Predicting Invoice Dilution in Supply Chain Finance with Leakage Free Two Stage XGBoost, KAN (Kolmogorov Arnold Networks), and Ensemble Models

Created by

Haebom

저자

Pavel Koptev, Vishnu Kumar, Konstantin Malkov, George Shapiro, Yury Vikhanov

💡 개요

본 논문은 공급망 금융에서 발생하는 송장 희석(invoice dilution) 문제를 해결하기 위해, 기존의 면책 조항(IPU) 방식이 가진 제약을 극복하는 새로운 AI/ML 기반 예측 프레임워크를 제안합니다. 제안된 프레임워크는 XGBoost, KAN, 앙상블 모델을 활용하여 실시간으로 구매자-공급업체 쌍별 송장 희석 위험을 예측하며, 실제 운영 데이터를 통해 검증되었습니다. 이를 통해 데이터 기반 동적 신용 한도 설정을 지원하고 공급망 금융 도입을 촉진할 수 있습니다.

🔑 시사점 및 한계

•

데이터 기반의 실시간 동적 신용 한도 설정을 통해 송장 희석 위험을 효과적으로 예측하고 관리할 수 있습니다.

•

기존의 면책 조항(IPU) 방식의 단점을 보완하여 공급망 금융의 도입 및 확대를 촉진할 수 있습니다.

•

제안된 AI/ML 프레임워크의 성능을 향상시키기 위한 추가적인 특징 엔지니어링 및 모델 튜닝이 필요할 수 있습니다.

PDF 보기

Made with Slashpage