توسعه مدل پیش بینی ریسک با استفاده از شبکه های عصبی گرافی (GNN) برای تحلیل شبکه تعاملات سرمایه گذاران در تامین مالی جمعی

تامین مالی جمعی به عنوان یکی از ابزارهای نوین تامین سرمایه در سال های اخیر رشد قابل توجهی در ایران پیدا کرده است؛ با این حال، تنوع رفتار سرمایه گذاران و تفاوت کیفیت پروژه ها موجب شکل گیری ریسک های متعدد در این بازار شده است. پژوهش حاضر با هدف ارائه مدلی برای پیش بینی ریسک پروژه های تامین مالی جمعی بر اساس شبکه تعاملات سرمایه گذاران و بهره گیری از شبکه های عصبی گرافی (GAT) انجام شد. داده های پژوهش شامل ۸۵۰ سرمایه گذار، ۱۲۰ پروژه و ۷۵۰۰ تراکنش از یک سکوی دارای مجوز در بازه سال های ۱۴۰۰ تا ۱۴۰۳ است. ابتدا گراف هم سرمایه گذاری سرمایه گذاران ساخته شد و سپس ویژگی های شبکه ای و نمایش نهفته گرافی با استفاده از GAT استخراج گردید. مدل پیشنهادی با سه مدل مقایسه ای شامل رگرسیون لجستیک، جنگل تصادفی و XGBoost مقایسه شد. نتایج نشان داد مدل GAT عملکرد برتری در پیش بینی ریسک دارد و با دستیابی به دقت ۸۹/۱ و ROC-AUC برابر ۹۲، توانست روابط شبکه ای و الگوهای رفتاری سرمایه گذاران را به طور معناداری شناسایی کند. یافته ها نشان می دهد تحلیل شبکه ای و استفاده از مدل های گراف محور می تواند ابزاری کارآمد برای مدیریت ریسک و تصمیم گیری در سکوهای ایرانی تامین مالی جمعی باشد.

کلیدواژه ها:

تامین مالی جمعی ، پیش بینی ریسک ، شبکه های عصبی گرافی ، تعاملات سرمایه گذاران ، هوش مصنوعی