論文の概要: Learning Sampling in Financial Statement Audits using Vector Quantised
Autoencoder Neural Networks
- arxiv url: http://arxiv.org/abs/2008.02528v1
- Date: Thu, 6 Aug 2020 09:02:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 06:45:50.731893
- Title: Learning Sampling in Financial Statement Audits using Vector Quantised
Autoencoder Neural Networks
- Title(参考訳): ベクトル量子化オートエンコーダニューラルネットワークを用いた財務文書監査における学習サンプリング
- Authors: Marco Schreyer, Timur Sattarov, Anita Gierbl, Bernd Reimer and Damian
Borth
- Abstract要約: 本稿では,Vector Quantized-Variational Autoencoder (VQ-VAE) ニューラルネットワークの応用を提案する。
実世界の2つの決済データセットに基づいて、そのようなニューラルネットワークが会計データの定量化表現を学習できることを実証する。
- 参考スコア(独自算出の注目度): 1.2205797997133396
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The audit of financial statements is designed to collect reasonable assurance
that an issued statement is free from material misstatement 'true and fair
presentation'. International audit standards require the assessment of a
statements' underlying accounting relevant transactions referred to as 'journal
entries' to detect potential misstatements. To efficiently audit the increasing
quantities of such entries, auditors regularly conduct a sample-based
assessment referred to as 'audit sampling'. However, the task of audit sampling
is often conducted early in the overall audit process. Often at a stage, in
which an auditor might be unaware of all generative factors and their dynamics
that resulted in the journal entries in-scope of the audit. To overcome this
challenge, we propose the application of Vector Quantised-Variational
Autoencoder (VQ-VAE) neural networks. We demonstrate, based on two real-world
city payment datasets, that such artificial neural networks are capable of
learning a quantised representation of accounting data. We show that the
learned quantisation uncovers (i) the latent factors of variation and (ii) can
be utilised as a highly representative audit sample in financial statement
audits.
- Abstract(参考訳): ファイナンシャルステートメントの監査は、発行されたステートメントが「真実で公正なプレゼンテーション」という内容の誤記のないことを合理的に保証するように設計されている。
国際監査基準は、潜在的な誤記を検出するために「定期的エントリー」と呼ばれる、ステートメントの基盤となる関連取引の評価を必要とする。
このような項目の増加を効率的に監査するため、監査人は定期的に「監査サンプリング」と呼ばれるサンプルベースの評価を行う。
しかし, 監査作業は, 監査プロセス全体において早期に実施されることが多い。
しばしば、監査人が全ての生成要因とそのダイナミクスに気付いていない場合があり、その結果、監査のスコープ内のジャーナルエントリが生じる。
この課題を解決するために,ベクトル量子可変オートエンコーダ(VQ-VAE)ニューラルネットワークを提案する。
実世界の2つの決済データセットに基づいて、そのようなニューラルネットワークが会計データの定量化表現を学習できることを実証する。
学習した量子化が
(i)変動の潜在要因と要因
(ii) 財務諸表監査における代表的監査サンプルとして活用することができる。
関連論文リスト
- From Chaos to Clarity: Claim Normalization to Empower Fact-Checking [57.024192702939736]
Claim Normalization(別名 ClaimNorm)は、複雑でノイズの多いソーシャルメディア投稿を、より単純で分かりやすい形式に分解することを目的としている。
本稿では,チェーン・オブ・ソートとクレーム・チェック・バシネス推定を利用した先駆的アプローチであるCACNを提案する。
実験により, CACNは様々な評価尺度において, いくつかの基準値を上回る性能を示した。
