グラフニューラルネットワークを用いた企業破産予測に対するリスクと伝染リスクの組合せ【JST・京大機械翻訳】

Zhao Yu; Wei Shaopeng; Guo Yu; Yang Qing; Chen Xingyan; Li Qing; Zhuang Fuzhen; Liu Ji; Kou Gang

プレプリント

J-GLOBAL ID：202202220268898608 整理番号：22P0286486

グラフニューラルネットワークを用いた企業破産予測に対するリスクと伝染リスクの組合せ【JST・京大機械翻訳】

Combining Intra-Risk and Contagion Risk for Enterprise Bankruptcy Prediction Using Graph Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年01月31日プレプリントサーバーでの情報更新日： 2022年07月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

小規模および中規模企業(SMEs)の銀行リスクの予測は,ローンに関する決定を行うとき,金融機関の重要なステップである。しかし,財政およびAI研究分野における既存の研究は,企業のリスクまたは伝染リスクのいずれかを考慮する傾向があり,それらの相互作用および組合せ効果を無視している。本研究は,銀行性予測におけるリスクのタイプとそれらの共同効果の両方について初めて考察した。特に,リスク学習のための統計的に有意な企業リスク指標に基づく企業内リスク符号器を提案した。次に,企業知識グラフからの企業関係情報に基づく企業コンタゴーションリスク符号器を,そのコンタグリスク埋込みのために提案する。特に,衝突リスク符号器は,2つの異なる側面,すなわち,ハイパーエッジに基づく共通危険因子と近隣からの直接拡散リスク,におけるコンタゴーションリスクをモデル化できる,新しく提案したHyper-VoIPニューラルネットワークと異種グラフニューラルネットワークの両方を含む。モデルを評価するために,SMEsに関する実世界マルチソースデータを収集し,SMEsDと呼ばれる新しいベンチマークデータセットを構築した。金融リスク分析に関する研究をさらに促進することが期待されるデータセットへのオープンアクセスを提供した。12の最先端のベースラインに対するSMEsDに関する実験は,銀行予測に対する提案モデルの有効性を実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

経営工学一般

, , , , , ,

前のページに戻る