基于知识推理的上市公司财务危机预警研究

李诗轩，陈 烨，石文萱，杨达森

(1.武汉理工大学 安全科学与应急管理学院，湖北 武汉 430070；2.华中师范大学 信息管理学院，湖北 武汉 430079；3.武汉大学 信息管理学院，湖北 武汉 430072；4.中国人民大学 信息资源管理学院，北京 100872)

上市公司财务危机预警是经济金融领域长期关注的研究问题之一。当上市公司陷入财务危机时，会影响其正常的生产和经营活动，导致公司经济利益受损，严重时会对地区及国家的经济安全造成危害[1]。因此，开展财务危机预警研究对企业风险管理和保障资本市场稳定发展具有重要意义。财务危机预警是基于历史的财务及非财务信息资源，综合利用统计模型或人工智能模型对企业的财务状况进行预测。有效的财务危机预警可以为相关利益主体提供早期预警信息，投资者能够尽早调整投资策略，企业和政府机关相关决策者可以及时制定补救措施，以减少经济损失。

目前，已有研究主要集中于财务危机预警指标体系构建和财务危机预警模型优化两个方面。在财务危机预警指标体系构建方面，现有研究大多是基于企业财务报表数据、股票交易等定量数据来实现财务危机预警[2]，而对大量定性的文本信息资源的利用仍不够充分，例如年报、财经新闻和相关社交媒体评论。在财务危机预警模型优化方面，早期研究集中于利用数理统计模型实现财务危机预警，随着人工智能等技术的发展，机器学习模型被广泛应用于这一研究主题[3]。……