論文の概要: CADENCE: Distributional Next-Transaction Forecasting for Business Cash-Flow Underwriting

• arxiv url: http://arxiv.org/abs/2610.38084v1
• Date: Tue, 27 Oct 2026 23:57:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.348252
• Title: CADENCE: Distributional Next-Transaction Forecasting for Business Cash-Flow Underwriting
• Title（参考訳）: CADENCE:ビジネスキャッシュフロー処理のための分散次トランザクション予測
• Abstract要約: CADENCEは、各トランザクションをトークンとして扱い、すべてのキャッシュフローの次の支払いの量と完全な非パラメトリックタイミング分布を予測する因果変換器である。 1日のタイミング精度を93.3%改善し、次回のF1を6.7%改善し、下流決定の信頼ゲートとして直接機能するキャリブレーション分布を生産する。 生産アプリケーションにおけるエンド・ツー・エンドの信用評価では、FFT再発特徴をCADENCE特徴に置き換えると、KSが4.8%上昇し、一定の損失率で承認率が18.2%上昇し、一定の承認率で損失率が1.2%低下する。
• 参考スコア（独自算出の注目度）: 46.055065743526335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recurring cash flows are the backbone of cash-flow underwriting: they separate durable revenue from one-off deposits, expose standing obligations, and ultimately determine ability to pay. For small businesses, recurrence is both indispensable and hard to estimate, because much of their income arrives as ambiguous transfers, most payment streams are short, and schedules follow calendar conventions that frequency-domain methods treat as noise. We present CADENCE, Calendar-Aware Distributional Event Network for Cash-Flow Estimation, a compact causal Transformer that treats each transaction as a token and predicts the amount and a full, nonparametric timing distribution of every cash flow's next payment. Inheriting transaction semantics from an external labeler and a frozen text encoder keeps CADENCE compact yet general across the long tail of small-business counterparties, while predicting a calibrated distribution rather than an opaque embedding makes its outputs interpretable enough to feed existing underwriting models and power credit decisions. Ablations confirm the role of each design choice, with counterparty semantics driving recall on short histories, calendar inputs driving timing accuracy, and no-event supervision driving precision. Against the production FFT baseline, CADENCE improves one-day timing accuracy by 93.3% and next-event F1 by 6.7%, while producing calibrated distributions that serve directly as a confidence gate for downstream decisions. In an end-to-end credit evaluation on production applications, replacing FFT recurrence features with CADENCE features raises KS by 4.8%, raises the approval rate at a fixed loss rate by 18.2%, and lowers the loss rate at a fixed approval rate by 13.1%.
• Abstract（参考訳）: 再帰的なキャッシュフローは、キャッシュフローの引受のバックボーンであり、彼らは耐久性のある収益を1対1の預金から切り離し、待機義務を露呈し、最終的に支払い能力を決定する。 なぜなら、その収入の大部分はあいまいな転送として届き、ほとんどの支払いストリームは短く、スケジュールは周波数領域の手法がノイズとして扱うカレンダーの慣習に従っているからである。 本稿では、キャッシュフロー推定のためのカレンダー対応分散イベントネットワークCADENCEと、各トランザクションをトークンとして扱い、キャッシュフローの次の支払いの量と完全な非パラメトリックタイミング分布を予測するコンパクト因果変換器を提示する。 外部ラベルと凍結したテキストエンコーダからのトランザクションセマンティクスの継承はCADENCEをコンパクトに保ちながら、小さなビジネス分野の長い尾にわたって一般的でありながら、不透明な埋め込みよりもキャリブレーションされた分布を予測することで、既存のアンダーライティングモデルとパワークレジット決定をフィードするのに十分な出力を解釈できる。 アブレーションはそれぞれの設計選択の役割を確認し、ショートヒストリーでリコールを駆動するセマンティクス、カレンダー入力がタイミングの正確さを駆動する、そして監督なしの運転精度を駆動する。 FFTベースラインに対してCADENCEは1日のタイミング精度を93.3%改善し、次回のF1を6.7%改善し、下流決定の信頼ゲートとして直接機能するキャリブレーション分布を生産している。 生産アプリケーションにおけるエンド・ツー・エンドのクレジット評価では、FFT再発機能をCADENCE機能に置き換えると、KSが4.8%上昇し、一定の損失率で18.2%上昇し、一定の承認率で損失率を13.1%低下させる。

