本文提出面向完整财务报表长期预测的 ProForma-20Q 基准与 Forma 模型,利用基于账户—季度—数值元组的 Transformer,在不插补缺失值的条件下联合预测78项报表项目、覆盖未来1至20个季度。Forma在变化空间指标上全面优于传统机器学习、链式GBM、时间序列基础模型及前沿大语言模型,且预测优势随期限延长而扩大;其概率区间具有稳健覆盖率,财务报表一致性可通过方差加权事后协调实现,未来收入路径条件化还能够显著改善长期报表预测。
报告标题为《Long-Horizon Forecasting of Complete Financial Statements with Forma》,作者包括 Travis L. Johnson、Jiannan Jiang、Soumyabrata Chaudhuri、Yihao Chen、Lauren Falvey 和 Donal O’Cofaigh,发布日期为2026年8月13日,主题是利用机器学习对企业完整财务报表进行长期、多项目、概率性预测。
报告的核心论点是:在完整财务报表预测任务中,针对数据结构和会计特征进行专门设计的小型模型,优于参数规模更大的通用模型;Forma仅有约90万参数,却在1至20个季度的预测范围内击败传统机器学习模型、链式梯度提升模型、零样本时间序列基础模型以及前沿大语言模型,而且预测期越长,其相对优势越明显。
报告并未给出传统意义上的股票评级或目标价,其目标是建立一个可复现的研究基准ProForma-20Q,并证明完整财务报表预测能够服务于估值、信用风险分析和财务规划。作者特别强调,DCF估值中的终值通常位于五至十年预测期末,因此只预测下一年利润或单一财务项目,无法充分支持企业价值评估。
ProForma-20Q要求模型基于企业过去12个季度的报表数据和行业分类,预测未来1至20个季度、共78个会计项目的数值。 这78个项目包括34个资产负债表项目、18个利润表项目、20个现金流量表项目以及6个衍生项目,覆盖三张主要财务报表。
与只预测净利润、收入或单一财务比率不同,该任务要求模型同时处理报表内部的横向关系以及季度之间的纵向动态关系。资产负债表必须满足资产、负债和权益之间的平衡,现金必须与经营、投资和融资现金流滚动衔接,留存收益也必须与净利润、股利和其他综合收益变化相联系。
数据来自美国季度公司申报数据Compustat,剔除了金融行业,因为金融企业的报表项目和经济含义与一般非金融企业存在显著差异。 最终样本覆盖32,851家公司和1,173,598个公司季度,其中训练集为1971—2001年,验证集为2002—2009年,测试集为2010—2024年。
研究采用时间切分而不是随机切分,并在训练、验证和测试边界处清除跨区间的未来目标,从而避免模型在测试前接触2009年以后实现的结果。 每个模型都只能使用过去12个季度、公司规模缩放变量以及Fama-French 48行业分类,且不使用公司身份、股票收益率或分析师预测,因此理论上更容易推广到没有公开市场数据的私营企业。
财务报表数据并不完整。样本中平均每个公司季度只报告78个项目中的64个,部分项目的披露率低至32%,而报告全部78个项目的公司季度比例不足2%。 测试期内,单个项目层面的矩阵密度虽然达到93.6%,平均每个公司季度报告73个项目,但完整披露78项的比例仅为4.7%,如果采用完整案例法,将丢失95.3%的测试样本。
这也是Forma设计的重要动机。传统表格模型必须先指定填补缺失值的方法,而Forma采用“元组集合”表示:每一条观测都表示为“账户、季度、数值”三元组,未披露项目不产生任何输入令牌,因此不会被错误地解释为零,也无需进行统一插补。
报告首先使用公司规模进行缩放,主要规模变量为总负债加股东权益,通常接近总资产;如果该变量无效,则使用总资产作为备用定义。 随后对数值进行反双曲正弦变换,以处理财务数据的重尾和负数问题,再按项目和季度进行横截面标准化,最后进行截尾处理。 这些步骤的作用是降低大型公司与小型公司之间的数量级差异,并使不同报表项目可以在相对可比的模型空间中训练。
所有历史值和未来目标都使用预测起点的公司规模进行缩放,预测时也采用预测起点冻结的标准化参数,而不是使用未来实现的规模,从而避免未来信息泄漏。
报告的主要评价指标是变化空间中的平方误差表现,而不是简单比较预测水平值。 变化空间相当于评价模型是否能预测未来相对于预测起点的变化,因此能够避免模型仅仅复制具有高度持久性的财务水平就获得较高表现。
