44,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
22 °P sammeln
  • Broschiertes Buch

Este livro integra a investigação sobre o risco financeiro das empresas com a tecnologia de redes neuronais gráficas (GNN) para enfrentar os desafios da análise de dados financeiros complexos e as interligações entre empresas. Explora três áreas-chave: 1. Representação dinâmica de gráficos: Propõe-se um quadro para a aprendizagem de representações gráficas dinâmicas com base em papéis estruturais, capturando a evolução temporal e as dependências topológicas globais, marcando a primeira utilização da aprendizagem recorrente neste contexto: Um algoritmo GNN duplo é introduzido para modelar as…mehr

Produktbeschreibung
Este livro integra a investigação sobre o risco financeiro das empresas com a tecnologia de redes neuronais gráficas (GNN) para enfrentar os desafios da análise de dados financeiros complexos e as interligações entre empresas. Explora três áreas-chave: 1. Representação dinâmica de gráficos: Propõe-se um quadro para a aprendizagem de representações gráficas dinâmicas com base em papéis estruturais, capturando a evolução temporal e as dependências topológicas globais, marcando a primeira utilização da aprendizagem recorrente neste contexto: Um algoritmo GNN duplo é introduzido para modelar as relações dinâmicas e complexas entre empresas e os efeitos de transbordamento de impulso, oferecendo uma nova abordagem para analisar o seu impacto na volatilidade do mercado de valores mobiliários.3. Interpretabilidade do risco financeiro: Para ultrapassar a natureza de caixa negra dos modelos de aprendizagem profunda, é desenvolvida uma estrutura GNN heterogénea para gerar subgrafos de provas que revelam factores internos e externos que afectam o risco financeiro das empresas, aumentando a transparência do modelo. Os resultados experimentais validam os métodos propostos, mostrando melhorias em várias tarefas, ao mesmo tempo que aumentam significativamente a interpretabilidade do modelo com tempos de inferência mais rápidos.
Autorenporträt
Huaming Du se doctoró en la Southwestern University of Finance and Economics. Sus intereses de investigación incluyen la inferencia causal, los LLM, Fintech y el aprendizaje de representación gráfica. Ha publicado artículos en conferencias y revistas como KDD, IEEE TKDE, IEEE TETC, etc.