論文の概要: Accounting Graph Transformer for Short-History Multi-KPI Forecasting in Small Businesses
- arxiv url: http://arxiv.org/abs/2608.07037v1
- Date: Fri, 07 Aug 2026 09:47:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.454981
- Title: Accounting Graph Transformer for Short-History Multi-KPI Forecasting in Small Businesses
- Title（参考訳）: 小企業におけるショートヒストリーマルチKPI予測のための会計グラフ変換器
- Abstract要約: 本研究は、13の所得計算、バランスシート、キャッシュフロー、および71の月次台帳のワーキング・キャピタル・パフォーマンス指標を共同12カ月間予測した。
11,993の予測は1,060の未確認企業に由来するが、AGTはサンプルマクロ平均絶対誤差(MAE)を0.6990 pm 0.0013$で達成している。
AGTは、シード-42の比較において、LightGBM、TimeMixer、SOFTSと全13でベストマッチする。
- 参考スコア（独自算出の注目度）: 1.3750624267664158
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Small businesses often have only 12-24 months of accounting history, yet planning and risk workflows require coordinated forecasts across financial statements. We study joint 12-month forecasting of 13 income-statement, balance-sheet, cash-flow, and working-capital key performance indicators (KPIs) from 71 monthly ledger series. We introduce the Accounting Graph Transformer (AGT), which represents each ledger series as a masked token, exchanges information through typed attention on a fixed accounting-relation graph, pools target-specific context, and fuses it with a gated three-month recency path. Across 11,993 forecast origins from 1,060 unseen companies, AGT achieves sample-weighted KPI-macro mean absolute error (MAE) $0.6990 \pm 0.0013$ over three independent seeds, compared with $0.7378 \pm 0.0014$ for the strongest baseline, LightGBM. At the pre-specified seed 42, a paired company-clustered bootstrap gives a LightGBM-minus-AGT difference of 0.0395 with 95% confidence interval (CI) $[0.0350,0.0439]$. AGT is best on all 13 KPIs against LightGBM, TimeMixer, and SOFTS in the matched seed-42 comparison, while final-architecture ablations show that relational attention, accounting topology, and the recency path each improve validation and test accuracy. On 7,094 additional unseen companies with origins sampled from January-May 2025, AGT obtains 0.7548 MAE versus 0.7694 for SOFTS. A single 5.3M-parameter model produces 156 aligned forecasts without company-specific fitting, providing one forecasting layer for integrated planning, liquidity, and working-capital analysis.
- Abstract（参考訳）: 中小企業は会計の歴史を12～24ヶ月しか持たないことが多いが、計画とリスクワークフローは財務諸表をまたいだ調整された予測を必要とする。
本研究は、13の所得計算、バランスシート、キャッシュフロー、ワーキングキャピタル・キーパフォーマンス指標(KPI)を、71の月次台帳シリーズから12カ月間共同で予測した。
我々は,各台帳シリーズをマスク付きトークンとして表現し,固定された会計関連グラフに型付き注意を通して情報を交換し,ターゲット固有のコンテキストをプールし,ゲート付き3ヶ月の緊急経路で融合する会計グラフ変換器(AGT)を紹介した。
11,993の予測は1,060の未確認企業に由来するが、AGTは標本重み付きKPI平均絶対誤差(MAE)$0.6990 \pm 0.0013$を3つの独立種に対して達成し、最強のベースラインであるLightGBMは$0.7378 \pm 0.0014$である。
予め指定されたシード42では、ペアの企業クラスタリングブートストラップにより、LightGBM-minus-AGT差が0.0395で95%信頼区間(CI)が[0.0350,0.0439]$である。
AGTは、LightGBM、TimeMixer、SOFTSの13KPIにおいて、一致したシード-42の比較において最良である。
2025年1月から5月までにサンプルを採取した7,094社に対し、AGTはSOFTSの0.7694に対して0.7548 MAEを取得する。
単一の5.3Mパラメータモデルでは、企業固有の適合性のない156のアライメント予測を生成し、統合計画、流動性、作業資本分析のための1つの予測層を提供する。
関連論文リスト
