論文の概要: Financial Audit Assistance using Misinformation Detection and Explanation
- arxiv url: http://arxiv.org/abs/2607.17797v1
- Date: Mon, 20 Jul 2026 10:31:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.592378
- Title: Financial Audit Assistance using Misinformation Detection and Explanation
- Title（参考訳）: 誤情報検出と説明を用いた財務監査支援
- Abstract要約: Balance Sheet(BS)、Income Statement(IS)、Cash-flow Statement(CS)などの金融ステートメント(FS)は、企業の年次業績を要約している。
FSの重要性を考えれば、会社の真の財務状態を誤認するために、情報を隠したり、省略したり、偽造したりするインセンティブがある。
本稿では,FSにおける誤情報を特定するための教師なし手法を提案するとともに,誤情報の発生源となる可能性のある財務変数に関する説明を生成する。
- 参考スコア（独自算出の注目度）: 2.145847912957395
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Financial statements (FS) such as Balance Sheet (BS), Income Statement (IS) and Cash-flow Statement (CS) summarize the annual financial performance of a company. FS are widely used for evaluating corporate governance, credit appraisal, risk analysis, validate taxation, make investment decisions etc. Financial auditing is a complex and knowledge-intensive discipline whose one important aim is ensuring integrity, accuracy, fairness and absence of material misstatement in the published FS. Given the importance of FS, there are incentives to hide, omit or falsify information to misrepresent the true financial health of the company; e.g., reduce tax liabilities, or increase investor confidence. Given the complex, time-consuming and expertise-dependent nature of auditing, auditors would benefit from an AI-assisted system that automatically detects instances of misinformation in the given FS and identify likely sources of this misinformation in the financial data. In this paper, we present unsupervised techniques to identify misinformation in FS, and also generate explanations as to the financial variables that are likely sources of misinformation. The auditor can then explore in more detail the associated data sources and business processes to validate these suggestions. A crucial feature of our approach is the use of past corpus of FS and associated audit reports to generate insights, which help in providing assistance. We demonstrate the efficacy of these techniques on a large corpus of 11,460 FS over 5 years and associated audit reports. This paper integrates and adds more novel contributions over the previously reported research (Shinde et al., 2022)\cite{SVAP22}, (Vaishampayan et al., 2022)\cite{VSPP22}, (Pawar et al., 2023)\cite{PAPV23}, which we have used as the foundation for our AI-assisted Auditor Assistance system.
- Abstract（参考訳）: Balance Sheet(BS)、Income Statement(IS)、Cash-flow Statement(CS)などの金融ステートメント(FS)は、企業の年次業績を要約している。
FSは、企業統治の評価、信用評価、リスク分析、課税の検証、投資決定等に広く利用されている。
金融監査(Financial auditing)は、複雑で知識集約的な分野であり、その重要な目的は、公表されたFSにおける物質的不備の完全性、正確性、公正性、および欠如を保証することである。
FSの重要性を考えると、企業の真の財務状態を誤認するために情報を隠蔽、省略、あるいは偽造するインセンティブがある。
監査の複雑さ、時間的、専門性に依存した性質を考えると、監査人は、所定のFSにおける誤情報を自動的に検出し、財務データにおけるこの誤情報の発生源を特定できるAI支援システムの恩恵を受けるだろう。
本稿では,FSにおける誤情報を特定するための教師なし手法を提案するとともに,誤情報の発生源となる可能性のある財務変数に関する説明を生成する。
監査人は、関連するデータソースとビジネスプロセスを詳しく調べて、これらの提案を検証することができます。
このアプローチの重要な特徴は、過去のFSコーパスと関連する監査レポートを使用して洞察を生成し、支援の提供に役立ちます。
5年間にわたる11,460 FSの大規模コーパスと関連する監査報告において,これらの手法の有効性を実証した。
本稿では, これまでに報告した研究 (Shinde et al , 2022)\cite{SVAP22}, (Vaishampayan et al , 2022)\cite{VSPP22}, (Pawar et al , 2023)\cite{PAPV23} を統合し, 追加する。
関連論文リスト
