基于多目标深度学习模型的财务风险预测方法.pdfVIP

DOI:10.13546/j.cnki.tjyjc.2022.10.037

管理决策

基于多目标深度学习模型的财务风险预测方法

向有涛，王明，曹琳112

（1.湖北省社会科学院，武汉430077；2.中国地质大学经济管理学院，武汉430074）

摘要：企业财务风险预测是一项极具挑战性的任务，财务危机的发生严重地影响了公司和投资者的利益

与资本市场的稳定健康发展，所以如何准确识别企业潜在的财务风险对于公司和个人而言，都意义重大。文章

基于财务风险预测指标体系训练深度学习模型，引入优化算法对深度学习模型的参数进行优化，构建了MOP⁃

SO-CD-DNN混合预测模型，同时采用多个基准模型和评估方法进行比较研究。结果显示：MOPSO-CD-DNN模

型无论是在预测精度上，还是在预测稳定性上，均具有显著的优越性，表明其对企业财务风险预测具有有效性和

适用性。另外，多目标优化算法的引入显著提升了模型的泛化能力，在预测效果上要明显好于单目标优化算法。

关键词：财务风险；混合预测模型；深度学习；基于拥挤距离的多目标粒子群优化算法

中图分类号：F275；C81文献标识码：A文章编号：1002-6487（2022）10-0184-05

要注意的是，参数的选择也会对模型的预测效果产生重要

[7]

0引言影响。目前，关于模型参数的优化方法主要包括交叉验

[8]

证、网格搜索和智能优化算法。Marso和Merouani（2020）

上市企业财务风险预测一直以来是金融领域研究的利用CSA算法对前馈神经网络的权重进行优化设置，结果

热门问题之一，早期的财务风险预测模型主要以传统统计显示模型的预测效果得到了显著提升，达到了90.30%。

模型为主，但是这些模型主要是线性模型，且存在着严格上述研究采用的一般都是单一目标优化方法，但是企

的假设条件，无法对财务风险的非线性关系进行刻画，使业财务风险预测受到多种因素的影响，不仅需要考虑到预

得财务风险预测的准确性较低，无法满足财务预警的实际[9]

测精度，还要关注模型稳定性。Zhang等（2019）通过引入

要求。后来，随着计算机技术和人工智能的快速发展，NSGA-III多目标算法对电力负荷进行预测，结果表明经

SVM、NN和RF等方法开始运用于经济预测领域，这些非过NSGA-III优化模型的预测性能要显著优于单目标模

线性预测方法在处理复杂非线性问题上具有显著的优型。具有代表性的多目标优化算法主要包括PAES、

[1]

势