論文の概要: TRUST-SCF: Transformer-based Risk Understanding and Scoring for Transactional Supply Chain Finance
- arxiv url: http://arxiv.org/abs/2606.08140v1
- Date: Sat, 06 Jun 2026 12:37:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:05.868428
- Title: TRUST-SCF: Transformer-based Risk Understanding and Scoring for Transactional Supply Chain Finance
- Title（参考訳）: TRUST-SCF:トランザクション・サプライ・チェーン・ファイナンスにおけるリスク理解とスコーリング
- Authors: Mohammadamin Davoodabadi, Amirabbas Shakeri,
- Abstract要約: サプライチェーンファイナンス(SCF)とLendTechプラットフォームは、進化するトランザクションの振る舞いに対応する信用スコアシステムを必要とします。
本稿では,トランザクションレベルのリスク予測と動的クレジットスコアリングのためのトランスフォーマーベースのフレームワークであるTRUST-SCFを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Supply Chain Finance (SCF) and LendTech platforms need credit scoring systems that respond to evolving transaction behavior, repayment delays, and active exposure. We propose TRUST-SCF, a transformer-based framework for transaction-level risk prediction and dynamic credit scoring. Each user history is represented as a sequence of transaction tokens containing utilization, repayment delay and transaction position. The main contributions are: (1) a financially aligned attention bias that combines utilization similarity and recency, enabling the model to compare repayment behavior under comparable exposure conditions; (2) continuous repayment-delay prediction in a log-transformed target space, reducing the influence of extreme delays while improving sensitivity to short-delay behavior and (3) a label-efficient credit-scoring pipeline in which the final credit score is not trained using any explicit external credit-score label, but is instead derived from predicted delay, potential risk over simulated utilization, actual unpaid exposure, and nonlinear calibration. Experiments on real transaction data from more than 300,000 transactions show that TRUST-SCF improves delay prediction over sequential baselines and produces scores that are strongly associated with future repayment behavior. These results suggest that TRUST-SCF is a practical framework for adaptive credit scoring and transaction-level risk mitigation in SCF and LendTech environments.
- Abstract（参考訳）: サプライチェーンファイナンス(SCF)とLendTechプラットフォームは、進化するトランザクションの振る舞い、返済遅延、アクティブな露出に対応する信用スコアシステムを必要としている。
本稿では,トランザクションレベルのリスク予測と動的クレジットスコアリングのためのトランスフォーマーベースのフレームワークであるTRUST-SCFを提案する。
各ユーザ履歴は、利用、返済遅延、トランザクション位置を含むトランザクショントークンのシーケンスとして表現される。
主な貢献は,(1)利用の類似性と信頼性を組み合わせ,モデルが同等の露出条件下で返済行動を比較すること,(2)ログ変換対象空間における返済遅延予測を連続的に行うこと,(2)短期遅延に対する感度を向上しつつ過度な遅延の影響を低減すること,(3)最終的な信用スコアを明示的な外部クレジットスコアラベルを用いてトレーニングしないラベル効率のよい信用スコアパイプライン,などである。
30万以上のトランザクションから得られた実際のトランザクションデータに関する実験は、TRUST-SCFがシーケンシャルベースラインよりも遅延予測を改善し、将来の返済行動に強く関連するスコアを生成することを示している。
これらの結果から,TRUST-SCFは,SCFおよびLendTech環境における適応的信用評価とトランザクションレベルのリスク軽減のための実践的なフレームワークである可能性が示唆された。
関連論文リスト
- FERA: Uncertainty-Aware Federated Reasoning for Large Language Models [60.52562148874846]
我々は、サーバがプライベートなデモンストレーションを行う異種クライアントと協調することで、多段階推論を改善するフェデレーション推論について研究する。
重要な課題は、クライアントの信頼性がクエリ依存であるのに対して、サーバはクライアントデータを検査して、どのコントリビューションが信頼できるかを判断できません。
