ניתוח דוחות כספיים בעזרת AI

התחילו בשאלה ובזוג דיווחים

בחרו תקופות שניתן להשוות ושאלה כגון האם תזרים המזומנים מפעילות תומך בצמיחת הרווח המדווח. אספו את הדוחות וההערות הרלוונטיים לפני בקשת סיכום. הפלט השימושי הוא התאמה עם הסברים ופריטים שלא נפתרו, לא תיאור כללי של החברה. השאירו מפורשים את המנפיק, בסיס החשבונאות, מטבע הדיווח ומועד חיתוך המידע. בניתוח היסטורי השתמשו במסמכים שהיו זמינים עד אותו מועד; סוף תקופה אינו התאריך שבו השוק יכול היה לקרוא את הדיווח.

אספו מסמכים מקוריים ושמרו את זהותם

העדיפו את הדיווח של המנפיק ואת מקורות קשרי המשקיעים שלו, לצד מקור רגולטורי מתאים לשוק. עבור מדווחים בארה״ב, EDGAR מציע היסטוריית הגשות ונתוני חברות XBRL. שמרו את הדיווח המקורי לצד הערכים שחולצו, מפני שהקשר הטבלה וההערות עשויים להסביר הבדלים שמדד יחיד אינו יכול להסביר. שמרו URL של המסמך, מזהה הגשה, זמן פרסום, זמן אחזור ו-hash של התוכן. שמרו תיקונים כגרסאות חדשות. עבור מנפיקים מחוץ לארה״ב השתמשו בגילויים המקומיים הרלוונטיים במקום להניח שכיסוי SEC הוא רשומה מלאה.

חלצו טבלאות עם ממדים פיננסיים מפורשים

עבור כל ערך שמרו את המושג, התקופה, היחידה, המטבע ומאתר המקור שלו. הבחינו בין תמונות מצב של מאזן לבין מדדי הכנסה ותזרים מזומנים המשתרעים על פני תקופה. שמרו נתונים מאוחדים בנפרד מנתוני מגזר, ומדדים מדווחים בנפרד מהתאמות הנהלה. תא ריק אינו אפס. כאשר חילוץ הטבלה עמום, עצרו את החישוב הזה ושמרו את העמוד המושפע לבדיקה. אם נדרש OCR, השוו חזותית את התאים החשובים למקור לפני שימוש בהם ביחסים או בהסבר שנוצר.

חשבו מדדים מחוץ למודל השפה

השתמשו בקוד דטרמיניסטי או בגיליון אלקטרוני מבוקר לחישובים מהותיים ושמרו את הקלטים. הגדירו מה קורה כאשר מכנה הוא אפס, שלילי או חסר. הפונקציה הקטנה שלהלן ממחישה חישוב שינוי כאשר קו הבסיס חיובי; היא משאירה בכוונה מקרים אחרים לחלופה מתועדת. היא אינה כוללת נתוני חברה או תוצאה מדודה. סכימה פיננסית בייצור צריכה לאמת גם תאימות יחידה ותקופה לפני הקריאה. העבירו למודל את רשומת החישוב שנוצרה במקום לבקש ממנו לשחזר חשבון מתוך פרוזה.

from decimal import Decimal

def comparable_change(current, prior):
    if current is None or prior is None:
        return {"state": "unavailable", "code": "MISSING_VALUE"}
    current, prior = Decimal(str(current)), Decimal(str(prior))
    if not current.is_finite() or not prior.is_finite():
        return {"state": "unavailable", "code": "NONFINITE_VALUE"}
    if prior <= 0:
        return {"state": "review", "code": "NONPOSITIVE_BASE"}
    return {
        "state": "calculated",
        "change_fraction": str((current - prior) / prior),
    }

בקשו מהמודל להסביר מניעים וסתירות

ספקו את המדדים המותאמים עם דיון הנהלה והערות רלוונטיים. בקשו הסברים שמצטטים מאתרי מקור, הסברים חלופיים וראיות חסרות. לדוגמה, פער בין רווח לתזרים עשוי לדרוש בדיקה של הון חוזר, פריטים שאינם במזומן ורכישות; המודל צריך לזהות אילו גילויים תומכים בכל אפשרות. שמרו את ההסבר שהחברה מסרה נפרד מפרשנות האנליסט. דרשו שהפלט ישמור מזהי מקור והפניות לחישובים, כדי שבודק יוכל לבחון את הראיה המדויקת בלי לקרוא מחדש את כל הדיווח.

