深度学习驱动的财务困境预测研究——基于LSTM神经网络的实证分析.pdfVIP

摘 要 改革开放以来我国资本市场的发展举世瞩目。随着资本市场的蓬勃发展，上 市公司面临的竞争也日益激烈，财务状况受到了严峻的考验。企业要想在激烈的 市场竞争中保持稳健发展，必须要有一个良好的财务基础，一旦陷入财务困境， 势必影响企业的经营，甚至会给企业带来破产的风险。企业的破产不仅会危害企 业利益相关者的权益，也会阻碍经济的可持续增长，甚至可能导致社会混乱。此 外，近年来经济全球化的深入发展使国家和行业间的联系日益紧密，企业陷入财 务困境的可能性比以前更高，造成的危害性也更大。但是，企业财务困境的发生 通常不是瞬时事件，它是渐进性的，往往需要经历从财务正常到逐步恶化，最后 到财务困境的过程。因此，企业如果能提前根据一些信息预测自己是否将陷入财 务困境，便可以采取相应的措施对公司的经营进行调整从而避免财务困境的发 生。现有文献主要是利用线性判别、Logistic 回归和机器学习等方法进行企业财 务困境预测研究，这些模型均存在自身的局限性。随着人工智能发展，大数据时 代的来临，深度学习方法逐渐被引入到财务困境预测领域。 本文系统梳理了国内外学者在财务困境预测领域的相关研究，发现以往文献 中的财务困境预测模型预测效果评价不一且没有考虑到财务困境发生的时间累 积性。因此