Kosar Farajpour Mojdehi · Babak Amiri · Amirali Haddadi · IEEE Access · 2025年1月

能源领域供应链金融SCF因需要可持续高效金融解决方案管理供应商、金融机构和能源公司等利益相关方间复杂互动而成为关键关注领域。本研究提出新型混合拓扑数据分析TDA和图神经网络GNN优化SCF信用风险评估。通过利用BallMapper拓扑数据分析模型和基于网络的特征，所提模型对信用风险因素提供更深入见解，增强中小企业信用风险评估准确性和可靠性。结果表明所提BallMapper-图神经网络BM-GNN模型达到更高准确率和F1分数，优于传统机器学习方法。值得注意的是，将基于网络的特征与财务比率结合在信用...

解读: 该信用风险评估技术对阳光电源供应链金融和客户信用管理具有应用价值。阳光在新能源项目融资和设备租赁场景需要精准的信用风险评估。该研究的图神经网络和拓扑分析方法可集成到阳光金融服务平台，分析客户网络关系和财务数据，识别潜在风险。在光伏储能项目开发中，该技术可评估EPC总包商和业主的信用状况，降低项目风险...