作者使用变化空间的R²来衡量相对于样本平均变化的预测能力,并指出,在多年度预测中,20%至40%的变化空间解释力已经很强,不能套用水平空间中90%以上的直觉。 同时,DCF需要把多个时期的预期现金流相加,而中位数不能直接相加,因此主指标偏向条件均值预测;这也是作者强调概率分布预测的重要原因。
报告还设置了绝对误差MAE轨道,用于评价条件中位数,并借此判断某些模型在平方误差指标下表现不佳,是因为预测位置偏差较大,还是因为模型隐含地更接近中位数预测。
Forma将历史观测和未来查询都编码为令牌。历史中真实披露的项目作为可见令牌,未来每个“项目—季度”组合则作为数值被遮蔽的查询令牌。每个令牌包含账户嵌入、相对季度位置编码、标准化数值投影以及表示数值被遮蔽的掩码向量。
模型采用集合型Transformer,因此输入令牌的顺序不影响结果,每个项目都可以关注整个报表历史和其他账户信息。模型包含4层、4个注意力头,参数量约90万,明显小于后文的大型前馈神经网络。
财务报表存在大量精确会计恒等式。如果训练时只遮蔽恒等式中的一个项目,模型可能只学会用会计公式机械补全,而不是学习企业经营状态。因此,Forma在遮蔽完整恒等式组时,至少同时遮蔽其中两个成员,迫使模型学习更具经济含义的关系。
这一设计体现了报告的“架构与问题匹配”思想:模型不是单纯增加参数,而是把报表结构、缺失机制和经济驱动因素嵌入训练任务之中。
Forma通过异方差高斯头输出每个项目和季度的条件均值及方差,并使用五个随机种子训练独立模型,再将五个预测分布等权混合。 这种方法既能表达项目、公司和预测期之间的不确定性,也能通过不同种子之间的预测差异补充单个模型可能低估的方差。
此外,作者还训练了Laplace分布头用于MAE轨道。高斯分布更适合条件均值和平方误差,Laplace分布通常更接近绝对误差和条件中位数目标。
完整样本中,Forma的变化空间表现为28.9%,领先随机森林的27.2%、惩罚回归的25.8%以及两个前馈神经网络基准的25.3%和24.7%。所有这些差异在按季度聚类的Diebold-Mariano检验中均达到1%显著性水平。
作者还指出,简单的fade/AR(1)模型能够解释18.3%的变化,说明财务基本面存在显著的均值回归;Forma的额外优势来自于它能够根据报表其他项目识别不同公司的均值回归速度。 这意味着Forma并非只是比简单模型更擅长记忆历史水平,而是在识别条件性经济关系方面更有效。
大型前馈网络反而不如更小的模型,4.2百万参数的大型FFNN表现低于3.1百万参数的线性FFNN,也低于90万参数的Forma,说明模型结构和输入表达方式比单纯增加参数更重要。
随机森林在一步预测中略优于Forma,变化空间分别为39.8%和39.0%,但从中期开始Forma逐渐领先,到20个季度时,Forma达到约22.5%,而随机森林约19.3%。 这说明树模型可能更适合短期业绩时点预测,而Forma更适合中长期估值或信用风险应用。
图1分为三个面板。第一部分显示完整样本中,Forma在第1季度附近与随机森林接近,但随着期限延长,蓝色Forma曲线始终高于随机森林、弹性网络、前馈网络、fade/AR(1)和Chronos-2;到第20季度,Forma仍保持约20%以上的变化空间,而Chronos-2和AR模型已接近10%上下。
第二部分比较Forma与链式GBM,Forma从短期领先优势有限,逐步扩大到20季度,最终约为19.5%,而链式GBM约为13%。第三部分比较Forma与三个大语言模型,Forma从第1季度约38%的变化空间下降至第20季度约24%,而Opus、GPT和Sonnet在长期均跌至约6%至8%区间。
图中各面板上方的显著性标记表明,除极短期部分比较外,Forma在大多数预测期限相对于主要竞争者具有统计显著优势。
链式GBM在平方误差轨道上仅取得18.5%,明显低于共同样本上的Forma约24.7%;在MAE轨道上,原始GBM为0.400,Laplace Forma为0.364,差异同样在1%水平显著。
在大语言模型比较中,Forma在LLM共同样本上的变化空间为29.9%,最佳LLM仅为18.6%。最佳LLM从一步预测的32.5%下降至20季度的7.8%,而Forma从38.0%下降至23.7%,因此差距从5.5个百分点扩大至15.9个百分点。
不过,LLM在MAE上的表现并没有同样糟糕,其MAE约为0.362至0.368,仅略差于Laplace Forma。这说明LLM可能能够产生位置上相对合理的中位数式预测,但无法提供适合DCF加总的条件均值预测。
LLM还存在成本和可复现性问题,每个预测起点成本约0.12至0.26美元,而Forma推理成本几乎可以忽略;同时,大语言模型的扩展思考输出具有非确定性,Opus在不同调用之间的标准化预测波动会随期限从0.03增加到0.06。
