《Risks》：Bankruptcy Prediction from 10-K Narratives: Evidence from Interpretable Text Scores and Accounting Baselines
编辑推荐：
本研究考察了年度10-K文件中经过上下文验证的急性困境披露是否能够改善破产风险排序，超越会计变量。研究人员将美国证券交易委员会（SEC）申报数据、第7项“管理层讨论与分析”文本以及2010–2021财年来自佛罗里达-加州大学洛杉矶分校-LoPucki破产研究数
本研究考察了年度10-K文件中经过上下文验证的急性困境披露是否能够改善破产风险排序，超越会计变量。研究人员将美国证券交易委员会（SEC）申报数据、第7项“管理层讨论与分析”文本以及2010–2021财年来自佛罗里达-加州大学洛杉矶分校-LoPucki破产研究数据库（BRD）的破产事件进行关联分析。主要样本包含21,239个非金融企业-年度观察值和159个一年期破产事件。本文开发了一个验证性困境披露（VDD）词典，该词典在句子级上下文过滤后，标记持续经营不确定性、契约违规以及贷款人宽容或豁免。在2019–2021年的保留测试中，将VDD指标添加到六变量Ohlson相关会计基线后，受试者工作特征曲线下面积（AUC）从0.8682增加到0.8827（Δ=0.0146；95%置信区间（CI）[0.0040, 0.0275]），精确率-召回率AUC（PR-AUC）从0.0924增加到0.2060（95% CI [0.0458, 0.2132]）。基准测试和分解测试表明，主要信号集中在持续经营披露中，且VDD最好被解释为对会计变量和更广泛文本模型的可审计排序补充，而非校准的违约概率模型。
**论文解读：从10-K叙述性披露中的破产预测——可解释文本评分与会计基线的证据**
**研究背景与意义**
传统破产预测模型（如Beaver, 1966; Altman, 1968; Ohlson, 1980）主要依赖会计比率，如规模、杠杆、流动性、盈利能力等，这些指标虽标准化且经济可解释，但可能无法同时捕捉所有预警信号。叙述性披露（如10-K中的“管理层讨论与分析”MD&A）可描述管理层的担忧、持续经营不确定性、契约违规、贷款人宽容等压力机制，这些信息可能未被少数会计变量充分概括。然而，现有研究缺乏针对破产特定急性困境的上下文验证文本度量。本研究旨在构建一个可解释且可审计的验证性困境披露（VDD）词典，检验其是否能在会计变量基础上改善破产风险排序。论文发表在《Risks》。
**关键技术方法**
样本来源：SEC EDGAR数据库（2010–2021财年），匹配佛罗里达-加州大学洛杉矶分校-LoPucki破产研究数据库（BRD）的破产事件。主要样本为21,239个非金融企业-年度观察值（含159个一年期破产事件），来自BRD大型上市公司阈值（资产≥1亿美元（1980年美元））。方法：构建VDD词典，包含三个二元指标：持续经营不确定性、契约违规、贷款人宽容/豁免。通过句子级上下文验证（双注释者一致性Cohen’s kappa=0.759）过滤非相关语境（如否定、合规、历史、通用、其他实体等）。模型使用L2正则化Logistic回归（逆频率类别权重），会计基线为六变量Ohlson相关变量（规模、杠杆、营运资本比率、流动负债/流动资产、净利润/总资产、负权益指示）。基准测试包括Loughran-McDonald（LM）词典、TF-IDF/Logistic模型等。
**研究结果**
**4.1 主要保留测试结果**：在2019–2021年保留样本中，添加VDD指标后，AUC从0.8682提升至0.8827（Δ=0.0146，95% CI [0.0040, 0.0275]），PR-AUC从0.0924提升至0.2060（95% CI [0.0458, 0.2132]），顶部10%捕获率从57.14%提升至64.29%（95% CI [0.00, 17.95]），但边界显著。
**4.2 基准分析**：VDD在控制LM类别、披露长度、可读性后仍提升PR-AUC；训练调优的TF-IDF模型获得更高AUC，但VDD仍贡献PR-AUC价值。
**4.3 近事件排除测试**：排除30、60、90、180天内的破产事件后，VDD的PR-AUC改善仍为正。
**4.4 SIC集中度敏感性**：排除SIC 13（石油天然气）后，VDD仍改善PR-AUC，但AUC区间接近零。
**4.5 词典家族分解**：信号主要由持续经营不确定性驱动，契约违规和宽容/豁免在保留样本中稀疏且不独立预测。
**4.6 实际顶部尾部解释**：在顶部1%高风险观察值中，VDD模型捕获12个破产事件（会计模型捕获4个），顶部10%中捕获27个（会计模型24个），但精确率低。
**4.7 模型诊断与分组验证**：多重共线性有限（VIF最大3.34），链接函数（logit/probit）支持结果方向；50次重复分组验证中，VDD在98%的分组中改善PR-AUC。
**4.8 结果总结**：验证性急性10-K披露超越会计基线改善破产风险排序，证据主要来自AUC和PR-AUC，顶部捕获率改善边界显著，信号集中于持续经营不确定性。
**讨论与结论总结**
讨论部分指出，VDD词典应被视为会计模型和灵活文本模型的可解释补充，而非替代。局限性包括：破产事件稀少、样本集中于大型非金融上市公司、战略披露可能遗漏、持续经营信号主导等。研究结论翻译：本研究验证了年度10-K文件中的急性困境披露在会计变量基础上能提供增量破产风险排序信息，尤其适用于稀有事件检索指标。VDD词典通过句子级上下文验证，识别出持续经营不确定性、契约违规和贷款人宽容/豁免三类信号，其中持续经营披露是最强驱动因素。该方法旨在用于风险排序和审查优先级，而非校准的违约概率模型。未来工作可扩展至更广泛的违约结果、金融机构、更大注释语料库以及灵活的自然语言处理（NLP）模型比较。
