V4FinBench：面向企业破产预测的表格基础模型、LLM 和标准方法基准测试
机器学习
2026-05-14 v2
摘要
企业破产预测是高风险金融任务，特征为严重的类别不平衡和多时段预测需求。支持这一任务的公开数据集稀缺且规模较小：广泛使用的免费基准数据集包含 6,000 至 80,000 家公司-年观测数据，而更大规模资源则需付费订阅。为填补这一差距，我们引入 V4FinBench，来自东欧国家（V4）经济区（2006-2021）的超过 100 万家公司-年记录，包含 131 个财务和非财务特征、六个预测时段，以及一个综合性危机准则，联合捕捉盈余、盈利和流动性恶化。V4FinBench 旨在支持在真实的类别不平衡（正类比例为 0.19% 至 0.36%）下评估表格和基础模型方法。我们提供标准表格基线、微调 TabPFN 和 QLoRA 微调 Llama-3-8B 的参考评估。在不平衡感知微调下，TabPFN 在较长时段上在 得分和 ROC-AUC 两项指标上匹配或超过梯度提升。相比之下，Llama-3-8B 在每个时段的 ROC-AUC 上落后于梯度提升， 得分 generally 较弱，且在远期时段的差距会显著扩大。在对美国破产数据集的外部评估中，V4FinBench 微调的 TabPFN 检查点相对于 vanilla TabPFN 有所改进，表明适配捕捉了可迁移的财务危机结构而非仅 V4 特定模式。V4FinBench 已公开发布以支持进一步评估和开发真实金融数据的预测方法。
引用
@article{arxiv.2605.10896,
title = {V4FinBench: Benchmarking Tabular Foundation Models, LLMs, and Standard Methods on Corporate Bankruptcy Prediction},
author = {Marcin Kostrzewa and Sebastian Tomczak and Roman Furman and Anna Poberezhna and Michał Furgała and Julia Farganus and Oleksii Furman and Maciej Zięba},
journal= {arXiv preprint arXiv:2605.10896},
year = {2026}
}