論文の概要: Do Earnings Calls Help Predict Financial Restatements? Evaluating Text Beyond Public Firm Information

• arxiv url: http://arxiv.org/abs/2611.01123v1
• Date: Sat, 31 Oct 2026 17:10:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.451868
• Title: Do Earnings Calls Help Predict Financial Restatements? Evaluating Text Beyond Public Firm Information
• Title（参考訳）: Earningsは金融リステートメントの予測に役立っているか? 公開企業情報を超えてテキストを評価する
• Abstract要約: 再処理に先立つ109回のコールと、一致した218回のコントロールコールを比較します。 テキストはリスタンスを予測するが、公開企業情報以上のランク付けは検出できない。 以上の結果から,コールテキストに新たな警告サインを見つけるには,公開情報ベースラインと,言語モデルがすでに知っていることの確認が必要であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.9066817971329898
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Financial restatements correct errors in previously published financial reports. Could managers' language in earnings calls warn of them in advance? Comparing 109 calls that precede restatements with 218 matched control calls, we find that the text predicts restatements but adds no detectable ranking gain beyond public firm information. A text classifier beats chance, largely because of restatements tied to special-purpose acquisition companies, but a model using only public information scores slightly higher. With refitting, the 95% interval for the gain from adding text (-0.05 to 0.11 AUROC) still leaves room for a meaningful benefit. A large language model scores higher, but we show that it names the exact ticker in 66% of masked transcripts, and it was released after the restatements occurred. Our results suggest that finding new warning signs in call text requires a public-information baseline and a check of what a language model already knows.
• Abstract（参考訳）: 金融改革は、以前に公表された財務報告の誤りを正す。 決算報告でマネージャの言葉は前もって警告できるか? 再処理に先立つ109件の通話と218件の制御コールを比較すると、このテキストは再処理を予測するが、公開企業情報以外のランク付けは見つからないことがわかった。 テキスト分類器は、主に特殊目的の買収会社と結びついているため、チャンスに勝っているが、公開情報のみを使用したモデルの方がわずかに高い。 リフィットでは、テキストの追加(-0.05から0.11 AUROC)による95%の間隔は、依然として有意義な利益を得る余地を残している。 大規模な言語モデルでは高いスコアが得られたが,マスク付き文字の66%は正確なティッカーと名付けられており,再分類後に放出された。 以上の結果から,コールテキストに新たな警告サインを見つけるには,公開情報ベースラインと,言語モデルがすでに知っていることの確認が必要であることが示唆された。