論文 参考訳(メタデータ) (2023-10-22T16:07:06Z) - Risk-limiting Financial Audits via Weighted Sampling without Replacement [47.189919138260066]
$N$の取引が与えられた場合、目標は、不正な通貨の合計分を所定の精度で見積もることである。
重み付き平均値が未知の値に対して新しい信頼シーケンスを構築することでこれを行う。
側情報が十分に予測可能な場合には,直接サンプリングを行うことができることを示す。
論文 参考訳(メタデータ) (2023-05-08T17:34:06Z) - PULL: Reactive Log Anomaly Detection Based On Iterative PU Learning [58.85063149619348]
本稿では,推定故障時間ウィンドウに基づくリアクティブ異常検出のための反復ログ解析手法PULLを提案する。
我々の評価では、PULLは3つの異なるデータセットで10のベンチマークベースラインを一貫して上回っている。
論文 参考訳(メタデータ) (2023-01-25T16:34:43Z) - Flexible categorization for auditing using formal concept analysis and
Dempster-Shafer theory [55.878249096379804]
我々は、異なる金融口座に対する異なる利息の程度に応じて分類する様々な方法を研究する。
本稿で開発したフレームワークは,説明可能な分類の獲得と研究のための公式な基盤を提供する。
論文 参考訳(メタデータ) (2022-10-31T13:49:16Z) - Federated Continual Learning to Detect Accounting Anomalies in Financial
Auditing [1.2205797997133396]
本稿では,分散クライアントから監査モデルを継続的に学習できるフェデレーション型継続的学習フレームワークを提案する。
組織活動の共通シナリオにおける会計異常を検知するフレームワークの能力を評価する。
論文 参考訳(メタデータ) (2022-10-26T21:33:08Z) - RESHAPE: Explaining Accounting Anomalies in Financial Statement Audits
by enhancing SHapley Additive exPlanations [1.3333957453318743]
本稿では,集約属性レベルのモデル出力を説明するRESHAPEを提案する。
以上の結果から,RESHAPEは最先端のベースラインと比較して多目的に説明できるという実証的証拠が得られた。
金融監査における非教師なしDL技術導入の次のステップとして,このような属性レベルの説明を想定する。
論文 参考訳(メタデータ) (2022-09-19T16:23:43Z) - Federated and Privacy-Preserving Learning of Accounting Data in
Financial Statement Audits [1.4986031916712106]
本稿では,複数のクライアントの関連会計データを監査する上で,DLモデルを訓練するためのフェデレートラーニングフレームワークを提案する。
都市給付の実際の3つのデータセットにおける会計異常を検出するためのアプローチを評価する。
論文 参考訳(メタデータ) (2022-08-26T15:09:18Z) - Algorithmic Fairness and Vertical Equity: Income Fairness with IRS Tax
Audit Models [73.24381010980606]
本研究は、IRSによる税務監査選択を通知するシステムの文脈におけるアルゴリズムフェアネスの問題について検討する。
監査を選択するための柔軟な機械学習手法が、垂直エクイティにどのように影響するかを示す。
この結果は,公共セクター全体でのアルゴリズムツールの設計に影響を及ぼす。
論文 参考訳(メタデータ) (2022-06-20T16:27:06Z) - Continual Learning for Unsupervised Anomaly Detection in Continuous
Auditing of Financial Accounting Data [1.9659095632676094]
国際監査基準では、財務諸表の根底にある会計ジャーナルの項目を直接評価する必要がある。
大量のジャーナルエントリデータを調べるために、ディープラーニングにインスパイアされた監査技術が出現した。
本研究は、両課題を克服し、ジャーナルエントリデータエクスペリエンスのストリームから学ぶように設計された連続的異常検出フレームワークを提案する。
論文 参考訳(メタデータ) (2021-12-25T09:21:14Z) - Multi-view Contrastive Self-Supervised Learning of Accounting Data
Representations for Downstream Audit Tasks [1.9659095632676094]
国際監査基準では、財務諸表の根底にある会計取引を直接評価する必要がある。
ディープラーニングにインスパイアされた監査技術は、大量のジャーナルエントリデータを監査する分野に現れている。
本研究では,監査タスク不変な会計データ表現の学習を目的とした,自己指導型自己学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-09-23T08:16:31Z) - Generating Fact Checking Explanations [52.879658637466605]
まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。
本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。
この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
論文 参考訳(メタデータ) (2020-04-13T05:23:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。