Beyond the Pre-Service Horizon: Infusing In-Service Behavior for Improved Financial Risk Forecasting
Created by
Haebom
저자
Senhao Liu, Zhiyu Guo, Zhiyuan Ji, Yueguo Chen, Yateng Tang, Yunhai Wang, Xuehao Zheng, Xiang Ao
개요
본 논문은 금융 위험 관리에서 사전 위험 평가와 서비스 중 부도 감지 단계를 통합하는 새로운 프레임워크인 다중 그레인 지식 증류(MGKD)를 제안합니다. MGKD는 서비스 중 사용자 행동 데이터를 활용하여 사전 위험 예측 성능을 향상시키는 것을 목표로 합니다. 서비스 중 데이터로 학습된 teacher 모델이 사전 데이터로 학습된 student 모델을 지도하는 지식 증류 개념을 따르며, coarse-grained, fine-grained, self-distillation을 포함하는 다중 그레인 증류 전략을 통해 teacher와 student 모델의 표현과 예측을 정렬합니다. 소수 클래스에 대한 모델의 편향을 완화하기 위해 재가중 전략을 채택하며, Tencent 모바일 결제의 대규모 실제 데이터셋을 사용한 실험 결과를 통해 offline 및 online 환경 모두에서 제안된 접근 방식의 효과를 보여줍니다.
시사점, 한계점
•
시사점:
◦
사전 위험 평가와 서비스 중 부도 감지 단계를 통합하여 사전 위험 예측 정확도 향상.
◦
다중 그레인 지식 증류 전략을 통해 teacher 모델의 지식을 student 모델에 효과적으로 전달.
◦
소수 클래스 편향 완화를 위한 재가중 전략 적용.
◦
실제 대규모 데이터셋을 활용한 실험 결과를 통해 접근 방식의 실효성 검증.
•
한계점:
◦
특정 모바일 결제 데이터셋에 대한 실험 결과만 제시, 다른 금융 서비스나 데이터셋으로의 일반화 가능성에 대한 추가 연구 필요.