関連論文リスト

• Where Did We Go Wrong? Localizing Errors to Repair Multi-Turn Conversations [49.396560970345284]
  誤解釈を確率論的にローカライズするフレームワークであるLociを紹介する。 Lociはベースライン上のローカライゼーションを改善し,複数のエラーが発生した場合にその利点が大きくなることを示す。 次に、誤解釈が自然に発生する自由形式の会話で評価し、最初の失敗後にタスクを完了させるために必要な相互作用を測定する。
  論文  参考訳（メタデータ） (2026-10-10T20:10:59Z)
• SpeakPay: Domain-Adaptive LoRA Fine-Tuning of Whisper for Low-Resource Nepali Financial Speech Recognition [0.0]
  ネパールのモバイル決済アプリケーションはグラフィカルに仲介されており、視覚障害者にはほとんどアクセスできない。 本稿では,音声ファーストのデジタルウォレットであるSpeakPayについて述べる。 ネパールの財務音声コマンドの403発話データセットであるNepFinSpeech-403と、LoRAを用いたWhisper large-v2について紹介する。 保持されたテストセットでは、ドメイン適応モデルはワードエラー率を129.95%から42.58%に下げ、デバナガリ数認識精度を0.0%から73.9%に改善する。
  論文  参考訳（メタデータ） (2026-09-01T18:07:24Z)
• Feedback That Backfires: Why Small Language Model Agents Repeat the Call They Just Watched Fail [0.0]
  障害レコードの修正的なゲインを、失敗するアクションを再発光するログ確率の変化として定義すると、そのゲインは、命令チューニングされたモデル毎に負であることが分かります。 問題は、モデルのエラーメッセージの把握ではなく、ハーネスにある。
  論文  参考訳（メタデータ） (2026-08-24T10:19:17Z)
• Towards Empowering Consumers through Sentence-level Readability Scoring in German ESG Reports [2.4693829414013546]
  我々は,既存のドイツ語ESGレポートの文レベルデータセットをクラウドソースの可読性アノテーションで拡張する。 一般に、ネイティブ話者はESGレポートの文章を読みやすいほど読みやすいと認識しているが、読みやすさは主観的である。 解析の結果, LLMプロンプトは, 読み難い文と区別できる可能性があるが, 小型の微調整トランスフォーマーは, 人間の読みやすさを最小の誤差で予測できることがわかった。
  論文  参考訳（メタデータ） (2026-03-31T15:19:02Z)
• Auditing for Bias in Ad Delivery Using Inferred Demographic Attributes [50.37313459134418]
  広告配信のブラックボックス監査において,予測誤差が偏見の監査に与える影響について検討した。 本稿では,広告配信アルゴリズムのスキュー評価において,推測誤差を軽減する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-30T18:57:03Z)
• Fine-tuning Language Models for Factuality [96.5203774943198]
  大規模な事前訓練型言語モデル(LLM)は、しばしば伝統的な検索エンジンの代替として、広く使われるようになった。 しかし、言語モデルは説得力のあるが事実的に不正確な主張をしがちである(しばしば「幻覚」と呼ばれる)。 本研究では,人間のラベル付けなしに,より現実的な言語モデルを微調整する。
  論文  参考訳（メタデータ） (2023-11-14T18:59:15Z)
• Explainable Tsetlin Machine framework for fake news detection with credibility score assessment [16.457778420360537]
  本稿では,最近導入されたTsetlin Machine (TM) に基づく,新たな解釈可能な偽ニュース検出フレームワークを提案する。 我々は、TMの接続節を用いて、真偽のニューステキストの語彙的および意味的特性をキャプチャする。 評価のために、PolitiFactとGossipCopという2つの公開データセットで実験を行い、TMフレームワークが以前公開されたベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-05-19T13:18:02Z)
• Bankruptcy prediction using disclosure text features [0.0]
  本研究は,経営担当者が財務状況を説明するのに用いた文に基づく新たな苦難辞書を提案する。 これは破産企業と非破産企業の間の言語的特徴の大きな違いを示している。 500の倒産企業の大規模なサンプルを使用して、予測モデルを構築し、財務テキスト分析に使用される2つの辞書と比較する。
  論文  参考訳（メタデータ） (2021-01-03T22:23:22Z)
• MASKER: Masked Keyword Regularization for Reliable Text Classification [73.90326322794803]
  文脈に基づく予測を容易にする微調整手法であるマスク付きキーワード正規化(MASKER)を提案する。 maskerはモデルを規則化し、他の単語からキーワードを再構築し、十分な文脈なしに低信頼の予測を行う。 分類精度を低下させることなくOOD検出とクロスドメインの一般化を改善したMASKERを提案する。
  論文  参考訳（メタデータ） (2020-12-17T04:54:16Z)
• Taking Notes on the Fly Helps BERT Pre-training [94.43953312613577]
  Takeing Notes on the Fly (TNF) は、事前トレーニング中にフライで稀な単語のメモを取り、次回発生するときにモデルがそれらを理解するのに役立つ。 TNFは、文中のまれな単語によって引き起こされる不適切な意味をカバーするために、クロス文情報を用いるので、より良いデータ利用を提供する。
  論文  参考訳（メタデータ） (2020-08-04T11:25:09Z)

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。