一种基于图神经网络的关联性信贷违约预警方法

本申请公开了基于图神经网络的关联性信贷违约预警方法，所述方法包括以下步骤：S1：多源跨机构数据融合与动态图构建；S2：时空图神经网络模型设计，以输出最终风险评分；S3：联邦学习框架：本地训练：各参与机构在本地训练子图模型，保留敏感数据；参数聚合：中央服务器聚合梯度信息，使用差分隐私添加高斯噪声；模型更新：时空图神经网络模型通过加权平均更新参数，支持异构图结构；S4：风险预警与可解释性输出。本申请至少具有以下有益效果：全面风险覆盖：动态异构图构建：整合多源异构数据，显性/隐性关系并重，构建包含企业、个人、地理节点的动态图，通过时间衰减函数动态调整边权重，量化关联强度的时效性。