研究人员推出 DeXposure-FM，这是一种新颖的时间序列图基础模型，旨在量化和预测去中心化金融 (DeFi) 网络中的信用敞口。该模型旨在解决 DeFi 互联代币系统中固有的传染风险，这些风险可能导致金融冲击的失控传播。DeXposure-FM 使用图-表格编码器，并在包含数千个协议和区块链的超过 4370 万条记录的大型数据集上进行了训练。与现有的图基础模型和时间图神经网络相比，该模型在机器学习基准测试中表现出卓越的性能，并为 DeFi 中的宏观审慎监测和压力测试提供了工具。 AI
影响 通过提供更好的信用敞口预测和监测工具，该模型可以增强去中心化金融网络的稳定性和风险管理。
排序理由 这是一篇描述新模型和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- decentralized finance
- DeXposure-FM
- Fengxiang He
- Gotit.pub
- Hugging Face
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
