論文の概要: EPSBench: Benchmarking LLM Agents for Earnings Forecasting

• arxiv url: http://arxiv.org/abs/2610.38293v1
• Date: Wed, 28 Oct 2026 05:24:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:09.954723
• Title: EPSBench: Benchmarking LLM Agents for Earnings Forecasting
• Title（参考訳）: EPSBench: アーニング予測のためのLLMエージェントのベンチマーク
• Abstract要約: EPSBenchは、86の米国企業から149の企業でこの能力を調査するためのベンチマークである。 エージェントは、申請書、収支報告書、ニュースの固定されたコレクションを読んだ後、引用された証拠で会社固有の所得計算ドライバーを見積もった。 我々は,共通計算機を用いた6つのモデルの評価を行い,日付に一致したアナリストのコンセンサスに対する点予測誤差を評価した。
• 参考スコア（独自算出の注目度）: 7.830785455900963
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Quarterly earnings forecasting requires an agent to connect financial evidence to the income-statement line items that produce a company's reported earnings. We introduce EPSBench, a benchmark for studying this ability across 149 firm-quarters from 86 US companies. Agents read a fixed collection of filings, earnings-call transcripts, and news, then estimate company-specific income-statement drivers with cited evidence. A shared accounting calculator converts these estimates into GAAP diluted earnings per share (EPS), providing a common basis for comparing forecast assumptions. We evaluate six models under a common harness, assessing point forecast error relative to date-matched analyst consensus and checking whether their prediction intervals achieve the stated coverage. Three models show no detectable paired difference in point forecast error from consensus, and three have higher error. Across all six models, nominal 80% intervals contain reported EPS in only 37--70% of runs that return an interval, and most misses fall above the upper bound because the forecasts run low. The driver records trace most of the error gap between models to operating-income estimates.
• Abstract（参考訳）: 四半期決算予測では、代理人は、財務証拠を会社の報告された決算を生み出す所得統計ラインの項目に結びつける必要がある。 EPSBenchは、米国の86社の149の企業でこの能力を研究するためのベンチマークです。 エージェントは、申請書、収支報告書、ニュースの固定されたコレクションを読んだ後、引用された証拠で会社固有の所得計算ドライバーを見積もった。 共有会計計算装置は、これらの見積もりをGAAP希薄1株当たり利益(EPS)に変換し、予測仮定を比較する共通基盤を提供する。 提案手法を用いて6つのモデルを評価し,日時一致したアナリストのコンセンサスに比較して点予測誤差を評価し,その予測間隔が記述したカバレッジを達成できるかどうかを検証した。 3つのモデルでは、一致から点予測誤差が検出可能なペア差を示さず、3つのモデルはより高い誤差を持つ。 6つのモデル全体で、名目上の80%の間隔は、区間を返すランのうち37-70%しか報告されていない。 ドライバレコードは、モデル間のエラーギャップの大部分を、オペレーティング・インカムの推定にトレースする。

関連論文リスト

• From SEC Filings to Financial Signals: Evaluating LLMs on Stock Market Reactions and Analyst Forecasts [11.855849761898577]
  MD&Aセクションは、長期管理物語と会計情報と前方情報を組み合わせている。 ファイナンシャルファイリングのベンチマークは、質問応答や数値推論を一般的に評価する。 我々は2001年から2024年までの45,964のForm 10-Q申請イベントにおいて、13の汎用および金融特化LDMからのゼロショット出力を評価した。
  論文  参考訳（メタデータ） (2026-10-16T21:54:49Z)
• 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)
• Can Language Models Learn to Forecast Stock Prices [64.57057883175987]
  ポストトレーニングでは、検証可能な結果のタスクにおける言語モデルの性能が大幅に向上することが示されている。 ポストトレーニングは、財務予測性能を大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2026-09-29T07:34:39Z)
• LLM-based Agents for Forecasting and Prediction: Methods, Training, Evaluation, and Applications [76.41731220830714]
  大規模言語モデル(LLM)は、言語ベースの推論と時間的データ、エビデンス検索、外部ツール、反復予測を組み合わせた予測システムをサポートするようになった。 ファイナンス、天気、健康、エネルギー、オペレーションの応用について検討し、評価に使用されるベンチマークとデータセットを要約する。
  論文  参考訳（メタデータ） (2026-08-24T10:02:39Z)
• Forecasting Revenue with its Customer-Base Drivers: When and Why Coordination Helps [0.6499706858965408]
  966社の毎週のトランザクションパネルを使用して、著者らはCustomer-Based Multi-task Transformerを開発した。 CBMTは共有構造を学び、別々の原始予測を保持し、下流の収益と組み合わせる。 CBMTの平均総販売誤差は、確立された顧客ベースベンチマークで最強の30%以下である。
  論文  参考訳（メタデータ） (2026-08-03T21:54:31Z)
• GAUGE: Grading Agent-Built Financial Models Without a Golden Answer [38.72982631250115]
  65社をカバーする108組のうち、中央値は0.33、92.6%は0.70以下であり、同じビンテージのペアは10%以内のインプリード価格に合意していない。 同じ企業の独立したアナリストモデルを用いて、65社をカバーする108組のうち、中央値のシングル参照スコアは0.33、92.6%が0.70未満であり、同じビンテージペアが10%以内のインリード価格で一致しないことが判明した。 本稿では,エージェント構築評価モデルを評価するベンチマークであるGAUGEを紹介する。
  論文  参考訳（メタデータ） (2026-07-27T13:03:19Z)
• Consistency Checks for Language Model Forecasters [54.62507816753479]
  予測器の性能を,論理的に異なる質問に対する予測の整合性の観点から測定する。 我々は,一連の基本質問を生成し,これらの質問から整合性チェックをインスタンス化し,予測者の予測を導き,予測の整合性を測定する自動評価システムを構築した。
  論文  参考訳（メタデータ） (2024-12-24T16:51:35Z)
• Attention-Based Ensemble Pooling for Time Series Forecasting [55.2480439325792]
  本稿では,候補モデル予測よりも重み付き平均値を実行するプーリング法を提案する。 本手法は,非定常ロレンツ63方程式の動力学の多段階予測と,COVID-19による週次死亡事故の1段階予測という2つの時系列予測問題に対して試行する。
  論文  参考訳（メタデータ） (2023-10-24T22:59:56Z)

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。