پیش‌بینی مشکلات مالی در محیط‌های پویا سیگنال‌های پذیرش هوش مصنوعی و پنجره‌های آموزشی کوتاه‌شده موقت

TL;DR

• نویسندگان:.
• فردریک رچ (1)،.
• حسام موسی (2)،.

چه اتفاقی افتاد

نویسندگان:. فردریک رچ (1)،.

حسام موسی (2)،. مارتین شیبونا (3)،.

سیله ژان توئو (4) ((1) دانشکده اقتصاد،. موسسه فناوری پکن،.

پکن،. چین (1) دانشکده اقتصاد،.

دانشگاه MSU-BIT شنژن،. شنژن،.

چین (2) دانشکده اقتصاد بلکا،. اسلواکی (2) دانشکده اقتصاد بلکا،.

اسلواکی هنر و علوم اجتماعی،. دانشگاه باپتیست هنگ کنگ،.

هنگ کنگ،. چین (4) دانشکده بازرگانی،.

دانشگاه لیائونینگ،. شنیانگ،.

چین) چکیده:. پیش‌بینی مشکلات مالی شرکت‌ها به‌طور فزاینده‌ای مستلزم پذیرش فناوری‌های دگرگون‌کننده مانند هوش مصنوعی توسط شرکت‌ها است،.

اما عملکرد مدل همچنان در برابر تغییرات توزیع زمانی آسیب‌پذیر است زیرا این فناوری‌ها استفاده می‌شوند. این مطالعه بررسی می‌کند که آیا پروکسی‌های پذیرش هوش مصنوعی در سطح شرکت (AI) عملکرد پیش‌بینی را فراتر.

از مبانی استاندارد حسابداری بهبود می‌بخشد. با استفاده از پنل از شرکت‌های غیر مالی چینی A-share از سال 2007 تا 2023،.

ما شاخص‌های هوش مصنوعی را از افشای متنی و داده‌های ثبت اختراع می‌سازیم. ما شش طبقه‌بندی‌کننده یادگیری ماشین را تحت یک طراحی کاملاً زمانی تعیین می‌کنیم که آخرین سال آزمون را.

اصلاح می‌کند و به‌تدریج تاریخچه آموزش را برای ثبت تغییرات زمانی کاهش می‌دهد. نتایج نشان می‌دهد که پراکسی‌های هوش مصنوعی به‌طور مداوم تبعیض خارج از نمونه را بهبود می‌بخشند و خطاهای.

نوع II را کاهش می‌دهند،. با قوی‌ترین دستاوردها در مجموعه‌های مبتنی بر درخت.

عملکرد پیش بینی در طول پنجره تمرین غیر یکنواخت است. مدل‌هایی که بر اساس داده‌های اخیر آموزش داده شده‌اند،.

بهتر از مدل‌هایی هستند که از تاریخچه کامل استفاده می‌کنند،. در حالی که آموزش یک ساله غیرقابل اعتماد است.

تحلیل‌های توضیح‌پذیری نسبت‌های مالی را به‌عنوان محرک‌های اصلی نشان می‌دهد،. با سیگنال‌های پذیرش هوش مصنوعی که محتوای پیش‌بینی افزایشی را اضافه می‌کند که تفسیر آن به‌عنوان یک عامل.

خطر در رژیم‌های آموزشی متفاوت است. یافته‌های ما پروکسی‌های هوش مصنوعی را به‌عنوان پیش‌بینی‌کننده‌های ارزشمند برای غربالگری پریشانی و نشان می‌دهند که.

پنجره‌های پیش‌بینی تطبیقی ​​و موقتی برای مدل‌های هشدار اولیه قوی در محیط‌های فناوری و اقتصادی به سرعت در. حال تکامل ضروری هستند.

اقتصاد عمومی (econ. GN) استناد به‌عنوان: (یا v3 [econ.

GN] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.

Frederik Rech [مشاهده ایمیل] [v1] سه شنبه،. 2 دسامبر 2025،.

08:. 09:.

04 UTC (3,. 963 KB) [v2] چهارشنبه،.

21 ژانویه 2026،. 06:.

46:. 05 UTC (7,.

239 KB) [v3] دوشنبه،. 6 آوریل 2026،.

10:. 19:.

22 UTC (5,. 887 KB).

چرا مهم است

اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیم‌گیری سازمانی اثر می‌گذارد.

منبع

لینک منبع اصلی در کارت و صفحه مقاله نمایش داده می‌شود.