概率预测部分使用NLL、CRPS和区间覆盖率评价。NLL衡量预测分布对真实结果的对数似然,CRPS同时评价分布位置和形状,覆盖率则检验预测区间是否达到标称置信水平。
Forma的Laplace混合在NLL和CRPS上排名第一,高斯混合排名第二,均优于前馈网络混合模型。 五种子高斯混合的中心区间覆盖率在名义50%、80%、90%和95%水平下分别为72.6%、89.6%、93.7%和95.8%,没有出现任何预测期限上的低于名义覆盖率现象。
这表明Forma的区间预测偏保守而非过度自信。PIT分布偏向中心,长期预测端的校准指标从1.00下降到0.89,但仍然是向安全方向偏离,对终值估值而言,这比区间过窄更有利。 前馈神经网络虽然也偏保守,却存在明显过度离散,说明单纯扩大不确定性并不能同时实现准确和尖锐的概率预测。
Forma未施加显式会计约束,但在约1.247亿个会计恒等式实例中,原始美元预测的中位数绝对不一致程度仅为恒等式规模的3.7%。 这说明模型能够从历史数据中自行学习大量会计结构。
作者进一步进行事后协调,将预测投影到所有会计恒等式都严格成立的空间。方差加权协调使违反程度降至数值上的零,平方误差没有统计显著恶化,同时MAE还有小幅显著改善。 相反,等权协调表现非常糟糕,因为对所有项目施加相同美元调整,会对少数规模很小的项目造成巨大标准化误差。
该结果说明概率预测不仅用于给出区间,也可以为报表协调提供权重:模型越不确定的项目,越适合吸收更多调整。
Forma通过“未来掩码”机制支持用户固定部分未来路径,而不需要重新训练模型。 作者进行了一项oracle实验,将未来20个季度的真实收入路径输入模型,再预测其余项目,因此该实验代表情景分析收益的上限,而不是现实中可直接获得的结果。
在768个预测起点、916,846个非收入项目单元上,固定真实收入路径后,剩余项目MAE从0.409下降至0.383,变化空间从30.5%上升至34.8%。提升在一步预测时仅为0.9个百分点,但到长期预测时扩大至7.4个百分点。
图2上半部分显示,固定收入后的条件预测MAE减去无条件预测MAE始终为负,且期限越长改善越明显,平均改善约0.026;资产负债表和利润表的改善幅度接近,现金流表改善较小。
下半部分显示,整体变化空间平均提高4.4个百分点,利润表提高约5.6个百分点,资产负债表提高约8.9个百分点,而现金流量表仅提高约0.7个百分点。 这表明收入是资产负债表和利润表长期演化的重要锚点,但现金流项目与收入之间的直接联系较弱,或受到融资、投资和一次性项目的更大影响。
报告最重要的限制是长期评价存在“幸存者条件”:只有在未来实际报告相关项目、且公司仍处于可观测样本中的单元才会被评分,因此长期预测水平不能直接解释为对所有公司未来状态的无条件预测能力。
其次,结论仅适用于季度美国非金融企业、指定的78个项目和1至20季度范围,不能自动推广到年度数据、金融机构、其他国家会计制度或更长预测期。 报告评价的是预测质量,而不是最终估值误差;DCF仍需要额外假设折现率、终值倍数、资本成本和长期增长率。
此外,大语言模型比较采用的是现成通用模型,而非经过金融报表微调的模型,因此“专用模型优于LLM”的结论应理解为专用Forma优于当前所测试的零样本或通用条件,而不能完全等同于优于所有可能的金融领域微调模型。 LLM的推理预算也并未在不同供应商之间统一,报告明确指出Opus、Sonnet和GPT使用了不同的推理设置,这会增加横向比较的解释难度。
总体而言,报告建立了一个比传统单项目、一年期预测更接近实际估值需求的研究框架。其最有价值的发现有三点:第一,完整报表预测可以在严重缺失的数据环境下实现;第二,针对会计项目集合、缺失机制和恒等式结构设计的Forma,在中长期预测中明显优于通用模型;第三,概率预测不仅改善不确定性表达,还能支持会计一致性协调和收入路径情景分析。
从图1看,Forma的优势不是短期内绝对领先,而是随着预测期限延长逐渐扩大,这与DCF中终值和远期现金流的重要性形成直接呼应。 从图2看,未来收入路径一旦被确定,长期资产负债表和利润表预测会显著改善,但现金流改善有限,说明不同报表类别的经济驱动机制并不相同。
因此,作者的总体立场是:在完整财务报表和长期预测任务中,“专业化建模”胜过“通用模型规模扩张”;Forma并非通过更大的参数量取胜,而是通过原生处理缺失值、跨项目注意力、身份感知遮蔽、概率分布输出和可协调性设计,构建了更适合财务报表预测本质的模型。
2608.11327.pdf