本文是与GNN有关的论文综述，针对《A Review on Graph Neural Network Methods in Financial Applications》的翻译。

摘要

金融数据具有多个组成部分和多个关系，通常以图形数据的形式表示，因为它既可以表示单个特征，也可以表示复杂的关系。由于金融市场的复杂性和波动性，在金融数据上构建的图往往是异构的或时变的，这对建模技术提出了挑战。在图建模技术中，图神经网络（GNN）模型能够处理复杂的图结构并取得良好的性能，因此可以用于解决财务任务。在这项工作中，我们对最近金融背景下的GNN模型进行了全面的回顾。我们首先对常用的财务图进行分类，并总结每个节点的特征处理步骤。然后，我们总结了每种图类型的GNN方法，在每个领域的应用，并提出了一些潜在的研究领域。

1 引言

2 图分类

3 特征处理

4 图神经网络模型

5 应用

6 挑战