💻 computer science

Adaptive Neural Threshold Networks for SEC Accounting Enforcement Triage

本研究提出了一种自适应神经阈值网络，该网络通过学习上下文相关的阈值，在优先处理用于会计执法审查的 SEC 备案文件方面优于逻辑回归，同时建立了一套治理要求框架，以确保该系统仅作为机密的筛选辅助工具而非法律证据。

原作者： Maha Moussa, Sayed Sayed, Khater A. E. Gad, Mahmoud Ibrahim

发布于 2026-09-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Maha Moussa, Sayed Sayed, Khater A. E. Gad, Mahmoud Ibrahim

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

每年，数以千计的美国上市公司都会提交关于其资金、债务和利润的详细报告。这些文件是公开记录，旨在帮助投资者和监管机构了解经济状况。然而，负责监督这些申报文件的机构——证券交易委员会（SEC）面临着一个巨大的问题：要深入阅读每一份报告实在太多了。该机构必须决定先调查哪些少量的文件，希望能找到那些隐藏了欺诈或严重会计错误的案例。这是一个分类挑战，是一场分诊过程，即在做出任何正式法律决定之前，必须将有限的人力注意力引导至最可疑的案例上。

几十年来，监管机构一直依赖人类专家来识别财务报表中的预警信号。然而，最近研究人员提出了一个疑问：计算机是否能提供帮助？其核心理念并非取代人类调查员，而是作为一个过滤器，通过突出数据中最异常的模式来发挥作用。挑战在于，发现欺诈极其困难。大多数公司都是诚实的，而那些被抓获的公司仅占总数的极小部分。此外，“犯罪证据”往往需要数年时间才会显现，这意味着一个基于过去数据训练的计算机可能会在寻找尚未完全成形的模式。问题在于，机器学习系统能否在不迷失于正常业务变化的噪音中，学会识别问题的早期征兆。

一个研究团队开发了一种专门为此任务设计的全新计算机系统。他们构建的工具并不试图判定一家公司是有罪还是无罪，而是作为一个优先级排序辅助工具，对数千个申报期进行排名，以建议哪些案例值得人类专家进行深入审查。该系统在一个包含超过 1.4 万家不同公司、共计 33 万多个申报期的庞大数据集上进行了测试。研究人员利用 2009 年至 2018 年的数据对系统进行训练，然后使用 2021 年和 2022 年最新的完整数据对其进行测试。目标是观察该系统能否正确识别出后来与官方执法行动（即会计与审计执法公告，AAERs）相关的申报文件。

研究人员发现，他们开发的新系统——被称为“自适应神经阈值网络”（adaptive neural threshold network）——的表现优于标准的统计方法。传统的模型在审查前 10% 的列表时，大约能识别出 23.6% 的问题文件，而新系统则能找到 30.9%。这种提升看似微小，但在一个只有极少数申报文件存在问题的世界里，发现更多的坏账意味着为调查人员节省了宝贵的时间。该系统的运作原理是学习特定公司在特定时间的“常态”，而不是对所有人使用单一且僵化的规则。它会观察诸如公司增长速度、债务规模，以及现金流是否与其报告利润相匹配等因素。如果一家公司的数字与其规模和行业预期偏差过大，系统就会发出警报。

至关重要的一点是，研究人员设计该系统时注重其透明度。与许多推理过程隐藏在“黑箱”之中的现代人工智能工具不同，该系统能够清晰展示其发出警报的原因。它可以告知分析师，某家公司之所以被标记，是因为其库存增长速度远超销售额，或是因为其现金储备意外下降。这使得人类审查员能够看到触发警告的具体会计偏差。研究人员强调，这个评分并非犯罪证据。它仅仅是一个信号，意在说明：“先看这里。”高分并不代表欺诈，低分也不代表公司安全。该系统严格定位为一种分类工具，而非判断工具。

该研究还强调了使用过去数据预测未来执法的局限性。研究人员发现，法律行动的时机至关重要。如果尝试预测与申报年份相同的执法行动，系统的表现几乎完全失效；然而，当他们观察一个三年的窗口期时，系统的有效性显著提高。这表明法律程序是缓慢的：财务报告中的问题迹象往往要在数年后才会导致正式调查。该系统学会了识别这些长期模式，但研究人员也警告说，这也意味着系统是在从一段可能受到“监管机构过去选择追究哪些对象”所产生的偏见影响下的历史中进行学习。

最终，论文得出结论：虽然这项技术在如何筛选海量文书方面提供了实质性的改进，但它无法取代人类的判断。该系统最好被视为一种确保在时间或资源匮乏的情况下不会遗漏最可疑案例的方法。研究人员提出了一套严格的规则，规定此类工具在现实世界中应如何使用。他们坚持认为，评分必须保持保密，人类专家必须在采取任何行动之前验证发现，并且必须对系统进行持续监控，以确保其不会不公平地针对某些类型的公司。其目标不是实现法律自动化，而是为执法者提供一张更好的地图，指引他们开始旅程的起点。

技术摘要：用于 SEC 会计执法分流的自适应神经阈值网络

问题陈述
公共执法机构（如美国证券交易委员会，SEC）面临着“分流问题”：受监管的财务披露（10-K 和 10-Q 文件）的数量超过了进行深入调查的能力。虽然机器学习可以协助优先处理记录，但在公共行政领域应用预测性评分会引入独特的法律和经验挑战。具体而言，执法标签（会计与审计执法发布，即 AAERs）具有选择性、延迟性和法律上的模糊性；它们反映了底层行为与机构自主检测及调查过程的结合。此外，标准的分类指标往往无法捕捉到制度现实，即模型的输出是一种优先级排序工具，而非对欺诈或责任的法律判定。核心挑战在于开发一个能够对潜在审查的申报期进行排名，同时尊重行政分流与裁决之间区别的系统，确保该系统保持可解释性、可审查性并受到法律约束。

