基于图神经网络的中小企业信用风险分析：供应链视角
机器学习
2025-07-22 v2
摘要
中小企业（SME）是现代经济的重要支柱，但其信用风险分析常因数据稀缺而困扰，尤其是缺乏直接信用记录的线上 lending 机构。本文提出一种基于图神经网络（GNN）的框架，利用企业来自交易和社交数据中的相互作用，构建空间依赖关系，以预测贷款违约风险。实验使用来自 Discover 和 Ant Credit 的真实数据集进行测试（供应链分析包含 2340 万节点，违约预测包含 860 万节点），结果表明该 GNN 在传统方法和其他 GNN 框架基准中均取得领先，分别在供应链挖掘和违约预测任务中达到 AUC 为 0.995 和 0.701。该方法还帮助监管机构构建供应链冲击对银行的模型，准确预测因物料短缺导致的贷款违约，并为联邦储备局的压力测试提供 CCAR 风险缓冲所需的关键数据。该方法为评估中小企业信用风险提供了一个可扩展且高效的工具。
引用
@article{arxiv.2507.07854,
title = {Credit Risk Analysis for SMEs Using Graph Neural Networks in Supply Chain},
author = {Zizhou Zhang and Qinyan Shen and Zhuohuan Hu and Qianying Liu and Huijie Shen},
journal= {arXiv preprint arXiv:2507.07854},
year = {2025}
}
备注
The paper will be published on 2025 International Conference on Big Data, Artificial Intelligence and Digital Economy