בדקו את קשרי הדוח ודווחו על טענות

התאימו את הסכומים והקשרים הרלוונטיים בין הדוחות לפני אישור ההסבר. לאחר מכן פתחו כל ציטוט מהותי ובדקו תקופה, היקף ויחידה. השוו הערות לטבלה שחולצה כאשר מספר נראה לא עקבי. בדקו אם שינויים באיחוד, בהצגה או במדיניות חשבונאית משפיעים על ההשוואה. מודל יכול לעזור למצוא סתירות, אך אינו צריך לפתור אותן באמצעות בחירה שקטה של נתון אחד. סמנו את התוצר כ-pending כאשר ההסבר תלוי בהנחה שאושרה בידי בודק, ושמרו את הסיבה לכל תיקון ידני.

הפכו את התהליך להמשכי וחסכוני

שמרו איסוף, חילוץ, חישוב ובדיקת נרטיב כתוצרים נפרדים. שמרו חילוץ במטמון לפי hash של המסמך וגרסת המנתח, והריצו מחדש רק את השלב המושפע כאשר דיווח או כלל משתנים. הגבילו את חבילת המקור לקטעים הדרושים לשאלה, תוך שמירת המקור המלא זמין. עקבו יחד ברמת המשימה אחר בקשות מודל, ניסיונות חוזרים, עיבוד מסמכים, גישה לנתונים ותיקוני אנליסט. השתמשו במחירים עדכניים לתכנון ובשימוש בפועל להתאמה. FinRobot ו-FinGPT מציעים דפוסי יישום רלוונטיים, אך בחרו את הגרסה ואת נתיב ההרצה המדויקים לפני התאמה.

בדקו התאמה של NVIDIA המקושרת למקורות

המדגם ההיסטורי שלנו משתמש בהודעת הרווחים של NVIDIA מ-25 בפברואר 2026. עשרה ערכי GAAP נבחרים מכסים את FY2026 ואת FY2025 במיליוני USD. בדיקות דטרמיניסטיות מתאימות הכנסות פחות עלות לרווח גולמי, ואז רווח גולמי פחות הוצאות תפעוליות לרווח תפעולי בכל שנה. צמיחת ההכנסות המחושבת היא 65.47%; השינוי בשיעור הרווח הגולמי הוא -3.92 נקודות אחוז, מחושב מסכומי טבלה לא מעוגלים. השינוי בשיעור שהמנפיק הציג מעוגל באופן גס יותר.

החבילה להורדה שומרת את מאתר הטבלה, תאריך הפרסום, סופי התקופות, hash של הקלט והפניות לחישובים. החישובים האלה מראים מדוע צמיחת הכנסות ורווחיות דורשות שאלות נפרדות; הם אינם מוכיחים סיבה או המלצת השקעה. הסוכן המתאם בחר את הנתונים ו-JavaScript ביצע את הבדיקות. זו דוגמה ניתנת לשחזור של מקור וחישוב, לא אינטגרציה מדודה של financial-agent ולא הרצת הסקה של APIsRouter.

ראיות ומגבלות

הדוגמה של NVIDIA מאמתת עשר עובדות נבחרות וארבעה קשרים חשבוניים מתוך הודעת רווחים היסטורית ולא מבוקרת. היא אינה מכסה את הדיווח המלא, בדיקת רואה חשבון בלתי תלויה, חילוץ טבלאות אוטומטי, החלטות השקעה חיות או תהליך מודל ברמת פרויקט. אסימוני מודל ועלויות אינם זמינים. החבילה המקושרת למקורות והבדיקות זמינות לעיון; ניתוח ייצור עדיין זקוק להערות הרלוונטיות, להקשר ספציפי לתקופה ולבדיקת הטענות המסבירות.

שאלות נפוצות