Ricerca sulla predizione e sull'interpretabilit? del rischio d'impresa basata sui GNN. Dieser Artikel ist nicht verfügbar.Ricerca sulla predizione e sull'interpretabilit? del rischio d'impresa basata sui GNN

Questo libro integra la ricerca sul rischio finanziario aziendale con la tecnologia delle reti neurali a grafo (GNN) per affrontare le sfide dell'analisi di dati finanziari complessi e delle interconnessioni tra imprese. Esplora tre aree chiave: 1. Rappresentazione dinamica dei grafi: Viene proposto un framework per l'apprendimento di rappresentazioni dinamiche dei grafi basate su ruoli strutturali, che catturano l'evoluzione temporale e le dipendenze topologiche globali, segnando il primo uso dell'apprendimento ricorrente in questo contesto.2. Effetti di momentum spillover: Viene introdotto un algoritmo GNN duale per modellare le dinamiche e complesse relazioni tra imprese e gli effetti di momentum spillover, offrendo un nuovo approccio per analizzare il loro impatto sulla volatilità del mercato dei titoli.3. Interpretabilità del rischio finanziario: Per superare la natura black-box dei modelli di deep learning, viene sviluppato un framework GNN eterogeneo per generare sottografi di evidenza che rivelano i fattori interni ed esterni che influenzano il rischio finanziario dell'impresa, migliorando la trasparenza del modello. I risultati sperimentali convalidano i metodi proposti, mostrando miglioramenti in diversi compiti e migliorando significativamente l'interpretabilità del modello con tempi di inferenza più rapidi.

Huaming Du se doctoró en la Southwestern University of Finance and Economics. Sus intereses de investigación incluyen la inferencia causal, los LLM, Fintech y el aprendizaje de representación gráfica. Ha publicado artículos en conferencias y revistas como KDD, IEEE TKDE, IEEE TETC, etc.