來自 Skoltech 和一家主要?dú)W洲銀行的研究人員開發(fā)了一種神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)在使用交易銀行數(shù)據(jù)進(jìn)行客戶信用評分方面優(yōu)于現(xiàn)有的最先進(jìn)解決方案。該研究發(fā)表在 2020 年 IEEE 數(shù)據(jù)挖掘國際會議 (ICDM) 的論文集上。

機(jī)器學(xué)習(xí)算法已經(jīng)廣泛用于風(fēng)險管理，幫助銀行評估客戶及其財務(wù)狀況。“現(xiàn)代人，尤其是銀行客戶，不斷在數(shù)字世界中留下痕跡。例如，客戶可以在支付系統(tǒng)中添加有關(guān)向另一個人轉(zhuǎn)賬的信息。因此，每個人都會獲得大量可以表示為有向圖的連接。這樣的圖表為客戶的評估提供了額外的信息。有效處理和使用有關(guān)客戶端之間連接的豐富異構(gòu)信息是我們研究背后的主要思想，”作者寫道。

統(tǒng)計機(jī)器學(xué)習(xí)小組的負(fù)責(zé)人 Maxim Panov 和來自 Skoltech 的 Kirill Fedyanin 及其同事能夠證明，與僅使用目標(biāo)客戶數(shù)據(jù)的算法相比，使用客戶之間的資金轉(zhuǎn)移數(shù)據(jù)可以顯著提高信用評分的質(zhì)量. 這將有助于為值得信賴的客戶提供更好的報價，同時降低欺詐活動的負(fù)面影響。

“特定銀行客戶的定義屬性之一是他或她與其他人的社交和財務(wù)互動。它促使我們將銀行客戶視為一個相互關(guān)聯(lián)的代理網(wǎng)絡(luò)。因此，這項研究的目標(biāo)是找出著名的諺語“告訴我你的朋友是誰，我會告訴你你是誰”是否適用于金融代理人，”帕諾夫說。

他們的邊權(quán)重共享圖卷積網(wǎng)絡(luò) (EWS-GCN) 使用圖來聚合來自它們的信息并預(yù)測目標(biāo)客戶的信用評級，其中節(jié)點(diǎn)對應(yīng)于銀行客戶的匿名標(biāo)識符，邊是它們之間的交互。新方法的主要特點(diǎn)是能夠按原樣處理出現(xiàn)在銀行數(shù)據(jù)中的大規(guī)模時間圖，即沒有任何通常很復(fù)雜并導(dǎo)致數(shù)據(jù)中包含的信息部分丟失的預(yù)處理。

研究人員對六個模型進(jìn)行了廣泛的實驗比較，EWS-GCN 模型的表現(xiàn)優(yōu)于所有競爭對手。“該模型的成功可以通過三個因素的結(jié)合來解釋。首先，該模型直接處理豐富的交易數(shù)據(jù)，從而最大限度地減少其中包含的信息丟失。其次，模型的結(jié)構(gòu)經(jīng)過精心設(shè)計，使模型具有表現(xiàn)力并有效地參數(shù)化，最后，我們?yōu)檎麄€管道提出了特殊的訓(xùn)練程序，”Panov 指出。

他還說，要在銀行實踐中使用該模型，它必須非?？煽?。“復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型受到對抗性攻擊的威脅，由于我們對這種現(xiàn)象缺乏與我們的模型相關(guān)的知識，我們目前無法在生產(chǎn)過程中使用它，將其留待進(jìn)一步研究，”Panov 總結(jié)道。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！