprises (SMEs) are known to play a vital role in economic growth, employment, and innovation. However, they tend to face significant challenges in accessing credit due to limited financial histories, collateral constraints, and exposure to macroeconomic shocks. These challenges make an accurate credit risk assessment by lenders crucial, particularly since SMEs frequently operate within interconnected firm networks through which default risk can propagate. This paper presents and tests a novel approach for modelling the risk of SME credit, using a unique large data set of SME loans provided by a prominent financial institution. Specifically, our approach employs Graph Neural Networks to predict SME default using multilayer network data derived from common ownership and financial transactions between firms. We show that combining this information with traditional structured data not only improves application scoring performance, but also explicitly models contagion risk between companies. Further analysis shows how the directionality and intensity of these connections influence financial risk contagion, offering a deeper understanding of the underlying processes. Our findings highlight the predictive power of network data, as well as the role of supply chain networks in exposing SMEs to correlated default risk.
• Abstract（参考訳）: 中小企業は経済成長、雇用、イノベーションにおいて重要な役割を担っている。 しかし、金融履歴の制限、傍観的制約、マクロ経済的なショックへの曝露などにより、クレジットへのアクセスにおいて大きな課題に直面する傾向にある。 これらの課題は、特に中小企業がデフォルトリスクが伝播する企業ネットワーク内で頻繁に運用されるため、銀行による正確な信用リスク評価を重要視している。 本稿では、著名な金融機関が提供した中小企業ローンの大規模データセットを用いて、中小企業信用のリスクをモデル化するための新たなアプローチを提示し、検証する。 具体的には、企業間の共通オーナシップと金融取引から導かれる多層ネットワークデータを用いて、SMEのデフォルトをグラフニューラルネットワークで予測する。 この情報と従来の構造化データを組み合わせることで、アプリケーションのスコアリング性能が向上するだけでなく、企業間の感染リスクを明示的にモデル化することを示す。 さらなる分析は、これらの接続の方向性と強度が金融リスクの伝染にどのように影響し、基盤となるプロセスのより深い理解を提供するかを示している。 本研究は, ネットワークデータの予測能力, サプライチェーンネットワークが中小企業に負のデフォルトリスクを暴露する際の役割を明らかにするものである。

関連論文リスト

• Unveiling Trust in Multimodal Large Language Models: Evaluation, Analysis, and Mitigation [51.19622266249408]
  MultiTrust-XはMLLMの信頼性問題を評価、分析、緩和するためのベンチマークである。 分類に基づいて、MultiTrust-Xには32のタスクと28のキュレートデータセットが含まれている。 私たちの実験は、現在のモデルに重大な脆弱性を明らかにします。
  論文  参考訳（メタデータ） (2025-08-21T09:00:01Z)
• Multi-Channel Graph Neural Network for Financial Risk Prediction of NEEQ Enterprises [0.0]
  本稿では、構造化金融指標、テキスト開示、企業関係データを統合し、総合的な金融リスク予測を行う多チャンネルディープラーニングフレームワークを提案する。 我々のモデルは、AUC、Precision、Recall、F1 Scoreの点で、従来の機械学習手法と単一モダリティベースラインを大きく上回っていることを示す。 この研究は中小企業のリスクモデリングに関する理論的および実践的な洞察を提供し、金融規制当局や投資家を支援するデータ駆動ツールを提供する。
  論文  参考訳（メタデータ） (2025-07-17T04:57:51Z)
• Credit Risk Analysis for SMEs Using Graph Neural Networks in Supply Chain [2.060688901523233]
  本稿では、空間依存をマッピングし、デフォルトリスクを予測するグラフニューラルネットワーク(GNN)ベースのフレームワークを提案する。 DiscoverとAnt Creditの実際のデータセットに対するテストは、GNNが従来のGNNベースラインを超えることを示している。 また、規制当局が銀行に対するサプライチェーンの破壊の影響をモデル化し、物質不足からローンデフォルトを正確に予測し、CCARリスクバッファーの鍵となるデータを提供する。
  論文  参考訳（メタデータ） (2025-07-10T15:33:53Z)
• Conditional Generative Modeling for Enhanced Credit Risk Management in Supply Chain Finance [0.9558392439655016]
  サードパーティのロジスティクス(3PL)主導のサプライチェーンファイナンス(SCF)が将来性のあるソリューションとして登場し、イントランジット在庫を担保として活用している。 本稿では、信用リスク評価と融資規模決定の2つの課題に対処するため、3PL主導のSCFに適した高度な信用リスク管理フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-18T09:35:50Z)
• A Trustworthy Multi-LLM Network: Challenges,Solutions, and A Use Case [59.58213261128626]
  複数の大規模言語モデル(LLM)を信頼性のあるマルチLLMネットワーク(MultiLLMN)に接続するブロックチェーン対応協調フレームワークを提案する。 このアーキテクチャは、複雑なネットワーク最適化問題に対する最も信頼性が高く高品質な応答の協調評価と選択を可能にする。
  論文  参考訳（メタデータ） (2025-05-06T05:32:46Z)
• Empowering Many, Biasing a Few: Generalist Credit Scoring through Large Language Models [53.620827459684094]
  大規模言語モデル(LLM)は、複数のタスクにまたがる強力な一般化能力を持つ信用スコアリングタスクにおいて大きな可能性を秘めている。 クレジットスコアリングのための LLM を探索する,初のオープンソース包括的フレームワークを提案する。 そこで我々は,各種金融リスク評価タスクの煩雑な要求に合わせて,指導チューニングによる最初の信用・リスク評価大言語モデル(CALM)を提案する。
  論文  参考訳（メタデータ） (2023-10-01T03:50:34Z)
• 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)
• Heterogeneous Information Network based Default Analysis on Banking Micro and Small Enterprise Users [18.32345474014549]
  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。
  論文  参考訳（メタデータ） (2022-04-24T11:26:12Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)

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。