arXiv cs.CL· Ahmet Efe, Shivank Sapra, Bilal Ahmed·· 10 小时前AI 评分27
财报电话会议文本能预测财务重述吗？评估公开公司信息之外的文本价值
Do Earnings Calls Help Predict Financial Restatements? Evaluating Text Beyond Public Firm Information
AI 导读
对比 109 通财务重述前的财报电话会议与 218 通匹配对照会议后发现，文本分类器虽优于随机猜测，但相比仅用公开公司信息的模型并无排名增益，后者得分还略高。重拟合后文本增益的 95% 区间为 -0.05 至 0.11 AUROC，仍可能包含实际价值。大语言模型得分更高，但在 66% 的掩码转录稿中直接说出对应股票代码，且其发布时间晚于这些重述事件。
正文 · AI 翻译
摘要：财务重述用于更正此前发布的财务报告中的错误。管理层在财报电话会议中的语言能否提前预警这些重述？通过比较重述前的 109 通电话与 218 通匹配的对照电话，我们发现文本能够预测重述，但在公开公司信息之外未带来可检测的排序增益。文本分类器的表现优于随机猜测，这主要归因于与特殊目的收购公司相关的重述，但仅使用公开信息的模型得分略高。经过重新拟合，加入文本所带来的增益的 95% 区间（-0.05 至 0.11 AUROC）仍为有意义的收益留出了空间。大型语言模型的得分更高，但我们发现它在 66% 的掩码转录稿中能说出确切的股票代码，而且它是在重述发生之后才发布的。我们的结果表明，要在电话会议文本中发现新的预警信号，需要公开信息基线，并检查语言模型已经知道什么。
| 评论： | 8 页，2 幅图，2 张表 |
| 主题： | 计算与语言（cs.CL）；机器学习（cs.LG） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2611.01123 [cs.CL] |
| （或 arXiv:2611.01123v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01123 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ahmet Efe [查看电子邮件]
[v1]
2026 年 10 月 31 日星期六 17:10:34 UTC（47 KB）
来源：arXiv cs.CL · arxiv.org