论文
财务报表欺诈检测的基准概括：稳健的评估和新颖的任务
Benchmarking Generalization in Financial Statement Fraud Detection: robust evaluation and novel tasks
摘要
财务报表欺诈检测（FSFD）对于市场诚信至关重要，但面临着日益复杂的方案和财务报告中未充分利用的文本数据的挑战。现有的方法通常依赖于随机数据分割，导致过于乐观的绩效估计，无法反映新公司或未来时期的现实情况。为了用最先进的技术解决这个反复出现的问题，我们提出了一个强大的 FSFD 框架，利用 大语言模型 (LLM) 来集成财务报告中的结构化财务数据和非结构化文本信息。我们通过称为公司隔离 FSFD (CI-FSFD) 的新颖且具有挑战性的基准任务提供更现实的评估。我们构建并公开了一个综合的美国公司数据集，其中结合了财务报表、MD&A 文本摘要和欺诈标签。我们的方法在具有挑战性的 CI-FSFD 任务中实现了最佳性能，证明了文本数据的关键价值和可靠的金融欺诈检测的稳健评估。