應計模型完全依賴財務數字，對 MD&A 敘事中的策略性模糊毫無識別能力。現有 NLP 工具（FinBERT、Loughran-McDonald）以英文訓練，無法辨識繁體中文特有的「應收款帳期轉移」、「前瞻性樂觀陳述」等操縱信號。
台灣 MOPS 年報為繁體中文，與簡體中文在用語、法規術語、會計準則描述上均有差異。目前無公開的繁體中文財務文本分析 benchmark，亦無針對台灣上市公司年報訓練的 LLM。
現有研究大多是橫截面相關，難以區分反向因果（操縱者主動改善揭露）。台灣 2013 年 IFRS 強制採用提供了「外生衝擊」，可作為 Difference-in-Differences 的準實驗識別，但至今無人結合 LLM 揭露品質指數與此政策斷點進行因果分析。
完整缺口分析
缺口一：識別力缺口 — 為什麼 LLM 是突破口
為何重要：
- 台灣上市公司 2010–2023 重編財報事件超過 200 件，約 12% 涉及 MD&A 前後矛盾
- 應計模型 AUC 僅約 0.65，法證會計師靠閱讀揭露文本可達 0.80+
- 這個「人類直覺 vs 模型」差距完全來自敘事維度，正是 LLM 的優勢所在
- 現有 NLP 研究（Li 2008, Lo 2017）只用英文 Fog Index 作代理，無法細緻捕捉五個 EM 維度
缺口二：語言缺口 — 繁體中文的獨特挑戰
- 台灣上市公司年報全為繁體中文，MOPS（公開資訊觀測站）有超過 14 年完整歸檔
- 繁體中文盈餘管理術語（如「預計損失提列」「應收票據貼現」）無法直接用簡體模型辨識
- 目前無公開的繁體中文財務 NLP benchmark（相比英文 FinBERT 已有 3 個 benchmark）
- 這個語料建構本身就是方法論貢獻，為後續研究奠定基礎
缺口三：識別缺口 — DiD 設計的機會
台灣 2013 年強制 IFRS 採用（TIFRS）是天然的外生衝擊：
- 政策採用時程由政府決定，外生於企業盈餘管理決策
- 採用組（上市公司）vs 未完全採用組提供處理群比較
- Daske et al. (2013) 已確認「認真採用者」vs「標籤採用者」的異質效果
- 無任何現有研究結合 LLM 揭露品質指數與此 DiD 識別策略
EMI 五維度設計
本研究建構的五維度盈餘管理指數（Earnings Management Index, EMI）：
| 維度 | 縮寫 | 說明 | 操縱信號範例 |
|---|
| 應計語言密度 | D_A | MD&A 中應計估計詞頻 | 「預估」「可能」「估計提列」密集出現 |
| 對沖語氣 | D_H | 前瞻性聲明的模糊度 | 「可能」「或許」等不確定詞佔比 |
| 前瞻性樂觀 | D_O | 正面預期聲明比例 | 對未來業績的系統性過度樂觀 |
| 具體性評分 | D_S | 數字與可驗證陳述密度 | 低具體性 = 高操縱風險 |
| 樣板文字密度 | D_B | 重複性套語佔全文比例 | 高樣板 = 實質揭露稀薄 |
EMI 合成： EMI = (D_A + D_H + D_O + (1−D_S) + D_B) / 5 × 100
分數越高代表盈餘管理風險越高（0–100 分制）。
四個研究假說
| 假說 | 內容 | 對應 Gap | 識別策略 |
|---|
| H1 | LLM-EMI 對財報重編的預測力優於 Modified Jones | G1 | ROC-AUC 比較 |
| H2 | 2013 IFRS 強制採用顯著降低 EMI | G3 | DiD (2009-2016) |
| H3 | 治理結構（董事獨立性、審計委員會）調節 EMI → 重編的關係 | G1+G2 | Panel FE + 交乘項 |
| H4 | EMI 在 Modified Jones 殘差之上提供增量解釋力 | G1 | 增量 R² 測試 |
可行研究題目
主推題目（本案例實作）
“LLM-Based Detection of Earnings Management in Corporate Financial Disclosures: Evidence from Taiwan Listed Companies”
核心問題：
- LLM 能否從繁體中文 MD&A 文本中偵測盈餘管理信號，且優於應計模型？
- 2013 年台灣 IFRS 強制採用是否降低了 LLM 偵測到的揭露操縱程度？
方法框架：
- GPT-4o (gpt-4o-2024-05-13) → 五維度 EMI 評分
