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。
图神经网络在金融中的应用综述
- 摘要
- 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
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。