本稿では,サーバクライアントの反復的コリファインメントに基づくトレーニングフリーフレームワークである Uncertainty-Aware Federated Reasoning (FERA) を提案する。
論文 参考訳（メタデータ） (2026-05-11T07:04:51Z) - A Multi-Head Attention Approach for SLA Compliance Monitoring in Data Centers [0.0]
データセンタにおけるサービスレベルの合意(SLA)は、電力、温度、湿度の正確なしきい値を定義します。
SLAルールを構造化オブジェクトとしてエンコードして,手作業によるアノテーションを使わずにトレーニングデータを生成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-06T18:31:06Z) - From Risk to Rescue: An Agentic Survival Analysis Framework for Liquidation Prevention [46.90931293070464]
本稿では,リスクを認識し,対実的未来をシミュレートし,積極的に清算を防止するためのプロトコルに忠実な介入を行う自律エージェントを提案する。
我々は,ハイリスクユーザプロファイル4,882のコホート上で,高忠実でプロトコルに忠実なAave v3シミュレータを用いて,我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-04-16T03:22:05Z) - LROO Rug Pull Detector: A Leakage-Resistant Framework Based on On-Chain and OSINT Signals [1.0382948833881696]
rug pullはスマートコントラクトベースのエコシステムにおける最も一般的な攻撃の1つです。
本稿では,早期のラグプル検出のためのリーク・アウェア・フレームワークを提案する。
オンチェーンの行動メトリクスと時間的に整合したオープンソースインテリジェンス(OSINT)信号を統合する。
論文 参考訳（メタデータ） (2026-03-11T21:35:53Z) - A Dual-Path Generative Framework for Zero-Day Fraud Detection in Banking Systems [0.2864713389096699]
高周波銀行環境は、低遅延詐欺検出と規制説明可能性の間に重要なトレードオフに直面している。
伝統的な規則に基づく差別的モデルは、過度の階級不均衡と歴史的な前例の欠如のために「ゼロデイ」攻撃に苦しむ。
本稿では,オフライン学習からリアルタイムな異常検出を分離するデュアルパス生成フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-17T10:20:40Z) - AlphaForgeBench: Benchmarking End-to-End Trading Strategy Design with Large Language Models [23.493646150407116]
リアルタイム取引性能の現在の評価は、重大な障害モードを見落としている:不確実性の下でのシーケンシャルな意思決定における厳しい行動不安定性である。
提案するAlphaForgeBenchは,大規模言語モデル(LLM)を,実行エージェントではなく定量的研究者として再構成する,原則化されたフレームワークである。
論文 参考訳（メタデータ） (2026-02-10T14:29:33Z) - Predicting Mortgage Default with Machine Learning: AutoML, Class Imbalance, and Leakage Control [7.5947844798897535]
実世界のローンレベルのデータセットを用いて、住宅ローンのデフォルト予測に複数の機械学習アプローチを比較した。
我々は、発端と報告期間の両方を制約する厳格な時間分割である漏洩認識機能選択を採用する。
複数の正対負の比率で、性能は安定であり、AutoMLアプローチは評価されたモデルの中で最強のAUROCを達成する。
論文 参考訳（メタデータ） (2026-01-27T15:25:04Z) - ZIP-RC: Optimizing Test-Time Compute via Zero-Overhead Joint Reward-Cost Prediction [57.799425838564]
ZIP-RCは、モデルに報酬とコストのゼロオーバーヘッド推論時間予測を持たせる適応推論手法である。
ZIP-RCは、同じまたはより低い平均コストで過半数投票よりも最大12%精度が向上する。
論文 参考訳（メタデータ） (2025-12-01T09:44:31Z) - Stragglers Can Contribute More: Uncertainty-Aware Distillation for Asynchronous Federated Learning [61.249748418757946]
Asynchronous Federated Learning (FL)は、その効率性とスケーラビリティの向上に注目されている。
我々は,不確実性を考慮した蒸留を組み込んだ新しいフレームワークであるFedEchoを提案し,非同期FL性能を向上する。
FedEchoが既存の非同期フェデレーション学習ベースラインを一貫して上回っていることを実証する。
論文 参考訳（メタデータ） (2025-11-25T06:25:25Z) - Adaptive Reinforcement Learning for Unobservable Random Delays [46.04329493317009]
本稿では,エージェントが観測不能かつ時間変化の遅れを適応的に処理できる汎用フレームワークを提案する。
具体的には、エージェントは予測不可能な遅延とネットワーク越しに送信される失われたアクションパケットの両方を処理するために、将来のアクションのマトリックスを生成する。
提案手法は,幅広いベンチマーク環境において,最先端の手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2025-06-17T11:11:37Z) - FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。
FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
論文 参考訳（メタデータ） (2025-02-26T05:19:16Z)
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。