是石科技携手深圳大学大数据国家工程实验室发布财务风险预警推理一体机-助力机构与个人投资者穿越财报季风暴

作者：是石科技

发布时间：2025-05-09 02:39

财报季，机构与个人投资者如何破局？

4月财报季到来，国九条退市新规的监管趋严与市场对财务风险的关注度提升。如何从海量财务数据中精准识别潜在风险成为大家关注的问题。是石科技携手深圳大学大数据国家工程实验室李坚强教授与吴秉哲教授团队、南方科技大学风险分析预测与管控研究院吴柯教授团队、深圳市渊维科技有限公司发布财务风险预警推理一体机，基于推理大模型与财务专家经验，为投资机构与个人客户提供高效的风险预警解决方案。

市面产品仅支持单年财报分析，而造假风险往往藏匿于多年数据关联中。我们将财务专家经验深度融入Agent智能工作流，支持横跨5年以上的财务报表解析，识别收入虚增、关联交易、应收账款异常等隐蔽风险。

尽管当前大模型支持超长上下文窗口（如128K甚至更长），但在处理多份财报时仍存在严重不足。例如，一份典型上市公司年报约200页，5年财报总文本量远超模型处理上限。即使压缩后输入，模型仍会丢失关键细节或混淆跨期数据关联。更严重的是，表格、附注等结构化信息在长文本中极易被稀释，导致财务指标提取失真。这种技术限制使得传统方法无法实现真正的多财报穿透式分析。例如输入3份年度财报给kimi，也只能阅读34%，远不能分析完整的内容，对于5年以上的财报，即使是市面存在的支持最长上下文长度的推理模型也束手无策。

面对超长上下文，内置朴素RAG的推理模型虽然能进行回答，但在财报分析中依然存在两大技术瓶颈：

1）传统PDF解析器对复杂表格、多模态数据的结构化提取能力不足，导致关键财务指标丢失；

2）超长财报上下文引入噪声，使风险检索召回率下降。例如输入附录中的案例财报给元宝：

朴素RAG系统无法检索超长上下文重要的风险片段，返回的内容使推理模型迷失在噪声数据中，无法成功召回风险内容。

不同于原始的chunk拆分，通过专家知识，我们采用三级科目层级识别财报结构进行文档拆分，通过端到端的Agentic+GraphRAG，精确识别财报关键片段，将风险内容交给多Agent分析，通过纵向与横向结合的双维度分析，精准识别财务造假风险。纵向层面，深入解析单份财报内各科目（如应收账款、存货）的关联性，通过多Agent协同分析科目间异常勾稽关系；横向层面，智能对比跨年度相同科目的趋势变化，结合行业基准与财务规则检测异常波动。面对5年以上财报数据的超长上下文实现精准关联分析。通过拓扑-语义融合检索，自动定位关键风险片段，由专家规则驱动的Agent工作流进行多轮推理，有效识别虚增收入、异常关联交易等复杂舞弊模式。通过我们的多财报分析实现案例财报精确召回风险：

一体机部署：安全高效，开箱即用。无需复杂IT架构改造，一体机模式确保数据本地化处理，严防泄露风险。内置自动化报告系统，10分钟生成多维度风险评级与应对建议，助力企业快速识别风险。同时是石科技作为核心算法供应商，依托自主研发的高性能GPU算力集群与分布式训练优化框架，构建了从离线模型迭代到在线实时推理的全链路计算体系，在高并发数据处理场景下仍可保持毫秒级风险研判响应，成功通过金融级全链路压测验证。