A Multimodal Approach to SME Credit Scoring Integrating Transaction and Ownership Networks
Sahab Zandi, Kamesh Korangi, Juan C. Moreno-Paredes, María Óskarsdóttir, Christophe Mues, Cristián Bravo
众所周知,中小企业(SME)在经济增长、就业和创新方面起着至关重要的作用。 然而,由于金融历史有限、抵押品限制和宏观经济冲击的风险,他们在获得信贷方面往往面临重大挑战。 这些挑战使得放款人准确的信用风险评估至关重要,特别是因为中小企业经常在相互关联的公司网络中运作,从而可以传播违约风险。 本文介绍并测试了一种新的方法,利用著名金融机构提供的一套独特的大型中小企业贷款数据集,对中小企业信贷风险进行建模。 具体来说,我们的方法使用Graph Neural Networks来预测中小企业的违约情况,这些数据来自公司之间的共同所有权和金融交易。 我们表明,将这些信息与传统结构化数据相结合,不仅可以提高应用程序评分性能,还可以明确模拟公司之间的传染风险。 进一步的分析表明,这些联系的方向性和强度如何影响金融风险传染,从而更深入地了解潜在的过程。 我们的研究结果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。
Small and Medium-sized Enterprises (SMEs) are known to play a vital role in economic growth, employment, and innovation. However, they tend to face significant challenges in accessing credit due to limited financial histories, collateral constraints, and exposure to macroeconomic shocks. These challenges make an accurate credit risk assessment by lenders crucial, particularly since SMEs frequently operate within interconnected firm networks through which default risk can propagate. This paper pr...