関連論文リスト

• TRIDENT-Seq: Profile-Matched Prefix-Future Contrast for Label-Efficient Payment Risk Modeling [11.099727240743926]
  Ant Internationalは、ユーザと支払いビジネスの間で大量のトランザクション履歴を蓄積している。 PFC(Prefix-Future Contrast)を用いたトランザクション基盤モデルTRIDENT-Seqを提案する。 PFCは各接頭辞に類似した行動プロファイルを持つ候補者のその後の行動の要約と一致する。
  論文  参考訳（メタデータ） (2026-10-27T15:01:12Z)
• Confidence-Calibrated Inference Expansion for Evaluator-Guided Test-Time Reasoning [50.42640957891911]
  評価器誘導推論のためのコンピュータ対応3動作制御器を開発した。 ロールアウト型継続サロゲートによる回答の成功と拡張を予測して端末動作を評価する。 我々は,不明瞭な判断に対する局所的不確実性を考慮した行動特異的信頼度推定を学習し,校正する。
  論文  参考訳（メタデータ） (2026-10-14T19:25:23Z)
• JockeyBench: Evaluating LLM Agents on Horse-Racing Decision-Making [51.28684419852576]
  繰り返し発生する事象予測には、ノイズのある証拠から予測信号を抽出する必要がある。 本稿では,歴史的競馬を通じてこの問題を研究するベンチマークおよび評価プロトコルであるJockeyBenchを紹介する。
  論文  参考訳（メタデータ） (2026-10-14T04:59:45Z)
• Contextual Deconvolution for Variance-Stable Demand Sensing: Kernel-Modulated Operators in Promotional Retail [0.0]
  機械学習の需要予測は、統計的精度を最適化するが、過剰な運用のボラティリティを保ち、安全株を膨らませ、ブルウィップ効果を増幅する。 コンベックス分解として需要感を再設定するtextbfCon Decontextual estimatorを導入する。
  論文  参考訳（メタデータ） (2026-07-28T12:49:59Z)
• Mean Time to Remediate Is Not a Fielding Model: A Cadence Audit for Enterprise Vulnerability Management [51.56484100374058]
  本稿では,企業脆弱性管理のための改善ケイデンス監査について紹介する。 平均ラグ、放出期間、放出率、コホート幾何、緊急/ルーチン分割、非着地遅延、局所残留圧証拠、宣言されたレートシナリオを記録している。
  論文  参考訳（メタデータ） (2026-07-05T21:23:26Z)
• FinBench: Time-Gated Calibration and Uncertainty Benchmarking for Agentic Financial Forecasting [0.0]
  FinBenchは、財務予測のためのキャリブレーションと不確実性の品質を評価するために設計されたベンチマークである。 本稿では,ベンチマークの仕様を記述し,パイプラインの健全性チェックとして小さなパイロット走行を報告する。
  論文  参考訳（メタデータ） (2026-06-24T01:27:30Z)
• TRUST-SCF: Transformer-based Risk Understanding and Scoring for Transactional Supply Chain Finance [0.0]
  サプライチェーンファイナンス(SCF)とLendTechプラットフォームは、進化するトランザクションの振る舞いに対応する信用スコアシステムを必要とします。 本稿では,トランザクションレベルのリスク予測と動的クレジットスコアリングのためのトランスフォーマーベースのフレームワークであるTRUST-SCFを提案する。
  論文  参考訳（メタデータ） (2026-06-06T12:37:33Z)
• ZIP-RC: Optimizing Test-Time Compute via Zero-Overhead Joint Reward-Cost Prediction [57.799425838564]
  ZIP-RCは、モデルに報酬とコストのゼロオーバーヘッド推論時間予測を持たせる適応推論手法である。 ZIP-RCは、同じまたはより低い平均コストで過半数投票よりも最大12%精度が向上する。
  論文  参考訳（メタデータ） (2025-12-01T09:44:31Z)

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。