近年、大規模な事前学習言語モデルの進展により、研究者たちは主に言語パターンの一致に注力する自然言語処理（NLP）タスクにおいて記録的な性能を達成している。この分野では、言語のモデリングそのものから、人間のような複雑な推論能力を模倣するという課題へのシフトが進行している。本研究では、現実世界における複雑な数値推論を含む金融分野を応用対象として検討する。我々は、対話型質問応答における数値推論の連鎖を研究する目的で、新たな大規模データセット「ConvFinQA」を提案する。このデータセットは、現実の対話において長距離にわたり複雑な数値推論経路をモデル化することに極めて高い課題を提示する。本研究では、ニューラルシンボリック手法とプロンプトベース手法の両方を用いて包括的な実験および分析を実施し、これらのアプローチにおける推論メカニズムに関する知見を提供する。我々は、この新しいデータセットが、今後の研究の焦点となる現実世界における複雑な推論タスクの探求を前進させる貴重なリソースとなると確信している。本データセットおよびコードは、https://github.com/czyssrs/ConvFinQA にて公開されている。