方法论
本研究构建了一个具备法律意识且可解释的神经系统，旨在根据未来与发行人层面 AAER 关联的可能性，对 SEC 申报期进行排名。

数据与结果构建：
- 样本面板： 数据集包含来自 14,047 家唯一企业的 331,388 个观测值，源自 2009–2023 财年的 SEC 财务报表数据集（XBRL 文件）。
- 标签化： 目标变量是前瞻性的、三年的未来 AAER 关联。研究应用了严格的两阶段审查流程来将 AAER 与发行人挂钩，拒绝了仅针对个人、仅针对审计师或存在歧义的匹配。这一过程将最初的候选正例从 2,889 个减少到经过审查的 904 个发行人层面链接。
- 时间分割： 模型在 FY2009–2018 上训练，在 FY2019–2020 上验证，并在一个“成熟”的测试集（FY2021–2022）上进行评估，该测试集的三年随访窗口已完成。FY2023 因随访不完整而被视为描述性数据。
- 特征： 模型利用 125 个预测变量，包括标准财务比率、同比变化以及 Beneish 式指数（如 DSRI、GMI、AQI），并使用训练集统计数据进行标准化和插补。
模型架构（自适应神经阈值）：
- 受“DeepCut”架构启发，拟议的模型将阈值变量（如应计项目、杠杆率、亏损状态）与上下文变量（如企业规模、行业、申报类型）分离。
- 一个两层神经网络为每个阈值变量生成依赖于上下文的下限 ( $c^L_{ij}$ ) 和上限 ( $c^H_{ij}$ )。
- 模型计算“超额”项：观测值相对于特定上下文下限或上限的偏差。这些非负超额项被加权求和，以产生风险逻辑值（risk logit）。
- 可解释性： 该架构旨在以特定的会计偏差（例如“现金疲软”或“异常应收账款增长”）的形式提供解释，而非晦涩的隐藏表示。
评估与治理框架：
- 指标： 使用 ROC-AUC、PR-AUC 以及固定审查预算（2%、5%、10%）下的召回率来评估性能。
- 推断： 通过 1,000 次基于发行人聚类的自助法（bootstrap）来估计不确定性，以解释企业内部的相关性。
- 治理： 研究提出了一个部署框架，强调“目的限制”（得分仅用于优先级排序）、独立的人类判断、审计日志以及防止得分成为事实上的指控的机制。

关键结果

性能： 自适应神经阈值模型（DeepCut）在成熟测试集上的 ROC-AUC 为 0.7569，PR-AUC 为 0.01244。这优于逻辑回归（ROC-AUC 0.6837，PR-AUC 0.00709）和几种基于树的集成方法。
统计显著性： 配对的发行人聚类自助法表明，在全局排名方面存在显著改进（ROC-AUC 差异为 0.0733；95% CI: 0.0224–0.1265; $p=0.012$ ）。然而，PR-AUC 和在特定固定预算（如 5% 和 10%）下的召回率差异并未得到统计学解决或仍具有不确定性。
预算下的召回率： 在 10% 的审查预算下，自适应模型捕获了 30.9% 的正例，而逻辑回归为 23.6%。在 5% 的预算下，两种模型均捕获了 17.9%。
消融实验与稳定性：
- 上下文适配（学习基于企业规模/行业的阈值）相比于固定全局阈值提高了性能。
- 然而，一个“仅上下文”的神经网络（不含阈值层）的表现与完整的自适应模型相似，这表明阈值层的核心价值在于其结构化的解释接口，而非独特的预测能力。
- 模型在五个随机种子下表现出稳定性。
标签期限敏感性： 研究发现同年度 AAER 标签几乎没有预测能力（ROC-AUC ~0.50）。预测性能随 1 年、2 年和 3 年期限的增加而显著提高，凸显了法律执法在时间上与报告期是不一致的。

意义与主张
本文将自身的贡献定位为并非解决欺诈检测问题的方案，而是作为行政分流中一个适度的、可解释的排名信号。

法律-人工智能贡献： 本研究针对的是“决策前”的行政阶段，将其与裁决区分开来。文章认为，法律领域的预测系统不仅要根据准确性进行评估，还要评估它们如何处理选择性标签、延迟结果以及将优先级评分转化为指控的风险。
标签构建即设计： 研究将结果变量的构建（发行人-AAER 链接）视为一个关键的法律-制度设计问题。通过对 AAER 进行严格过滤（剔除非发行人匹配）的过程，创建了一个“更难但更具防御性”的任务，强调了在此领域中，数据清洗不仅是统计上的必要，更是法律上的必要。
治理与可审查性： 本文得出了具体的治理要求，包括目的限制、独立人类权威、审计追踪和漂移监测。文章断言，“可解释性”在此背景下的含义是提供关于为何某份申报被标记的诊断性说明（例如特定的会计超额），以支持人类审查，而非提供法律上的执法理由。
适度的技术主张： 作者明确指出，该系统实现了“中等的排名价值”，适用于优先处理有限的一组文件供机密专家审查。他们警告称，该得分无法确立责任、意图或重要性，且漏报（错失正例）是该系统有限能力的固有属性。研究结论认为，虽然自适应模型提高了全局判别能力，但在特定运营能力（如固定审查预算）下的优越性仍具有不确定性，且系统的部署必须配合严格的保障措施，以防止自动化偏见和反馈循环。

技术摘要：用于 SEC 会计执法分流的自适应神经阈值网络

类似论文