数据不确定性下的多准则财务筛选:面向中小企业的LLM提取与Min–Max TOPSIS方法

《Mathematics》:Multi-Criteria Financial Screening Under Data Uncertainty: An LLM-Extraction and Min–Max TOPSIS Approach for SMEs

【字体: 大 中 小 】 时间:2026年06月25日 来源:Mathematics 2.3

编辑推荐:

  中小企业在日常财务监控中普遍面临一个悖论:其会计文件虽已存在,但在缺乏专职分析人员或专业软件的情况下,将异质性PDF文件转化为及时财务信号的成本过高。本研究提出了一种双层设计科学工件(artifact),仅利用公开网络大型语言模型(LLMs)和简约的多准则决策

  
中小企业在日常财务监控中普遍面临一个悖论:其会计文件虽已存在,但在缺乏专职分析人员或专业软件的情况下,将异质性PDF文件转化为及时财务信号的成本过高。本研究提出了一种双层设计科学工件(artifact),仅利用公开网络大型语言模型(LLMs)和简约的多准则决策程序弥合了这一鸿沟。第一层实现了一种结构化的LLM驱动工作流,无需代码、应用程序接口(API)或微调即可从年度税务资产负债表中提取账户—数值对。第二层重建可审计的会计汇总指标,并通过min–max归一化的逼近理想解排序法(TOPSIS)对年度财务状况进行排序——这是对比率均为正值假设下经典向量归一化的有意识替代,因为困境年度中盈利能力指标常规性地呈现负值。为避免规模效应和代数冗余,决策矩阵仅使用涵盖流动性、盈利能力和偿债能力三个维度的准则。该工件在一匿名化建筑型中小企业(2021–2024年)的四年案例研究中进行了验证,会计核验的文档层级匹配率分别为0.810、0.998、0.950和0.909。等权重是唯一使用的权重配置;补充的基于熵的离散度诊断得出相同的序数排序——2024 > 2023 > 2021 > 2022——而10,000次蒙特卡洛复制(在重建汇总指标层级注入不确定性)确认极端秩次在所有运行中均保持不变。本研究的贡献兼具方法论与实践价值:提供了一种透明、低基础设施门槛的流程,使在严重数据和预算约束下运营的中小企业得以开展首次财务筛选。
建筑型中小企业长期面临财务脆弱性困境。研究背景方面,该类型企业收入随项目进度确认,但因 billing cycles(账单周期)、retention holdbacks(保留金扣留)以及现金流出与流入事件之间的合同性时滞,实际收款往往滞后,导致营运资本频繁依赖短期债务而非内部流动性来维持。相较于其他行业,建筑企业面临更高的违约和破产风险,财务比率分析因而成为该行业财务困境预警的核心工具。与此同时,该细分市场中众多企业缺乏专职分析人员、正式成本控制流程或用于将会计数据转化为管理信号的专业软件,中小企业融资也普遍受到相对于大型企业更为严格的约束。这种困境不仅带来不便——在建筑情境下,流动性、盈利能力和偿债能力信号的延迟解读会直接传导至采购压力、薪资压力和项目执行风险。

在此背景下,大型语言模型(LLMs)创造了可及性契机。当文件可读且提示词经过精心设计时,LLMs能够支持财务报表的提取、结构化处理及初步推理。然而,中小企业的应用场景仍存在方法学困难:文件常以异质性PDF格式交付,可能包含扫描件或旋转页面,且往往反映将经营余额与业主相关或权益清算项目相混合的税务资产负债表惯例。在此情境下,下游结论不仅取决于提取层,还取决于随后的会计重建和决策模型选择。

研究人员基于此开展研究,旨在回答一个核心实践问题:一种低成本的双层工件——结合基于提示的提取和简约的多准则筛选——能否仅利用年度税务资产负债表和最低技术基础设施,为建筑中小企业提供可辩护的首次财务审查?该研究采用设计科学研究(Design Science Research, DSR)框架,不声称构建终极预测模型,而是开发和评估一种在真实中小企业约束下具有实用价值的双层管道:第一层从混乱的资产负债表中提取会计信息,第二层将少量重建指标转化为透明的筛选输出。在DSR术语中,贡献在于相关环境中的工作设计、演示和评估,以效用、可追溯性和可及性作为主要评价标准。

研究人员的主要研究内容包括:正式化双层工件及其明确设计目标与有界声明;从年度智利税务余额中重建可审计的会计汇总指标,而非依赖不稳定的预计算比率;将第二层实现为经过有意修改的TOPSIS程序,采用单一方向保持变换、三项准则和透明权重选择;通过案例演示、文档级验证和汇总级蒙特卡洛分析评估该工件。研究结论表明,该双层管道是可行的——第一层在混乱文档条件下可用,第二层产生可审计且可解释的筛选输出。具体而言,2022年被识别为困境年度(debt-to-asset ratio > 1,即调整后负债超过调整后资产),2024年为最强年度(流动性最强、杠杆最低、盈利能力稳健),而2021与2023年构成需要人工复核的"审查区域",其相对排序对提取不确定性敏感。蒙特卡洛模拟显示,极端秩次(2024年首位、2022年末位)在10,000次复制中保持不变,仅中间排序存在波动。该研究的方法论贡献在于提出了一种透明、低基础设施的首次财务筛选方案;实践意义在于使严重数据和预算约束下的中小企业得以获得原本需要专业软件或分析劳动的结构化筛选能力。论文发表于《Mathematics》期刊。

