AI信贷财报附注抽取：勾稽校验与风险要点

在信贷尽调场景中，财报附注与明细表往往比主表更能暴露风险，但格式散、口径乱，人工抽取一份中型企业年报通常需要 2~3 小时。金融AI实验室近期在内部沙箱中验证了一条「结构化抽取 + 勾稽校验」的实验路径：先用版面分析将三表与附注切块，再按科目字典做字段归一，最后由规则引擎执行跨表勾稽（应收账款与收入、货币资金与现金流量表、存货与营业成本），将不一致项作为风险信号回传。

阶段进展：

• 在 120 份公开年报测试集上，主表字段抽取准确率约 96%；附注表格因合并单元格与单位混用，准确率约 88%。勾稽校验可自动定位约七成人工复核才会发现的口径冲突。
• 剩余误报主要来自会计政策差异与上期数据重述。下一步计划引入会计政策条款检索做上下文对齐，并为每条风险信号附带原文页码与单元格引用，供风控人员逐条确认。