論文の概要: Bankruptcy prediction using disclosure text features
- arxiv url: http://arxiv.org/abs/2101.00719v1
- Date: Sun, 3 Jan 2021 22:23:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 13:36:59.330251
- Title: Bankruptcy prediction using disclosure text features
- Title（参考訳）: 開示テキスト特徴を用いた破産予測
- Authors: Sridhar Ravula
- Abstract要約: 本研究は,経営担当者が財務状況を説明するのに用いた文に基づく新たな苦難辞書を提案する。
これは破産企業と非破産企業の間の言語的特徴の大きな違いを示している。
500の倒産企業の大規模なサンプルを使用して、予測モデルを構築し、財務テキスト分析に使用される2つの辞書と比較する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A public firm's bankruptcy prediction is an important financial research
problem because of the security price downside risks. Traditional methods rely
on accounting metrics that suffer from shortcomings like window dressing and
retrospective focus. While disclosure text-based metrics overcome some of these
issues, current methods excessively focus on disclosure tone and sentiment.
There is a requirement to relate meaningful signals in the disclosure text to
financial outcomes and quantify the disclosure text data. This work proposes a
new distress dictionary based on the sentences used by managers in explaining
financial status. It demonstrates the significant differences in linguistic
features between bankrupt and non-bankrupt firms. Further, using a large sample
of 500 bankrupt firms, it builds predictive models and compares the performance
against two dictionaries used in financial text analysis. This research shows
that the proposed stress dictionary captures unique information from
disclosures and the predictive models based on its features have the highest
accuracy.
- Abstract（参考訳）: 公開企業の破産予測は、セキュリティ価格の下落リスクのため、重要な金融研究問題である。
従来の方法は、ウィンドウドレッシングやふりかえりのフォーカスといった欠点に苦しむ会計基準に依存しています。
開示テキストベースのメトリクスはこれらの問題を克服する一方で、現在の方法は開示のトーンと感情に過度にフォーカスする。
開示テキスト中の有意義な信号を財務結果に関連付け、開示テキストデータを定量化する要件がある。
本研究は,経営担当者が財務状況を説明するのに用いた文に基づく新たな苦難辞書を提案する。
これは破産企業と非破産企業の間の言語的特徴の大きな違いを示している。
さらに、500の倒産企業の大規模なサンプルを用いて予測モデルを構築し、財務テキスト分析に使用される2つの辞書と比較する。
本研究は, ストレス辞書が開示情報からユニークな情報を抽出し, その特徴に基づく予測モデルが最も精度が高いことを示す。
関連論文リスト
- Detection of Temporality at Discourse Level on Financial News by Combining Natural Language Processing and Machine Learning [8.504685056067144]
Bloomberg News、CNN Business、Forbesといった金融関連のニュースは、市場スクリーニングシステムにとって貴重なデータ源である。
談話レベルでの財務関連ニュースの時間性を検出する新しいシステムを提案する。
この分野の知識を持つ研究者によって注釈付けされた金融関連ニュースのラベル付きデータセットを用いて,本システムを検証した。
論文 参考訳（メタデータ） (2024-03-30T16:40:10Z) - On the Societal Impact of Open Foundation Models [93.67389739906561]
ここでは、広く利用可能なモデルウェイトを持つものとして定義されている、オープンファンデーションモデルに重点を置いています。
オープンファンデーションモデルの5つの特徴を識別し,その利点とリスクを両立させる。
論文 参考訳（メタデータ） (2024-02-27T16:49:53Z) - Interpretable Automatic Fine-grained Inconsistency Detection in Text
Summarization [56.94741578760294]
本研究の目的は, 要約中の事実誤りの微粒化を予測し, 微粒化不整合検出の課題を提案することである。
要約における現実的不整合の検査方法に触発され,解析可能な微粒不整合検出モデルであるFinGrainFactを提案する。
論文 参考訳（メタデータ） (2023-05-23T22:11:47Z) - Measuring Consistency in Text-based Financial Forecasting Models [10.339586273664725]
FinTrustは財務文書の論理的一貫性を評価する評価ツールである。
金融予測のための最先端NLPモデルの整合性は乏しいことを示す。
意味保存による性能劣化の分析は,現在のテキストベースの手法が市場情報の堅牢な予測に適していないことを示唆している。
論文 参考訳（メタデータ） (2023-05-15T10:32:26Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-01T05:12:22Z) - Forecasting Cryptocurrency Returns from Sentiment Signals: An Analysis
of BERT Classifiers and Weak Supervision [6.624726878647541]
我々は、テキストデータがラベル付けされていない問題に対処するための、最近提案されたNLPアプローチである弱い学習を導入する。
弱いラベルを用いた微調整は、テキストベースの特徴の予測値を高め、暗号通貨のリターンを予測する文脈で予測精度を高めることを確認した。
より根本的には、我々が提示するモデリングパラダイム、弱いラベル付けドメイン固有テキスト、微調整済みNLPモデルは、(金融)予測において普遍的に適用可能である。
論文 参考訳（メタデータ） (2022-04-06T07:45:05Z) - Fighting Money Laundering with Statistics and Machine Learning [95.42181254494287]
反マネーロンダリングのための統計的および機械学習手法に関する科学的文献はほとんどない。
本研究では,クライアントのリスクプロファイリングと疑わしい行動フラグングという2つの中心的要素を持つ統一用語を提案する。
論文 参考訳（メタデータ） (2022-01-11T21:31:18Z) - Text analysis in financial disclosures [0.0]
会社の財務情報開示の殆どは、構造化されていないテキストである。
研究者は最近、情報開示のテキストコンテンツを分析し始めた。
この研究は、現在の感情指標の焦点の限界を強調して、開示分析方法に寄与する。
論文 参考訳（メタデータ） (2021-01-06T17:45:40Z) - Detecting Word Sense Disambiguation Biases in Machine Translation for
Model-Agnostic Adversarial Attacks [84.61578555312288]
本稿では,統計的データ特性に基づく曖昧な誤りの予測手法を提案する。
我々は,曖昧な誤りを生じさせるため,文の摂動を最小限に抑える,単純な敵攻撃戦略を開発する。
以上の結果から,曖昧さの堅牢性はドメイン間で大きく異なり,同一データ上でトレーニングされた異なるモデルが異なる攻撃に対して脆弱であることが示唆された。
論文 参考訳（メタデータ） (2020-11-03T17:01:44Z) - Uncertainty over Uncertainty: Investigating the Assumptions,
Annotations, and Text Measurements of Economic Policy Uncertainty [12.787262921924953]
本稿では,ニュース中のキーワード発生から経済政策の不確実性を測定する経済指標を検討する。
経済政策の不確実性が言語におけるあいまいさに起因しているという注釈の相違が見られる。
論文 参考訳（メタデータ） (2020-10-09T17:50:29Z)
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。