- FORCE-Bench: A Benchmark, Dataset, and Evaluation Harness for Agentic AI in Enterprise Finance [0.0]
本稿では,251のエキスパートアノテートクエリを含むForce-Benchを紹介し,キャリブレーションベースのフレームワークを用いて応答を評価する。
FORCE-Benchは、金融義務研究、金融エンティティパフォーマンス研究、ビジネスブリーフジェネレーションの3つのタスクタイプでエージェントシステムを評価する。
我々は、再現可能な比較と他の企業財務環境への適応をサポートするために、データセット、ルーリック、ハーネス、分析コードをオープンソースとしてリリースします。
論文 参考訳（メタデータ） (2026-07-11T01:16:31Z) - Artificial Intelligence-Enabled Accounting Information Systems and Fraud Detection in Nigeria's Financial Services Sector: The Moderating Role of Natural Language Processing [0.0]
本研究では、ナイジェリアの金融サービス部門における監査・不正検出効果に対するAI対応会計情報システムの影響について検討した。
その結果,AI対応AIは,特に予防,検出,データ分析,調査能力を通じて,監査と不正検出の有効性を著しく向上させることがわかった。
この研究は、AI対応AISとNLPが、新たなデジタル金融環境における不正管理、規制アカウンタビリティ、制度的信頼を強化するためにますます重要になっていると結論付けている。
論文 参考訳（メタデータ） (2026-06-04T21:35:20Z) - SAHM: A Benchmark for Arabic Financial and Shari'ah-Compliant Reasoning [59.20983102634086]
アラビア財務NLPとシャリヤ対応推論のための文書グラウンドベンチマークと命令チューニングデータセットであるSAHMを紹介する。
SAHMには、AAOIFI標準QA、fatwaベースのQA/MCQ、会計とビジネス試験、財務感情分析、抽出要約、イベント起因推論の7つのタスクにまたがる14,380のエキスパート認定インスタンスが含まれている。
アラビア語の流布は、証拠を根拠とした金銭的推論に確実に変換されない。
論文 参考訳（メタデータ） (2026-04-21T05:24:08Z) - Fact4ac at the Financial Misinformation Detection Challenge Task: Reference-Free Financial Misinformation Detection via Fine-Tuning and Few-Shot Prompting of Large Language Models [4.8239913268889]
本稿では,「参照自由な財務誤情報検出」タスクの獲得手法について述べる。
本稿では,最先端の大規模言語モデルの推論能力を活かした包括的フレームワークを提案する。
提案方式は優れた有効性を示し,両公式リーダーボードのランキング1位を確保できた。
論文 参考訳（メタデータ） (2026-04-16T05:38:58Z) - Evaluating LLMs in Finance Requires Explicit Bias Consideration [88.38155218924999]
ファイナンス固有のバイアスは、パフォーマンスを低下させ、バックテストを汚染し、報告された結果をデプロイメントのクレームに役に立たないものにする。
一つのバイアスが28%以上の研究で議論されることはない。
本稿では,バイアス診断と将来のシステム設計のための最小限の要件を満たす構造的妥当性フレームワークと評価チェックリストを提案する。
論文 参考訳（メタデータ） (2026-02-15T17:02:01Z) - VERAFI: Verified Agentic Financial Intelligence through Neurosymbolic Policy Generation [2.43679682660038]
VERAFIは、検証された金融インテリジェンスのためのニューロシンボリックポリシー生成のためのエージェントフレームワークである。
VERAFIは最先端の高密度検索とクロスエンコーダを、金融ツール対応エージェントと自動推論ポリシーと組み合わせている。
論文 参考訳（メタデータ） (2025-12-12T17:17:43Z) - FinAgentBench: A Benchmark Dataset for Agentic Retrieval in Financial Question Answering [57.18367828883773]
FinAgentBenchは、ファイナンスにおける多段階推論によるエージェント検索を評価するためのベンチマークである。
このベンチマークは、S&P-500上場企業に関する26Kのエキスパートアノテート例から成っている。
我々は,最先端モデルの集合を評価し,対象の微調整がエージェント検索性能を大幅に向上することを示す。
論文 参考訳（メタデータ） (2025-08-07T22:15:22Z) - Automating Financial Statement Audits with Large Language Models [8.568971444669868]
ファイナンシャルステートメント監査を自動化するために,大規模言語モデル(LLM)を活用している。
本研究は、実世界の財務表と合成トランザクションデータを組み合わせた、キュレートされたデータセットを用いたベンチマークを提案する。
我々のテストでは、現在最先端のLLMが、過去のトランザクションデータを与えられたときの財務諸表の誤りを識別することに成功した。
論文 参考訳（メタデータ） (2025-06-14T17:07:06Z) - Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。
モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。
本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
論文 参考訳（メタデータ） (2025-03-13T05:19:44Z) - FinTruthQA: A Benchmark Dataset for Evaluating the Quality of Financial Information Disclosure [11.08854619249383]
FinTruthQAは、金融Q&Aデータにおける情報開示の自動品質評価のための高度な自然言語処理(NLP)技術を評価するために設計されたベンチマークである。
実世界のファイナンシャルQ&Aエントリ6,000からなり、各Q&Aは4つの主要な評価基準に基づいて手動で注釈付けされた。
実験の結果,既存のNLPモデルは質問認識や質問関連タスクの予測能力は高いが,回答の可読性や回答関連タスクには最適であることがわかった。
論文 参考訳（メタデータ） (2024-06-17T18:25:02Z) - 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) - 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)
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。