- Cohen’s κ 與法證會計師比較信效度
- Panel FE + DiD（2013 IFRS 斷點）
三大貢獻：
- 方法貢獻：首個繁體中文財務揭露 LLM 評估管線，κ=0.760 超越現有英文 benchmark
- 實證貢獻：2013 IFRS DiD 因果識別，揭示強制準則對敘事揭露的外溢效果
- 工具貢獻：MOPS 14 年語料庫，可公開供後續研究使用
備選題目一
“Narrative Opacity and Earnings Restatements: Evidence from LLM-Scored Traditional Chinese Annual Reports”
核心問題： MD&A 文本的語言模糊度（LLM 評分）是否預測財報重編？
方法框架： EMI 各子維度 → 重編機率（Logit/Cox）+ 事件研究
備選題目二
“Mandatory IFRS Adoption and Qualitative Disclosure Quality: A Difference-in-Differences Analysis Using LLM Textual Scores”
核心問題： 準則趨同是否同時改善量化（應計品質）與質化（敘事揭露）兩個維度？
方法框架： DiD × 五維度 EMI + Barth et al. (2008) 傳統指標，雙軌比較
題目比較矩陣
| 主推 | 備選一 | 備選二 |
|---|
| 主要 LLM 用法 | EMI 五維度評分 | 模糊度偵測 | 揭露品質指數 |
| 計量識別 | DiD + Panel FE | Logit / Cox | DiD |
| 執行難度 | 中高 | 中 | 中高 |
| 新穎性 | 極高 | 高 | 高 |
| 最快出稿 | 4-6 週（替換 ^S^） | 3–4 個月 | 4–5 個月 |
目標期刊推薦
| # | 期刊 | JCR | IF | 適合題目 | 快速通道 |
|---|
| 1 | Journal of Accounting Research (JAR) | A* | ~4.5 | 主推 | — |
| 2 | Journal of Accounting & Economics (JAE) | A* | ~6.3 | 主推、備選一 | — |
| 3 | Review of Accounting Studies (RAST) | A | ~3.9 | 主推、備選二 | — |
| 4 | The Accounting Review (TAR) | A* | ~3.6 | 備選二 | — |
| 5 | Accounting, Organizations and Society (AOS) | A | ~5.8 | 備選一 | — |
| 6 | Journal of Financial Reporting (JFR) | Q1 | ~3.2 | 主推 | 2–3月 |
| 7 | Pacific-Basin Finance Journal (PBFJ) | Q1 | ~5.0 | 全部 | 2–3月 |
| 8 | International Journal of Accounting (IJOA) | Q1 | ~2.8 | 備選二 | — |
| 9 | Finance Research Letters (FRL) | Q2 | ~7.6 | 備選一初步 | 4–6週 |
| 10 | Emerging Markets Review (EMR) | Q1 | ~6.3 | 備選二 | — |
主投策略： JAR（目標，挑戰性高）→ 備投 JAE → 快速通道 PBFJ
執行路徑（替換 MVP 模擬數據）
第 1-2 週：語料建置
├── MOPS 爬取 1,700+ 家公司 2010–2023 年報 MD&A
├── 繁體中文文本清洗、段落對齊、年份標記
└── 法證會計師標注 120 份年報（five-dimension EMI golden standard）
第 3-4 週：LLM 評估管線
├── GPT-4o (gpt-4o-2024-05-13) 批量評估全語料
├── 計算 Cohen's κ（LLM vs 法證專家）目標 κ ≥ 0.75
└── 建立 EMI panel dataset（公司×年份）
第 5-6 週：計量分析
├── 串接 TEJ 財務資料（應計項目、財報重編事件）
├── Panel FE regression（H1/H3/H4）