- A time-series classification framework for individual-level absenteeism prediction under severe class imbalance [0.0]
従業員欠勤は、需要の高い労働環境において相当な運用コストを課す。
本稿では,過去の出席順序を将来の不在ラベルから分離する時系列分類フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-30T11:44:52Z) - MacroLens: A Multi-Task Benchmark for Contextual Financial Reasoning under Macroeconomic Scenarios [44.59910717749994]
マクロレンズはアメリカでは4,416個の小口径スプリットとマイクロキャップ勾配スプリットをカバーしている。
7つのタスクがポイント・イン・タイムの価格表を共有しており、会計事実に関する46.8M株、53件のマクロ経済シリーズ、295,860件のSEC書類、215,882件のニュース記事がある。
タスクは、コンテキスト予測、パブリックとプライベートのバリュエーション、基本と記述からのステート生成、シナリオ条件のリターン、および不動産のバリュエーションにまたがる。
論文 参考訳（メタデータ） (2026-06-23T07:52:44Z) - RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。
本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。
累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
論文 参考訳（メタデータ） (2026-06-23T02:11:04Z) - ATLAS: All-round Testing of Long-context Abilities across Scales [42.83200405769639]
ATLASは、長文評価を長さ依存の能力プロファイルとして再定義するベンチマークフレームワークである。
ATLASは、(i)アプリケーションワークロードから基礎的な操作を分離する階層化された分類法、(ii)固定された8K-1Mグリッド上のスコア長曲線を統合するAUCスコア、(iii)不均衡なプロファイルをペナルライズする分類カテゴリー上の調和平均集計であるATLAScoreの3つの方法論に貢献する。
論文 参考訳（メタデータ） (2026-05-27T07:33:47Z) - SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction [0.0]
本稿では,デコーダのみの変換器SAGAを提案する。
1990年から2022年にかけて,2,143,817人,61,284,903人からなる長手スウェーデン LISA レジスターをトレーニングした。
SAGAは10年の地平線で31.9%、20年の地平線で37.7%の絶対誤差を減少させる。
論文 参考訳（メタデータ） (2026-05-18T18:35:20Z) - Shapley Value-Guided Adaptive Ensemble Learning for Explainable Financial Fraud Detection with U.S. Regulatory Compliance Validation [0.34376560669160394]
金融犯罪は毎年320億ドル以上をアメリカの機関が負担している。
不正検出のための多くのAIツールは、透明で監査可能な説明を提供することができないブラックボックスとして動作する。
本研究は, 忠実度と安定性の面から, 説明の質を徹底的に評価する。
論文 参考訳（メタデータ） (2026-04-14T19:00:20Z) - Detecting High-Potential SMEs with Heterogeneous Graph Neural Networks [0.0]
中小企業は米国の事業の99.9%を占め、経済活動の44%を生んでいる。
我々は、SME-HGTという異種グラフ変換フレームワークを導入し、特定の公開データを用いて、どのフェーズIの受賞者がフェーズIIの資金調達に進むかを予測する。
論文 参考訳（メタデータ） (2026-02-23T08:35:55Z) - Phase Transition for Budgeted Multi-Agent Synergy [41.486076708302456]
マルチエージェントシステムは信頼性を向上させることができるが、固定された推論予算の下では、しばしば役立つか、飽和するか、崩壊するかさえある。
我々は、現代のエージェントスタックの3つの束縛制約からこれらの状態を予測する最小限の校正可能な理論を開発する。
論文 参考訳（メタデータ） (2026-01-24T05:32:50Z) - LLM Output Drift: Cross-Provider Validation & Mitigation for Financial Workflows [0.5798758080057375]
非決定論的出力(アウトプットドリフト)は監査性と信頼を損なう。
規制された金融業務に関する5つのモデルアーキテクチャ間のドリフトを定量化する。
この発見は、より大きなモデルがプロダクションデプロイメントに普遍的に優れているという従来の仮定に挑戦する。
論文 参考訳（メタデータ） (2025-11-10T19:54:00Z) - A$^2$FM: An Adaptive Agent Foundation Model for Tool-Aware Hybrid Reasoning [40.6234318894435]
大規模言語モデルは、推論中心のLLMとエージェントのLLMの2つのファミリーに分けられた。
この分割は、基本的に異なるトレーニング目標から生じ、単純なクエリに対して不一致の強度と非効率をもたらす。
本稿では,アダプティブ・エージェント・ファンデーション・モデル (A$2$FM) を提案する。
論文 参考訳（メタデータ） (2025-10-13T17:08:25Z) - Prompting Test-Time Scaling Is A Strong LLM Reasoning Data Augmentation [43.29267000439331]
大型言語モデル (LLMs) は、チェーン・オブ・シンクタンク(英語版)を備えた場合、印象的な推論能力を示す。
本研究では,P-TTS(Prompting Test-Time Scaling)を提案する。
論文 参考訳（メタデータ） (2025-10-10T17:57:04Z)
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。