Ricerca sulla predizione e sull'interpretabilità 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 volatilit?del mercato dei titoli.3. Interpretabilit?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'interpretabilit?del modello con tempi di inferenza pi?rapidi.