基于图神经网络的金融征信研究

金融机构对申请借贷的用户进行信用评价是互联网金融领域的前沿方向之一。首先,基于互联网金融借贷网络历史数据,通过用户间借贷关系的网络化建模来反映融合用户节点与周边关系节点相互作用的借贷关联作用的复杂网络。其次,通过引入基于节点中心性结构特征指标的图神经网络模型,提出了具有邻接圈层信息与借贷信用信息耦合的个人征信评估模型。最后,模型在包含756100条交易记录的历史数据集上运行实现,并与BP神经网络算法和RF-Logistic模型进行了对比,结果显示所提模型具有更高的评估准确率。

基于复杂网络的我国银行共同贷款关系网络研究

本文利用银行对上市公司信用贷款的2一模数据构建我国银行共同贷款关系网络,从复杂网络视角利用社会网络分析法对该网络的拓扑结构特征进行分析,并分析其隐含的经济含义。中心性检验表明,银行共同贷款关系网络的权力大致排序为国有商业银行、全国性股份商业银行、政策性银行、城市商业银行;关联性分析表明,我国银行共同贷款关系网络具有明显的小世界特性;核心一边缘检测表明,处于核心区域的银行主要是国有商业银行,其他银行则构成了边缘区域;关系数据的相关性和回归分析表明,我国银行共同贷款关系网络的形成与注册地、银行性质、银行盈利能力有关,而与银行贷款的风险水平不相关。

分布式网络、复杂性与金融风险治理——一个多层级政府行为的分析框架

本文以G省网络借贷的金融风险治理为经验案例,呈现出中国多层级政府面对网络借贷这一新经济模式遇到的治理挑战。互联网的分布式网络结构产生了信息运行新模式与金融风险新特征即复杂性(可分为涌现性、集成性和连通性),使得各层级政府面对的信息优劣势位和风险结构特征不同,由此采取适应具体情景的差异化应对策略。