提高分部披露的完整性和可比性：大语言模型 方法

分部层面的披露是财务报告的核心组成部分，可以深入了解公司的内部组织和各运营单位的经济活动分配。然而，分部信息通常以定性和定量形式呈现，分散在 10-K 表格文件的表格和叙述部分中。依赖结构化数据库的实证研究面临完整性和可比性挑战，因为可能会丢失一些公司年度观察结果，未捕获嵌套细分披露，并且对纵向和跨公司可比性的支持有限。本研究开发了一个基于 大语言模型 的框架，直接从 10-K 表格文件中提取分部披露信息，并保留可报告和嵌套的分部信息。我们进一步设计了一个检索增强系统，该系统整合了多个文件中的信息以支持可比性。我们使用两个代表性的设置来演示其应用：公司内部的纵向分析以解释部门随时间的变化，以及跨公司对具有不同报告结构的公司的地理部门的调整。结果表明，该工件准确地提取了分部级别的信息，并有效地解决了需要跨时期知识的问题，证明了基于 LLM 的方法在增强分部披露的衡量和解释方面的潜力。