論文の概要: CR-COPEC: Causal Rationale of Corporate Performance Changes to Learn from Financial Reports

• arxiv url: http://arxiv.org/abs/2310.16095v1
• Date: Tue, 24 Oct 2023 18:00:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-26 18:47:54.906355
• Title: CR-COPEC: Causal Rationale of Corporate Performance Changes to Learn from Financial Reports
• Title（参考訳）: CR-COPEC:財務報告から学ぶ企業業績変化の因果関係
• Authors: Ye Eun Chun, Sunjae Kwon, Kyunghwan Sohn, Nakwon Sung, Junyoup Lee, Byungki Seo, Kevin Compher, Seung-won Hwang, Jaesik Choi
• Abstract要約: 財務報告からコーポレート・パフォーマンス・変革の因果関係(Causal Rationale of Corporate Performance Changes)というCR-COPECを紹介する。 これは、企業業績の変化を検出するための包括的な大規模ドメイン適応因果文データセットである。 CR-COPECは2つの大きな業績に寄与する。まず、会計基準に従って、専門家の因果分析を形式的に含む米国企業の10-K年次報告書から因果的根拠を検出する。 第2に、12業種における企業の業績に影響を及ぼす諸特質を慎重に検討する。
• 参考スコア（独自算出の注目度）: 29.967008650845774
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we introduce CR-COPEC called Causal Rationale of Corporate Performance Changes from financial reports. This is a comprehensive large-scale domain-adaptation causal sentence dataset to detect financial performance changes of corporate. CR-COPEC contributes to two major achievements. First, it detects causal rationale from 10-K annual reports of the U.S. companies, which contain experts' causal analysis following accounting standards in a formal manner. This dataset can be widely used by both individual investors and analysts as material information resources for investing and decision making without tremendous effort to read through all the documents. Second, it carefully considers different characteristics which affect the financial performance of companies in twelve industries. As a result, CR-COPEC can distinguish causal sentences in various industries by taking unique narratives in each industry into consideration. We also provide an extensive analysis of how well CR-COPEC dataset is constructed and suited for classifying target sentences as causal ones with respect to industry characteristics. Our dataset and experimental codes are publicly available.
• Abstract（参考訳）: 本稿では,企業業績の変化の因果関係(Causal Rationale of Corporate Performance Changes)を財務報告から紹介する。 これは、企業業績の変化を検出するための包括的な大規模ドメイン適応因果文データセットである。 CR-COPECは2つの大きな業績に貢献している。 まず、会計基準に従う専門家の因果分析を形式的に含む米国企業の10-kの年次報告書から因果的根拠を検出する。 このデータセットは、個々の投資家とアナリストの両方が、すべてのドキュメントを読み取るのに多大な努力をすることなく、投資と意思決定のための材料情報リソースとして広く利用することができる。 第2に、12の業界における企業の財務パフォーマンスに影響を与えるさまざまな特性を慎重に検討する。 その結果、CR-COPECは各産業における独自の物語を考慮に入れ、各産業における因果文を区別することができる。 また, CR-COPECデータセットの構築方法や, 目的文を産業特性に関する因果文として分類するのに適していることを示す。 私たちのデータセットと実験コードは公開されています。

関連論文リスト

• A Scalable Data-Driven Framework for Systematic Analysis of SEC 10-K Filings Using Large Language Models [0.0]
  SEC10-Kの申請に基づいて企業の業績を分析し,評価する,新たなデータ駆動型アプローチを提案する。 提案手法は、データパイプラインを実行して視覚化を作成するためのノーコードソリューションとして、対話型GUI上に実装される。 このアプリケーションは評価結果を示し、企業業績の年次比較を提供する。
  論文  参考訳（メタデータ） (2024-09-26T06:57:22Z)
• Discovery of the Hidden World with Large Language Models [95.58823685009727]
  本稿では,大きな言語モデル(LLM)を導入してギャップを埋めるCausal representatiOn AssistanT(COAT)を提案する。 LLMは世界中の大規模な観測に基づいて訓練されており、構造化されていないデータから重要な情報を抽出する優れた能力を示している。 COATはまた、特定変数間の因果関係を見つけるためにCDを採用し、提案された要因を反復的に洗練するためにLSMにフィードバックを提供する。
  論文  参考訳（メタデータ） (2024-02-06T12:18:54Z)
• Glitter or Gold? Deriving Structured Insights from Sustainability Reports via Large Language Models [16.231171704561714]
  本研究では,企業のサステナビリティレポートからESGに関する構造化された洞察を抽出するために,情報抽出(IE)手法を用いる。 次に、グラフに基づく表現を活用して、抽出された洞察に関する統計的分析を行う。
  論文  参考訳（メタデータ） (2023-10-09T11:34:41Z)
• Joint Learning of Label and Environment Causal Independence for Graph Out-of-Distribution Generalization [60.4169201192582]
  本稿では,ラベルと環境情報を完全に活用するために,ラベルと環境の因果独立(LECI)を導入することを提案する。 LECIは、合成データセットと実世界のデータセットの両方において、従来の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2023-06-01T19:33:30Z)
• 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)
• The Efficiency Misnomer [50.69516433266469]
  我々は、共通のコスト指標、それらの利点とデメリット、そしてそれらが相互に矛盾する方法について論じる。 コストインジケータの不完全な報告が、どのようにして部分的な結論をもたらすかを示し、異なるモデルの実践的考察の曖昧さや不完全さを図示する。
  論文  参考訳（メタデータ） (2021-10-25T12:48:07Z)
• News-based Business Sentiment and its Properties as an Economic Index [1.0323063834827415]
  ビジネスの感情は、行動するのにコストと時間を要する従来の調査によって測定されています。 我々は、日刊紙の記事を活用し、S-APIRというビジネス感情指数を定義する自己意識モデルを採用する。 S-APIRが経済学者や政策立案者にどのような恩恵をもたらすかを説明するために、時間とともにビジネス感情に与える影響についていくつかのイベントが分析される。
  論文  参考訳（メタデータ） (2021-10-20T02:20:53Z)
• Everything Has a Cause: Leveraging Causal Inference in Legal Text Analysis [62.44432226563088]
  因果推論は変数間の因果関係を捉えるプロセスである。 本論文では,事実記述から因果グラフを構築するための新たなグラフベース因果推論フレームワークを提案する。 GCIに含まれる因果知識を強力なニューラルネットワークに効果的に注入することで、パフォーマンスと解釈性が向上します。
  論文  参考訳（メタデータ） (2021-04-19T16:13:10Z)
• Discovering Airline-Specific Business Intelligence from Online Passenger Reviews: An Unsupervised Text Analytics Approach [3.2872586139884623]
  航空は豊富なオンライン顧客レビュー(OCR)に乗じることができる 本稿では,教師なしテキスト分析手法を用いてocrから企業および競合企業固有の知性を検出する。 提案手法の検証には,米国拠点のターゲットキャリアの99,147件の航空会社レビューと,その競合企業4社のケーススタディが使用されている。
  論文  参考訳（メタデータ） (2020-12-14T23:09:10Z)

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。