論文の概要: Cash Flow Underwriting with Bank Transaction Data: Advancing MSME Financial Inclusion in Malaysia

• arxiv url: http://arxiv.org/abs/2510.16066v1
• Date: Fri, 17 Oct 2025 03:56:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.822783
• Title: Cash Flow Underwriting with Bank Transaction Data: Advancing MSME Financial Inclusion in Malaysia
• Title（参考訳）: 銀行取引データによるキャッシュフローの引受け:マレーシアのMSMEファイナンシャルインクルージョンの強化
• Authors: Chun Chet Ng, Wei Zeng Low, Yin Yin Boon,
• Abstract要約: ファイナンスへのアクセスは、マレーシアのマイクロ、スモール、ミディアムエンタープライズ(MSME)が直面している最も永続的な課題の1つだ。 本研究では、新興市場への金融包摂を促進するための信用評価のための代替データ源として、銀行の申告データの可能性について検討する。
• 参考スコア（独自算出の注目度）: 0.3143649069042093
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite accounting for 96.1% of all businesses in Malaysia, access to financing remains one of the most persistent challenges faced by Micro, Small, and Medium Enterprises (MSMEs). Newly established or young businesses are often excluded from formal credit markets as traditional underwriting approaches rely heavily on credit bureau data. This study investigates the potential of bank statement data as an alternative data source for credit assessment to promote financial inclusion in emerging markets. Firstly, we propose a cash flow-based underwriting pipeline where we utilise bank statement data for end to end data extraction and machine learning credit scoring. Secondly, we introduce a novel dataset of 611 loan applicants from a Malaysian lending institution. Thirdly, we develop and evaluate credit scoring models based on application information and bank transaction-derived features. Empirical results show that the use of such data boosts the performance of all models on our dataset, which can improve credit scoring for new-to-lending MSMEs. Lastly, we intend to release the anonymised bank transaction dataset to facilitate further research on MSMEs financial inclusion within Malaysia's emerging economy.
• Abstract（参考訳）: マレーシアの全事業の96.1%を占めるにもかかわらず、マイクロ、スモール、ミディアム・エンタープライズズ(MSME)が直面している最も永続的な課題の1つが資金調達である。 従来の引受アプローチは信用局のデータに大きく依存するため、新しい確立された、または若いビジネスは、しばしば正式な信用市場から除外される。 本研究では、新興市場への金融包摂を促進するための信用評価のための代替データ源として、銀行の申告データの可能性について検討する。 まず、エンドツーエンドのデータ抽出と機械学習クレジットスコアリングにバンクステートメントデータを利用するキャッシュフローベースのアンダーライトパイプラインを提案する。 第2に,マレーシアの貸与機関から新たに611名のローン申請者のデータセットを導入する。 第3に、アプリケーション情報と銀行取引に起因した特徴に基づいて、クレジットスコアリングモデルの開発と評価を行う。 実験の結果,このようなデータを利用することで,データセット上での全モデルの性能が向上し,新たなMSMEの信用スコアが向上することが示された。 最後に、マレーシアの新興経済圏におけるMSMEの財務的包摂に関するさらなる研究を促進するため、匿名化された銀行取引データセットをリリースする。

関連論文リスト

• CreditARF: A Framework for Corporate Credit Rating with Annual Report and Financial Feature Integration [7.596566337443504]
  本稿では、財務データをFinBERTを用いた年次レポートから抽出した特徴と統合する企業信用格付けフレームワークを提案する。 提案手法は評価精度を8-12%向上させ,企業信用格付けの有効性と信頼性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-08-02T05:56:36Z)
• EDINET-Bench: Evaluating LLMs on Complex Financial Tasks using Japanese Financial Statements [7.259647868714988]
  EDINET-Benchは,大規模言語モデル(LLM)の性能を評価するための,オープンソースの日本語金融ベンチマークである。 我々の実験は、最先端のLLMでさえも、不正検出と利益予測のためのバイナリ分類において、ロジスティック回帰よりもわずかに優れた性能を発揮していることを示している。 我々のデータセット、ベンチマーク構築コード、評価コードは、LLMによる将来の金融研究を促進するために公開されています。
  論文  参考訳（メタデータ） (2025-06-10T13:03:36Z)
• Evaluating utility in synthetic banking microdata applications [0.5524804393257919]
  我々は,規制当局の実用性とプライバシ要件を考慮した枠組みを開発し,これを金融利用指標,短期預金利回り曲線,クレジットカード遷移行列に適用する。 パラグアイ中央銀行のデータを用いて、我々は中央銀行の収集した情報を用いた合成銀行用マイクロデータの最初の実装を提供する。
  論文  参考訳（メタデータ） (2024-10-29T20:20:05Z)
• 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)
• Machine Learning Models Evaluation and Feature Importance Analysis on NPL Dataset [0.0]
  エチオピアのプライベートバンクが提供するデータセット上で、異なる機械学習モデルがどのように機能するかを評価する。 XGBoostは、KMeans SMOTEオーバーサンプリングデータ上で最高F1スコアを達成する。
  論文  参考訳（メタデータ） (2022-08-28T17:09:44Z)
• Feature-Level Fusion of Super-App and Telecommunication Alternative Data Sources for Credit Card Fraud Detection [106.33204064461802]
  クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。 クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
  論文  参考訳（メタデータ） (2021-11-05T19:10:35Z)
• 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)
• 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)
• Predicting Bank Loan Default with Extreme Gradient Boosting [0.0]
  ローンのデフォルト予測には、XGBoostと呼ばれるExtreme Gradient Boostingアルゴリズムを使用します。 この予測は、ローン申請と申請者の人口統計の両方のデータセットを考慮に入れた、指導的銀行からのローンデータに基づいている。
  論文  参考訳（メタデータ） (2020-01-18T18:52:10Z)

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。