論文の概要: DefaultGNN: A Dual-Perspective GNN Framework for Predicting Corporate Default from Buyer-Seller Transaction Networks

• arxiv url: http://arxiv.org/abs/2609.25542v1
• Date: Tue, 22 Sep 2026 01:18:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.169288
• Title: DefaultGNN: A Dual-Perspective GNN Framework for Predicting Corporate Default from Buyer-Seller Transaction Networks
• Title（参考訳）: DefaultGNN: 買い手・売り手取引ネットワークから企業デフォルトを予測するためのデュアルパースペクティブなGNNフレームワーク
• Abstract要約: 企業におけるデフォルト予測のためのデュアルパースペクティブグラフニューラルネットワークベースのフレームワークであるDefaultGNNを提案する。 認定信用格付け機関と共同で、DefaultGNNの予測が既存の信用格付けモデルを補完することを検証する。
• 参考スコア（独自算出の注目度）: 11.336995564710719
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Corporate default prediction is a core problem in financial risk management, yet traditional credit models rely heavily on financial statements that are often sparse or unavailable for many firms. Corporate transaction networks offer a complementary view of real economic activity, but how risk propagates through buyer-seller relationships remains underexplored. We conduct a large-scale empirical study using real-world electronic tax-invoice data spanning six years that links transaction histories with default events, revealing that transaction-driven risk is both role-dependent (buyer or seller) and scale-dependent. Based on these findings, we construct multiplex buyer-view and seller-view transaction networks and propose DefaultGNN, a dual-perspective graph neural network-based framework for corporate default prediction. DefaultGNN integrates both views to model how risk flows through transactional relationships, achieving strong improvements over both attribute-based and graph-based baselines, especially for firms with limited intrinsic risk signals. We further provide interpretable network-based explanations by visualizing how distressed trading partners contribute to default risk. In collaboration with a licensed credit rating agency, we validate that DefaultGNN's predictions complement existing credit scoring models, improving approval rates by 7-11%p without increasing default risk among approved firms. The source code can be found at https://github.com/jhkim611/DefaultGNN
• Abstract（参考訳）: 企業デフォルトの予測は金融リスク管理の中核的な問題であるが、従来の信用モデルは、多くの場合、多くの企業では不十分または利用できない財務声明に大きく依存している。 企業取引ネットワークは、実際の経済活動の補完的な見解を提供するが、バイヤー・セラー関係を通じてどのようにリスクが伝播するかは未解明のままである。 我々は、取引履歴とデフォルトイベントをリンクする6年間にわたる実世界の電子的消費税データを用いて大規模な実証研究を行い、トランザクション駆動型リスクは役割依存(買い手または売り手)とスケール依存の両方であることを明らかにした。 これらの結果に基づき,企業における既定の予測のためのグラフニューラルネットワークであるDefaultGNNを提案し,マルチプレックス・バイヤービューと販売者ビューのトランザクションネットワークを構築した。 DefaultGNNは、両方の見解を統合して、取引関係を通じてリスクの流れをモデル化し、属性ベースとグラフベースのベースラインの両方、特に内在的なリスクシグナルが限定された企業に対して強力な改善を達成している。 さらに、苦しい取引相手がデフォルトリスクにどのように貢献するかを可視化することで、解釈可能なネットワークベースの説明を提供する。 認定信用格付け機関と共同で、DefaultGNNの予測が既存の信用格付けモデルを補完し、承認企業間のデフォルトリスクを増大させることなく、承認率を7-11%向上させることを検証する。 ソースコードはhttps://github.com/jhkim611/DefaultGNNで確認できる。

関連論文リスト

• Enhancing a Risk Model by Adding Transient Statistical Factors [90.40844650665713]
  資産収益の推定は、金融ポートフォリオの構築と評価の鍵となる要素である。 既存の因子モデルを強化するために,最大推定値に基づく体系的手法を提案する。 提案した拡張は,元のモデルに欠落したリターンの構造をキャプチャすることを示す。
  論文  参考訳（メタデータ） (2026-05-13T04:15:24Z)
• GoAT-X: A Graph of Auditing Thoughts for Securing Token Transactions in Cross-Chain Contracts [52.51342355102833]
  マルチチェーンエコシステムの重要な基盤であるクロスチェーンブリッジは、攻撃者にとって主要なターゲットとなっている。 バイトコードレベルの静的解析のような既存の防御は、チェーン間の相互作用のセマンティックな複雑さを扱うには不十分である。 パターンマッチングから体系的な第一原理検証へ自動的なクロスチェーンスマートコントラクト監査を移行するフレームワークであるGoAT-Xを提案する。
  論文  参考訳（メタデータ） (2026-04-27T11:34:21Z)
• CREDIT: Certified Ownership Verification of Deep Neural Networks Against Model Extraction Attacks [54.04030169323115]
  我々は、モデル抽出攻撃(MEA)に対する認証された所有権検証であるCREDITを紹介する。 DNNモデル間の類似性を定量化し、実用的な検証しきい値を提案し、このしきい値に基づいてオーナシップ検証を行うための厳密な理論的保証を提供する。 我々は、さまざまなドメインやタスクにまたがるいくつかの主流データセットに対するアプローチを広範囲に評価し、最先端のパフォーマンスを実現した。
  論文  参考訳（メタデータ） (2026-02-23T23:36:25Z)
• A Multimodal Approach to SME Credit Scoring Integrating Transaction and Ownership Networks [1.5195875673410624]
  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。
  論文  参考訳（メタデータ） (2025-10-10T14:02:05Z)
• 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)
• Prediction of Bank Credit Ratings using Heterogeneous Topological Graph Neural Networks [2.7613060052810914]
  本研究は、持続的ホモロジーを利用して、銀行間の関係を捉えるネットワークを構築し、これを従来の貸与ネットワークと組み合わせ、異種ネットワークを構築する。 グローバルな実世界のデータセットの実験は、HTGNNの有効性を検証する。 本研究は、積極的なリスク軽減と効果的な市場介入の実施を促進するために、投資家や規制機関に影響を及ぼす。
  論文  参考訳（メタデータ） (2025-05-17T13:49:25Z)
• From Mean to Extreme: Formal Differential Privacy Bounds on the Success of Real-World Data Reconstruction Attacks [54.25638567385662]
  機械学習における微分プライバシーは、しばしばメンバーシップ推論に対する保証として解釈される。 DP予算を定量的な保護に翻訳することで、データ再構築の脅威を悪化させることは、依然として困難な課題である。 本稿では、実証された"ゼロスクラッチ"攻撃のメカニズムに合わせた、最初の公式なプライバシー境界を導出することで、臨界ギャップを埋める。
  論文  参考訳（メタデータ） (2024-02-20T09:52:30Z)
• 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)
• 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)
• Every Corporation Owns Its Structure: Corporate Credit Ratings via Graph Neural Networks [2.7910505923792637]
  本稿では,グラフニューラルネットワークを用いた企業信用評価モデルCCR-GNNを提案する。 まず、まず、セルフアウトの製品に基づいて各企業の個々のグラフを構築し、次に、GNNを使用して機能相互作用を明示的にモデル化する。 中国の上場企業評価データセットで実施された実験は、CCR-GNNが最先端の手法を一貫して上回っていることを証明している。
  論文  参考訳（メタデータ） (2020-11-27T02:57:14Z)

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。