Regulating systemic crises: Stemming the contagion risk in networked-loans through deep graph learning | IEEE Journals & Magazine | IEEE Xplore

在网络借贷的过程中，如果借款公司毁约，担保公司具有向商业银行偿还债务的法律义务。在经济萧条时，违约的风险会向野火般燎原，借贷网络会扩大其覆盖面和影响力，以致大规模的毁约现象甚至系统性金融危机。为避免这一“灰犀牛”，中央银行正着力推动先进的监管技术。因此，我们提出了一个新颖的方法，以帮助监管者评估系统性风险，并在风险较小时进行扼杀。我们使用了目前最先进的图神经网络在全国的借贷网络中侦测和隔离风险的传播。该模型的总体精度达到91%以上的AUC，明显比基准方法表现好。当隔离风险最高的1%的结点后，毁约率显著降低了25。8%。此外，我们还进行了广泛的案例测试和用户调研，以评估方法的性能，结果也表名了其优越性。我们提出的方法打开了使用深度图学习技术估计借贷风险蔓延的新方向，使得决策者能针对系统性金融危机设计更有效的应对策略。