一种整合交易与所有权网络的中小企业信用评分多模态方法
综合金融
2025-10-13 v1 机器学习
摘要
中小企业（SMEs）已知在经济增长、就业和创新中发挥着重要作用。然而，由于有限的财务历史、抵押约束以及暴露于宏观经济冲击，它们在获取信贷方面往往面临重大挑战。这些挑战使贷款方进行准确的信用风险评估至关重要，尤其是因为中小企业经常在相互关联的企业网络中运营，违约风险可通过这些网络传播。本文提出并检验了一种建模中小企业信贷风险的新方法，使用了一家知名金融机构提供的独特的大规模中小企业贷款数据集。具体而言，我们的方法采用图神经网络，利用源自企业共同所有权和财务交易的多层网络数据来预测中小企业违约。我们表明，将这些信息与传统结构化数据相结合，不仅提高了申请评分性能，还明确建模了企业之间的传染风险。进一步分析表明，这些连接的方向性和强度如何影响金融风险传染，从而对底层过程有了更深入的理解。我们的发现强调了网络数据的预测能力，以及供应链网络在使中小企业面临相关违约风险方面的作用。
引用
@article{arxiv.2510.09407,
title = {A Multimodal Approach to SME Credit Scoring Integrating Transaction and Ownership Networks},
author = {Sahab Zandi and Kamesh Korangi and Juan C. Moreno-Paredes and María Óskarsdóttir and Christophe Mues and Cristián Bravo},
journal= {arXiv preprint arXiv:2510.09407},
year = {2025}
}