来源：期刊VIP网 时间：
作者：赵琪;徐维军;季昱丞;张卫国;
单位：华南理工大学工商管理学院;大湾区数智金融与风险管理研究基地;
摘要：本文提出了一个端到端的深度学习模型来预测中国上市公司的财务困境,通过将公司基本面数据图像化,探究了深度卷积神经网络(CNN)能否直接从图像化的原始财务数据中自动提取信息,以做出媲美甚至超过借助人类专家知识生成的财务困境预测。将来自财务报表中的原始财务项目转化为彩色图像后,深度学习模型可以直接从对应公司的财务项目图像中得出对未来财务困境的准确预测,而无需人类专家事先根据会计专业知识挑选财务项并定义财务指标。实证结果表明,相比使用单一年份的财务数据(灰度图像),使用过去3年的财务数据(彩色图像)有助于提高深度学习模型的预测性能。此外,从原始数据中得出预测的深度学习模型能够达到与“人工选取财务指标+传统机器学习模型”相当的性能。进一步的研究表明,将本文提出的深度学习模型与传统机器学习模型结合起来,可以达到比二者单独使用时更准确的预测性能。
关键词：深度学习;;卷积神经网络;;财务困境;;财务指标
基金资助：国家自然科学基金项目(72271095);; 国家留学基金(202006150130、202006150134)~~
