结合内部风险与传染风险基于图神经网络的企业破产预测

预测中小企业（SMEs）的破产风险是金融机构进行贷款决策的重要步骤。然而，金融与人工智能研究领域的现有研究往往只考虑企业的内部风险或传染风险之一，忽略了二者的交互与组合效应。本研究首次在破产预测中同时考虑两类风险及其联合效应。具体而言，我们首先基于具有统计显著性的企业风险指标提出企业内部风险编码器以学习其内部风险。随后，我们基于来自企业知识图谱的企业关系信息提出企业传染风险编码器以嵌入其传染风险。特别地，传染风险编码器同时包含新提出的超图神经网络与异质图神经网络，可分别从基于超边的共同风险因子与来自邻居的直接扩散风险两个不同方面建模传染风险。为评估模型，我们收集了真实世界多源中小企业数据并构建了名为 SMEsD 的新基准数据集。我们开放该数据集的访问，期望进一步促进金融风险分析研究。在 SMEsD 上与十二个最先进基线的实验证明了所提模型在破产预测上的有效性。