혁신적인 AI 모델: 채권 발행 기업의 채무불이행 위험 예측
본 연구는 채권 발행 기업의 채무불이행 위험을 효율적이고 안전하게 예측하는 새로운 AI 모델을 제시합니다. 기업 간 연결 정보와 고유 속성 정보를 통합한 두 단계 학습 방식을 통해 기존 모델의 한계를 극복하고, 실험 결과를 통해 우수한 성능을 입증했습니다.

금융 시장의 안정과 성장을 위해 채권 발행 기업의 채무불이행 위험을 효율적으로 예측하는 것은 매우 중요합니다. 기존의 방법들은 주로 기업의 내부 데이터에만 의존하여 위험을 평가했지만, 이종 그래프 기반 기술은 기업 간의 상호 연결된 정보를 활용하여 특정 채권 발행 기업의 채무불이행 위험 식별을 향상시킵니다.
하지만, 기존의 그래프 기반 기술(예: 라벨 전파 알고리즘, 딥워크)은 기업의 고유한 속성 정보와 위상 네트워크 데이터를 효과적으로 통합하지 못했습니다. 또한, 데이터 부족과 기업 간의 개인 정보 보호 문제로 인해 종단 간 그래프 신경망(GNN) 알고리즘이 목표 작업에 만족할 만한 성능을 제공하지 못하는 경우가 많았습니다.
Li Xurui, Shan Xin, Yin Wenhao, Wang Haijiao 연구팀은 이러한 문제를 해결하기 위해 두 단계 모델을 제시했습니다. 첫 번째 단계에서는 방대한 기업 지식 그래프에서 사전 학습을 위해 혁신적인 Masked Autoencoders for Heterogeneous Graph (HGMAE) 를 사용합니다. 두 번째 단계에서는 사전 학습된 인코더에서 파생된 특징 벡터와 기업의 작업별 특징 벡터를 결합하여 채무불이행 위험 전파 확률을 예측하는 특수 분류기 모델을 학습시킵니다.
이 두 단계 학습 방식을 통해, 모델은 특정 채무불이행 예측 작업에 대한 고유한 채권 특징의 중요성을 높일 뿐만 아니라 다른 기업으로부터 사전 학습된 전역 정보를 안전하고 효율적으로 활용합니다. 실험 결과는 제안된 모델이 채권 발행 기업의 채무불이행 위험 예측에서 기존 방법보다 우수한 성능을 보임을 입증했습니다. 이 연구는 금융 시장의 안정성과 효율성 향상에 크게 기여할 것으로 기대됩니다. 🎉
Reference
[arxiv] Heterogeneous Graph Pre-training Based Model for Secure and Efficient Prediction of Default Risk Propagation among Bond Issuers
Published: (Updated: )
Author: Xurui Li, Xin Shan, Wenhao Yin, Haijiao Wang
http://arxiv.org/abs/2501.03268v1