Andere Kunden interessierten sich auch für
![Studi sui rischi professionali in un'industria di imballaggi in plastica]( "Studi sui rischi professionali in un'industria di imballaggi in plastica")
Studi sui rischi professionali in un'industria di imballaggi in plastica23,99 €![Gestione del rischio e corporate governance nella finanza islamica]( "Gestione del rischio e corporate governance nella finanza islamica")
Gestione del rischio e corporate governance nella finanza islamica23,99 €![Basilea III: requisiti patrimoniali e gestione del rischio bancario]( "Basilea III: requisiti patrimoniali e gestione del rischio bancario")
Basilea III: requisiti patrimoniali e gestione del rischio bancario26,99 €![Gestione del rischio finanziario attraverso le opzioni]( "Gestione del rischio finanziario attraverso le opzioni")
Gestione del rischio finanziario attraverso le opzioni23,99 €![Politica criminale basata sulla sicurezza]( "Politica criminale basata sulla sicurezza")
Politica criminale basata sulla sicurezza23,99 €![Responsabilità sociale d'impresa e performance finanziaria]( "Responsabilità sociale d'impresa e performance finanziaria")
Responsabilità sociale d'impresa e performance finanziaria26,99 €![Rischio di audit nella gestione dei progetti finanziati dal FES]( "Rischio di audit nella gestione dei progetti finanziati dal FES")
Rischio di audit nella gestione dei progetti finanziati dal FES26,99 €
Questo libro integra la ricerca sul rischio finanziario aziendale con la tecnologia delle reti neurali a grafo (GNN) per affrontare le sfide dell'analisi di dati finanziari complessi e delle interconnessioni tra imprese. Esplora tre aree chiave: 1. Rappresentazione dinamica dei grafi: Viene proposto un framework per l'apprendimento di rappresentazioni dinamiche dei grafi basate su ruoli strutturali, che catturano l'evoluzione temporale e le dipendenze topologiche globali, segnando il primo uso dell'apprendimento ricorrente in questo contesto.2. Effetti di momentum spillover: Viene introdotto un algoritmo GNN duale per modellare le dinamiche e complesse relazioni tra imprese e gli effetti di momentum spillover, offrendo un nuovo approccio per analizzare il loro impatto sulla volatilità del mercato dei titoli.3. Interpretabilità del rischio finanziario: Per superare la natura black-box dei modelli di deep learning, viene sviluppato un framework GNN eterogeneo per generare sottografi di evidenza che rivelano i fattori interni ed esterni che influenzano il rischio finanziario dell'impresa, migliorando la trasparenza del modello. I risultati sperimentali convalidano i metodi proposti, mostrando miglioramenti in diversi compiti e migliorando significativamente l'interpretabilità del modello con tempi di inferenza più rapidi.