基于长短期记忆神经网络的企业财务风险预警模型研究

林丹楠,李珊珊,肖世龙,张德育

(福建商学院 1.信息工程学院;2.财务与会计学院,福建 福州,350012; 3.沈阳理工大学 艺术设计学院;4.信息科学与工程学院,辽宁 沈阳,110159)

企业财务风险预警分析可以对企业经营过程中的经营情况进行预警提示,以便企业能够及时采取相应策略扭转企业经营情况。对上市企业的财务风险预警可以有效反映上市公司经营情况,以便给投资者合理的投资建议,而且方便管理层对上市公司的运营监管。但是企业财务数据量庞大,而且随时间变化迅速,企业财务数据分析并不容易。近年来,由于大数据平台的广泛使用,通过大数据分析技术来解决复杂问题的方法在企业财务分析中得到了深入应用[1],能够完成高维度财务数据的训练与分析,并获得有效的训练结果[2]。更重要的是,采用大数据学习算法,一方面可以解决预警时效性问题,另一方面可以保留历史时间序列财务数据对当前财务指标影响的关系,从而获得更准确的财务风险预警结果。

当前,关于企业财务风险预警分析的方法较多。宋歌等[3]将深度学习引入企业财务风险预警模型建立过程,借助深度学习算法解决复杂问题的优势来提高财务风险预警的精确度,但是该文献主要侧重于该方法可行性,并未对算法深入展开研究。李光荣等[4]采用反向传播(Back propagation,BP)神经网络算法解决企业财务预测问题,但预测精度并不高。王玉冬等[5]在BP神经网络的基础上引入了……