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
- Auditing for Bias in Ad Delivery Using Inferred Demographic Attributes [50.37313459134418]
広告配信のブラックボックス監査において,予測誤差が偏見の監査に与える影響について検討した。
本稿では,広告配信アルゴリズムのスキュー評価において,推測誤差を軽減する手法を提案する。
論文 参考訳(メタデータ) (2024-10-30T18:57:03Z) - AuditWen:An Open-Source Large Language Model for Audit [20.173039073935907]
本研究では、Qwenを微調整し、監査領域から命令データを構築するオープンソースの監査LCMであるAuditWenを紹介する。
我々は、15の監査タスクと3つのレイヤから28kの命令データセットを構築したQwenを微調整することで、AuditWenと呼ばれる監査LPMを提案する。
評価段階において、アプリケーションシナリオから派生した重要な監査タスクのセットをカバーする3k命令のベンチマークを提案した。
実験の結果,AuditWenは質問理解と回答生成の両方において優れた性能を示し,即時評価ツールとなった。
論文 参考訳(メタデータ) (2024-10-09T02:28:55Z) - Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。
実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
論文 参考訳(メタデータ) (2024-06-05T20:19:09Z) - The Decisive Power of Indecision: Low-Variance Risk-Limiting Audits and Election Contestation via Marginal Mark Recording [51.82772358241505]
リスクリミット監査(リスクリミット監査、RLA)は、大規模な選挙の結果を検証する技術である。
我々は、効率を改善し、統計力の進歩を提供する監査の新たなファミリーを定めている。
新しい監査は、複数の可能なマーク解釈を宣言できるように、キャストボイトレコードの標準概念を再考することで実現される。
論文 参考訳(メタデータ) (2024-02-09T16:23:54Z) - 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) - 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) - 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)
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。