Universal representations for financial transactional data: embracing local, global, and external contexts

要約

銀行データ分析には金融取引の効果的な処理が不可欠です。
ただし、この分野では、ほとんどの方法は、多くの問題に適した普遍的な表現を構築するのではなく、スタンドアロンの問題に対する特殊な解決策に焦点を当てています。
さまざまなビジネス課題に対処する表現学習フレームワークを紹介します。
また、データの詳細を考慮した新しい生成モデルや、他の顧客の行動からの洞察を活用して外部情報をクライアントの表現に統合する方法も提案します。
最後に、取引履歴全体に関するグローバルな表現品質を記述するベンチマークを提供します。
ローカルで、クライアントの現在の状態を反映します。
そして時間の経過に伴う表現の進化を動的に捉えます。
当社の生成的アプローチは、ローカル タスクで優れたパフォーマンスを示し、既存の対照的なベースラインから次の MCC 予測タスクでは ROC-AUC が最大 14\%、下流タスクでは最大 46\% 増加しました。
外部情報を組み込むと、スコアがさらに 20\% 向上します。

要約(オリジナル)

Effective processing of financial transactions is essential for banking data analysis. However, in this domain, most methods focus on specialized solutions to stand-alone problems instead of constructing universal representations suitable for many problems. We present a representation learning framework that addresses diverse business challenges. We also suggest novel generative models that account for data specifics, and a way to integrate external information into a client’s representation, leveraging insights from other customers’ actions. Finally, we offer a benchmark, describing representation quality globally, concerning the entire transaction history; locally, reflecting the client’s current state; and dynamically, capturing representation evolution over time. Our generative approach demonstrates superior performance in local tasks, with an increase in ROC-AUC of up to 14\% for the next MCC prediction task and up to 46\% for downstream tasks from existing contrastive baselines. Incorporating external information improves the scores by an additional 20\%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google