├── DiD 設計（H2，2009–2016 窗口，2013 斷點）
└── 穩健性：排除金融業、分產業估計、Placebo test
第 7-8 週：論文精修
├── 替換所有 ^S^ 模擬數據為真實實驗數據
├── 生成 Fig 4（係數圖）+ Fig 5（穩健性圖）
└── 目標第 9-10 週投稿 JAR
DOI 驗證摘要
| 項目 | 結果 |
|---|
| 搜集文獻數 | 47 篇 |
| 驗證方法 | CrossRef + Semantic Scholar + OpenAlex 三重 API |
| 通過率 | 100%（47/47 DOI 全部有效） |
| 引用覆蓋 | 全部 47 篇在論文正文中引用（零未使用） |
| 特殊處理 | 新增 DechowSloanSweeney1995 修正 Modified Jones 錯誤引用 |
教訓：LLM 初始生成的 DOI 虛假率極高。本案例從第二輪起改用 OpenAlex Search API，以標題搜尋取代記憶生成，大幅提升驗證通過率。
品質評估與改進空間
本初稿為論文方法學的流程展示（showcase），呈現從概念到初稿的完整過程。不是投稿版本。
以下為品質審查的發現與升級建議。
目前水準
| 維度 | 分數 | 滿分 | 門檻 | 狀態 |
|---|
| 研究缺口清晰度 | 17 | 20 | 16 | ✅ |
| 方法論嚴謹度 | 20 | 25 | 20 | ✅ |
| 結果顯著性 | 15 | 20 | 16 | ⚠️（模擬數據，待真實實驗） |
| 寫作品質 | 13 | 15 | 12 | ✅ |
| 引用驗證 | 8 | 10 | 8 | ✅（47/47 全驗證） |
| 貢獻差異化 | 4 | 5 | 4 | ✅ |
| 圖表品質 | 3 | 5 | 4 | ⚠️（Fig 4/5 待生成） |
| 總分 | 80 | 100 | 80 | 通過 Q1 門檻（borderline） |
- P0 問題（致命）：0 個（已清零）
- P1 問題（重要）：1 個 — Fig 4/5 待生成（係數圖 + 穩健性圖）
- Stage 3 退稿風險：72%（主因為 ^S^ 模擬數據，JAR 必然 desk-reject；MVP 設計使然，非結構性問題）
- 排除模擬數據因素，結構性退稿風險估計：30–38%
模擬 Reviewer 意見
Reviewer A（理論大師）：
「Q4 薄弱：為什麼選 GPT-4o 而非中文專用 LLM（如 Breeze-7B、Taiwan-LLM）？缺乏系統性的 pilot comparison，選擇動機薄弱。投稿前需補充至少一個跨模型穩健性實驗。」
Reviewer B（實證主義者）：
「κ=0.760 建立在 n=120 年報，對 1,700+ 家公司的外推過於樂觀。需要分層抽樣（高/低盈餘管理風險各半）並計算 Fleiss’ κ（四位標注者）。另：DiD 的 parallel trend assumption 需要圖形驗證。」
正面評價：「Modified Jones AUC 0.681 → LLM-EMI 0.758 的提升量已有統計意義，核心貢獻清晰。」
Reviewer C（方法論專家）：
「五維度等權重聚合（×0.2）的選擇動機薄弱。應提供：(1) 等權重 vs 因子分析權重的穩健性，(2) 繁體中文詞表映射的外部效度驗證（對照英文同類工具的台灣應用表現）。」
升級到 SCI 投稿等級需要
- 替換所有 ^S^ 模擬數據 — 執行真實 MOPS 語料 LLM 評估
- 生成 Figure 4（係數圖）+ Figure 5（穩健性圖）
- 新增 Fleiss’ κ 報告 — 四位標注者一致性
- GPT-4o vs 中文專用 LLM pilot — 強化模型選擇動機（Q4）
- Parallel trend 圖 — DiD 平行趨勢假設視覺驗證
- 等權重穩健性 — EMI 聚合方式敏感度分析
可加強的空間
- 樣本限於台灣上市公司，跨市場推廣性（香港、新加坡繁中市場）需另行驗證
- LLM 評分基於 zero-shot prompt，fine-tuning 版本可能進一步提升 κ
- EMI 的時序穩定性（年際 EMI 是否捕捉真實操縱趨勢）需做年別固定效果分析
- 重編財報事件稀少（約 12%），需處理樣本不平衡問題（SMOTE 或加權 logistic）
論文初稿下載
論文初稿 PDF（Showcase Draft）
含 47 篇藍色超連結引用 + SHOWCASE 標記 + 品質審查紀錄