論文の概要: Text analysis in financial disclosures
- arxiv url: http://arxiv.org/abs/2101.04480v1
- Date: Wed, 6 Jan 2021 17:45:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-11 03:59:52.446677
- Title: Text analysis in financial disclosures
- Title(参考訳): 財務開示におけるテキスト分析
- Authors: Sridhar Ravula
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Financial disclosure analysis and Knowledge extraction is an important
financial analysis problem. Prevailing methods depend predominantly on
quantitative ratios and techniques, which suffer from limitations like window
dressing and past focus. Most of the information in a firm's financial
disclosures is in unstructured text and contains valuable information about its
health. Humans and machines fail to analyze it satisfactorily due to the
enormous volume and unstructured nature, respectively. Researchers have started
analyzing text content in disclosures recently. This paper covers the previous
work in unstructured data analysis in Finance and Accounting. It also explores
the state of art methods in computational linguistics and reviews the current
methodologies in Natural Language Processing (NLP). Specifically, it focuses on
research related to text source, linguistic attributes, firm attributes, and
mathematical models employed in the text analysis approach. This work
contributes to disclosure analysis methods by highlighting the limitations of
the current focus on sentiment metrics and highlighting broader future research
areas
- Abstract(参考訳): 財務開示分析と知識抽出は金融分析の重要な問題である。
一般的な方法は、ウィンドウドレッシングや過去の焦点といった制限に悩まされる量比と技法に大きく依存する。
企業の財務情報開示のほとんどの情報は構造化されていないテキストであり、その健康に関する貴重な情報を含んでいる。
人間と機械は、その膨大な量と非構造的な性質のために、それを十分に分析できない。
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。
本稿では,金融・会計における非構造化データ分析における先行研究について述べる。
また、計算言語学におけるアートメソッドの現状を探求し、自然言語処理(NLP)における現在の方法論についてレビューする。
具体的には、テキスト分析アプローチで使用されるテキストソース、言語属性、ファーム属性、数学的モデルに関する研究に焦点を当てる。
本研究は,現在の感情指標への焦点の限界を強調し,より広い将来研究領域を強調することで,開示分析手法に寄与する。
関連論文リスト
- How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。
その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。
多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
論文 参考訳(メタデータ) (2023-11-14T08:51:00Z) - Chinese Fine-Grained Financial Sentiment Analysis with Large Language
Models [4.993565079216378]
そこで我々は,企業早期警戒のための,中国の財務感情分析データセットFinChina SAを提案する。
われわれのデータセットは、現実の財務感情分析タスクの探索を進めるための貴重なリソースとして役立ちます。
論文 参考訳(メタデータ) (2023-06-25T02:24:30Z) - Instruct-FinGPT: Financial Sentiment Analysis by Instruction Tuning of
General-Purpose Large Language Models [18.212210748797332]
本稿では,これらの問題に対処する簡易かつ効果的な命令チューニング手法を提案する。
実験では, 最先端の教師付き感情分析モデルより優れていた。
論文 参考訳(メタデータ) (2023-06-22T03:56:38Z) - Beyond Classification: Financial Reasoning in State-of-the-Art Language
Models [0.0]
大規模言語モデル(LLM)は複雑な多段階推論タスクにおいて顕著な能力を示した。
本研究は,金融分野におけるLLMの適用可能性に関する包括的調査である。
コヒーレントな財務推論を生成する能力は、まず6Bパラメータで現れ、より良い命令チューニングやより大きなデータセットで改善を続けている。
論文 参考訳(メタデータ) (2023-04-30T04:36:05Z) - Application of Transformers based methods in Electronic Medical Records:
A Systematic Literature Review [77.34726150561087]
本研究は,異なるNLPタスクにおける電子カルテ(EMR)のトランスフォーマーに基づく手法を用いて,最先端技術に関する体系的な文献レビューを行う。
論文 参考訳(メタデータ) (2023-04-05T22:19:42Z) - Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。
バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
論文 参考訳(メタデータ) (2023-02-03T14:57:40Z) - Faithfulness in Natural Language Generation: A Systematic Survey of
Analysis, Evaluation and Optimization Methods [48.47413103662829]
自然言語生成(NLG)は,事前学習型言語モデルなどの深層学習技術の発展により,近年大きく進歩している。
しかし、生成したテキストが通常不信または非実情報を含むという忠実性問題は、最大の課題となっている。
論文 参考訳(メタデータ) (2022-03-10T08:28:32Z) - Cognitive Computing to Optimize IT Services [0.0]
認知的ソリューションは、構造化されたテキストと非構造化されたテキストの両方の深い分析によって、従来の構造化されたデータ分析を越えている。
実験では,提案手法により年額チケットの18~25%を削減した。
論文 参考訳(メタデータ) (2021-12-28T09:56:44Z) - FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。
我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。
その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
論文 参考訳(メタデータ) (2021-09-01T00:08:14Z) - Stock Market Analysis with Text Data: A Review [7.789019365796933]
株式市場の動きは、ニュース記事、会社の報告、ソーシャルメディアの議論を通じて共有される公私情報の影響を受けている。
文献のほとんどの研究は、構造化されていない膨大なテキストデータを分析するのに不足している伝統的なアプローチに基づいている。
本研究は、主要な株式市場分析モデル、金融市場予測のためのテキスト表現手法、既存手法の欠点について調査し、今後の研究に向けた有望な方向性を提案する。
論文 参考訳(メタデータ) (2021-06-23T04:31:56Z) - Interpretable Deep Learning: Interpretations, Interpretability,
Trustworthiness, and Beyond [49.93153180169685]
一般に混同される2つの基本的な概念(解釈と解釈可能性)を紹介・明らかにする。
我々は,新しい分類法を提案することにより,異なる視点から,最近のいくつかの解釈アルゴリズムの設計を詳細に述べる。
信頼される」解釈アルゴリズムを用いてモデルの解釈可能性を評価する上での既存の作業をまとめる。
論文 参考訳(メタデータ) (2021-03-19T08:40:30Z)
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。