Credit Risk Identification in Supply Chains Using Generative Adversarial Networks

要約

サプライチェーン内の信用リスク管理は、経営の安定性と財務の持続可能性に重大な影響を与えるため、重要な研究分野として浮上しています。
サプライチェーン参加者間の複雑な相互依存関係は、信用リスクがネットワーク全体に伝播する可能性があり、その影響は業界によって異なります。
この研究では、サプライチェーンにおける信用リスクの特定を強化するための敵対的生成ネットワーク (GAN) のアプリケーションを調査します。
GAN により、合成信用リスク シナリオの生成が可能になり、データ不足やデータセットの不均衡に関連する課題に対処できます。
このモデルは、GAN で生成されたデータを活用することで、サプライ チェーン データの動的および時間的な依存関係を効果的にキャプチャしながら、予測精度を向上させます。
この調査は、製造（鉄鋼）、流通（医薬品）、サービス（電子商取引）の 3 つの代表的な業界に焦点を当て、業界特有の信用リスクの伝染を評価しています。
実験結果は、GAN ベースのモデルがロジスティック回帰、デシジョン ツリー、ニューラル ネットワークなどの従来の手法よりも優れたパフォーマンスを示し、優れた精度、再現率、F1 スコアを達成することを示しています。
この調査結果は、プロアクティブなリスク管理における GAN の可能性を強調し、サプライチェーンにおける財務上の混乱を軽減するための強力なツールを提供します。
今後の研究では、外部の市場要因やサプライヤーとの関係を組み込んでモデルを拡張し、予測能力をさらに強化する可能性があります。
キーワード – 敵対的生成ネットワーク (GAN)。
サプライチェーンのリスク。
信用リスクの特定。
機械学習;
データ拡張

要約(オリジナル)

Credit risk management within supply chains has emerged as a critical research area due to its significant implications for operational stability and financial sustainability. The intricate interdependencies among supply chain participants mean that credit risks can propagate across networks, with impacts varying by industry. This study explores the application of Generative Adversarial Networks (GANs) to enhance credit risk identification in supply chains. GANs enable the generation of synthetic credit risk scenarios, addressing challenges related to data scarcity and imbalanced datasets. By leveraging GAN-generated data, the model improves predictive accuracy while effectively capturing dynamic and temporal dependencies in supply chain data. The research focuses on three representative industries-manufacturing (steel), distribution (pharmaceuticals), and services (e-commerce) to assess industry-specific credit risk contagion. Experimental results demonstrate that the GAN-based model outperforms traditional methods, including logistic regression, decision trees, and neural networks, achieving superior accuracy, recall, and F1 scores. The findings underscore the potential of GANs in proactive risk management, offering robust tools for mitigating financial disruptions in supply chains. Future research could expand the model by incorporating external market factors and supplier relationships to further enhance predictive capabilities. Keywords- Generative Adversarial Networks (GANs); Supply Chain Risk; Credit Risk Identification; Machine Learning; Data Augmentation

arxiv情報

提供元, 利用サービス

arxiv.jp, Google