論文の概要: Predicting municipalities in financial distress: a machine learning
approach enhanced by domain expertise
- arxiv url: http://arxiv.org/abs/2302.05780v1
- Date: Sat, 11 Feb 2023 20:53:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 18:32:48.426487
- Title: Predicting municipalities in financial distress: a machine learning
approach enhanced by domain expertise
- Title(参考訳): 財政難における自治体の予測--専門知識の強化による機械学習アプローチ
- Authors: Dario Piermarini, Antonio M. Sudoso, Veronica Piccialli
- Abstract要約: イタリアの自治体における財政難予測のための機械学習モデルの評価を行った。
その結果, 機械学習モデルと鑑定専門家の知識を組み合わせることで, 経済的苦難の早期発見に有効であることが示唆された。
- 参考スコア(独自算出の注目度): 2.2237337682863125
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Financial distress of municipalities, although comparable to bankruptcy of
private companies, has a far more serious impact on the well-being of
communities. For this reason, it is essential to detect deficits as soon as
possible. Predicting financial distress in municipalities can be a complex
task, as it involves understanding a wide range of factors that can affect a
municipality's financial health. In this paper, we evaluate machine learning
models to predict financial distress in Italian municipalities. Accounting
judiciary experts have specialized knowledge and experience in evaluating the
financial performance of municipalities, and they use a range of financial and
general indicators to make their assessments. By incorporating these indicators
in the feature extraction process, we can ensure that the predictive model is
taking into account a wide range of information that is relevant to the
financial health of municipalities. The results of this study indicate that
using machine learning models in combination with the knowledge of accounting
judiciary experts can aid in the early detection of financial distress in
municipalities, leading to better outcomes for the communities they serve.
- Abstract(参考訳): 民間企業の倒産に匹敵する自治体の財政難は、コミュニティの健全性に深刻な影響を及ぼす。
そのため、できるだけ早く赤字を検出することが不可欠である。
市町村の財政難の予測は、市町村の財政状況に影響を及ぼす幅広い要因を理解することを含む複雑な作業である。
本稿では,イタリアの自治体における財政難予測のための機械学習モデルの評価を行う。
会計学の専門家は、自治体の財務実績を評価するための専門知識と経験を持ち、財務指標や一般指標を用いて評価を行う。
これらの指標を特徴抽出プロセスに組み込むことで、予測モデルが自治体の財政健全性に関連する幅広い情報を考慮していることを保証することができる。
本研究の結果は、機械学習モデルと会計専門家の知識を組み合わせることで、地方自治体の金融危機の早期発見に役立てることができ、その地域社会のより良い結果をもたらすことが示唆された。
関連論文リスト
- Are Large Language Models Rational Investors? [9.629632578239974]
大規模言語モデル(LLM)は、複雑な市場データとトレンドを解釈するための広範な知識基盤を活用するために、金融分析において徐々に採用されている。
しかし、金融分野におけるそれらの応用は、内在的バイアス(すなわちリスク参照バイアス)と表面的な市場の複雑さの把握によって挑戦される。
本研究では, LLMの経済的合理性を評価する新しい枠組みであるFinancial Bias Indicators(FBI)を紹介する。
論文 参考訳(メタデータ) (2024-02-20T04:26:08Z) - The FinBen: An Holistic Financial Benchmark for Large Language Models [75.09474986283394]
FinBenは、金融分野におけるLLMの能力を徹底的に評価するために設計された、初めての包括的なオープンソース評価ベンチマークである。
FinBenは、23の財務タスクにわたる35のデータセットを含み、Cattell-Horn-Carroll理論にインスパイアされた3つの難易度に分類されている。
GPT-4, ChatGPT, そして最新のGeminiを含む15の代表的なLCMを評価した結果, 金融分野におけるその強みと限界についての知見が得られた。
論文 参考訳(メタデータ) (2024-02-20T02:16:16Z) - Detection of fraudulent financial papers by picking a collection of
characteristics using optimization algorithms and classification techniques
based on squirrels [0.0]
本手法は,財務諸表の異常を検出するためのモデルを提供することを目的としている。
リス最適化のメタ探索能力は、金融データの異常を識別するアプローチの能力とともに、提案した戦略の実装に有効であることが示されている。
論文 参考訳(メタデータ) (2022-10-12T12:34:40Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳(メタデータ) (2022-07-23T01:06:34Z) - 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) - Characterization of the Firm-Firm Public Procurement Co-Bidding Network
from the State of Cear\'a (Brazil) Municipalities [58.720142291102135]
我々は,2015 年から2019 年にかけて,Cear'a (ブラジル) の184 億ドルの市町村が発行する公益事業に参加する企業間の連携関係について検討した。
同様の調達活動のパターンを持つ企業のグループ/コミュニティを、地理的および活動によって定義した22ドルを識別する。
論文 参考訳(メタデータ) (2021-04-17T13:58:30Z) - Confronting Machine Learning With Financial Research [0.0]
本研究の目的は,金融研究における機械学習の課題と応用を検討することである。
金融における機械学習の主な課題について論じ、それらがどのように説明できるのかを検討する。
論文 参考訳(メタデータ) (2021-02-28T01:10:09Z) - BeFair: Addressing Fairness in the Banking Sector [54.08949958349055]
銀行セクターにおける産業的オープンイノベーションプロジェクトの最初の成果を提示する。
本稿では,MLの公平性に関する一般的なロードマップと,バイアスの特定と緩和を支援するBeFairと呼ばれるツールキットの実装を提案する。
論文 参考訳(メタデータ) (2021-02-03T16:37:10Z) - Insights into Fairness through Trust: Multi-scale Trust Quantification
for Financial Deep Learning [94.65749466106664]
金融深層学習において探求されていない公平性の基本的な側面は、信頼の概念である。
クレジットカードのデフォルト予測のために,ディープニューラルネットワーク上でマルチスケール信頼度定量化を行う。
論文 参考訳(メタデータ) (2020-11-03T19:05:07Z) - Financial ticket intelligent recognition system based on deep learning [4.606100785248409]
このシステムは194種類のファイナンシャルチケットを認識でき、自動反復最適化機構を備えている。
システムの平均認識精度は97.07%で、1回のチケットの平均走行時間は175.67msである。
論文 参考訳(メタデータ) (2020-10-29T05:07:40Z)
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。