关键技术方法方面,研究人员采用了一项案例研究设计,样本为一家匿名化智利建筑中小企业2021–2024年的四份年度智利税务资产负债表,涵盖扫描旋转文档(2021)、清洁数字文档(2022)及多页深层账户层级数字文档(2023–2024)等异质性条件。第一层实施了无代码三阶段提示链:原始文本提取(去除非会计内容)、清洗与归一化、JSON结构化输出,在公共网络DeepSeek-V3.1标准聊天界面中逐阶段手动传递执行。第二层采用min–max归一化替代经典向量归一化的修改型TOPSIS变体,以三项准则(流动性c1、盈利能力c2、偿债能力c3)构建决策矩阵,等权重配置,并通过蒙特卡洛模拟在汇总指标层级注入不确定性进行稳健性检验。补充的Shannon熵权重仅作为离散度诊断工具。

研究结果方面,**文档级提取结果**:经会计核验,2021–2024年文档级匹配率分别为0.810、0.998、0.950和0.909,平均匹配率0.917;2021年因以下条件最为困难(扫描且旋转),2022年最易处理。该指标为保守度量,因遗漏、重复、错标、伪插入和数值分歧均计入不匹配,且未单独记录召回率。

**重建汇总指标**:从税务余额中重建五项汇总指标——流动营运资本A1(现金及银行、应收账款、保理保留金、材料、可收回税项;排除固定资产)、调整后总资产A2(剔除代表现权益变动的借方余额)、调整后总负债L3(仅含第三方债务)、年度结果P(损益行项目,损失列为负)、调整后权益E。2022年呈现极弱流动资产和负年度结果,2023年盈利能力强劲恢复,2024年流动性最强且债务结构最优。

**最终筛选矩阵**:三项准则为流动比率c1=A1/L3、调整后资产回报率c2=P/A2、债务资产比c3=L3/A2。2022年唯一出现c3>1,即技术资不抵债。

**基线筛选结果**:等权重下,贴近度系数分别为2024年0.836、2023年0.533、2021年0.515、2022年0.162。补充熵权重诊断得出完全相同的序数排序,证实极端排序不依赖权重选择。

**汇总级蒙特卡洛评估**:10,000次复制中,极端秩次不变(2024始终首位,2022始终末位),中间位置部分可交换(2021与2023互换2、3位)。针对2021年系统偏差的对 adversarial 分析显示,即使对五项汇总指标施加±19%的全幅系统偏移(32种符号组合),极端结论仍保持不变,仅影响已标记为不稳定的中间排序。

研究讨论与结论部分,研究人员指出该工件展示了以下价值:结合基于提示的提取与简约多准则筛选的双层管道,无需API、自定义代码或专有分析平台,即可从异质性中小企业资产负债表中产生透明的首次审查。该贡献在DSR框架下有效——目标是证明可行工作设计及其在相关组织环境中的效用,而非证明唯一或最优模型。工件的"民主化"应理解为结构化的首次筛选可及性,而非完美的财务诊断。

研究方法论的刻意保守性体现为:不声称未独立记录召回率的正式F1度量;不将收入作为风险准则;不将四年度观察的熵权重视为强结构参数;不将输出呈现为破产模型或贷款级信用评分。这种保守性使每个方法论选择与可得证据相称,增强了可辩护性。

对于中小企业管理者,序数输出应解读为样本内信号而非绝对分数:首位为参考标杆(2024年),末位为警报触发(2022年,c1接近零或c3≥1需专业复核),中间构成审查区域(2021与2023年相对位置不可靠)。该输出支持三种用途:分流分配稀缺的会计关注、定义需要专业复核的触发条件、跟踪最新年度相对于参考标杆的轨迹变化。

未来设计周期应在四个方向扩展:多企业多文档群体测试;记录遗漏以测量召回率和真实F1;以账户级不确定性传播替代汇总级扰动;比较公共网络与私有/本地LLM部署(尤其保密义务严格时)。若运营数据更丰富,可纳入现金流或偿债准则而不引入明显冗余;亦可探索概率度量空间中随机赋范k均值等替代距离公式。

研究结论部分翻译:本研究提出了一种面向建筑中小企业LLM辅助财务筛选的双层工件,并通过设计科学视角进行了评估。第一层利用结构化提示工作流从异质性年度税务余额中提取会计信息。第二层重建可审计汇总指标,并通过修改型TOPSIS程序将其转化为简约筛选结果。三项结论随之得出:第一,低成本LLM工作流可支持从混乱的中小企业资产负债表中提取可用信息,但该数据集中可辩护的验证主张仅限于文档级匹配率,而非正式的精确率—召回率分数。第二,财务筛选质量取决于会计重建程度,不亚于LLM提示设计;若不予剔除,业主相关和权益清算借方余额将实质影响比率解读。第三,所提出的第二层筛选程序在此案例中产生了稳定的极端排序——2024年最强、2022年最弱——同时透明揭示了中间秩次的不确定性。

案例评估不能证明该工件完美、最终或普遍可推广。其证据受明确范围条件约束:一家智利建筑中小企业、四份年度税务余额、无代码公共网络部署;多企业评估是紧接的下一个设计周期。在该周期完成前,民主化贡献应理解为在一种相关环境中展示工件可及性,而非展示群体级性能。该研究所展示的是提案的可行性、透明性和值得改进的价值——在设计科学框架下,当工作提供从问题到可用解决方案的可信路径时即具价值。就此而言,双层管道为数据受限的建筑中小企业首次财务筛选的民主化提供了可辩护的提案。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号