Ventana Research公司在其文章《XBRL报送错误揭示报送自动化需求》中指出，美国证券交易委员会（SEC）XBRL报告编制自动化蕴含着巨大的市场需求。我非常赞同这一观点，并认为，如果不实现自动化，人们就得改进验证水平，以检测和纠正报送过程中产生的人工错误。

Ventana Research公司的这篇文章以SEC工作人员所做的一份观察报告为基础，这份报告阐述了SEC风险、策略与金融创新部工作人员审核SEC报告后得出的结论。SEC工作人员在这份审核报告中指出了XBRL报告最常见的几类错误。

检验SEC XBRL报告最根本的方法是在分析过程中应用这些报告。而将从不同的SEC报送者处获得的两份报告进行对比就可实现这一目的。

有两份材料可以帮助您发现可能出现的报告错误。第一份是SEC XBRL报告模型。这份PDF文件解释了报告的每个细节，将帮助您解决信息完整性问题。欲了解详细信息，请注意文件附注。

我把另一份材料称为对比样例，它提供了三份最基本的财务报表样例。每份报表都有正面和负面样例。旨在显示报送者在GAAP分类标准已提供相关概念定义的情况下擅自创建概念所带来的负面影响。

SEC报送者遇到的问题并不都是他们自己造成的。许多问题源于美国GAAP分类标准自身存在的问题以及SEC XBRL报送规则的不清晰。

如我之前所述，最根本的检验方法是对SEC XBRL报告中的公司信息进行分析。这并不是说所有内容都或者应当具备可比性。这只是鼓励财务报告供应链中的相关各方去探讨这些问题。