摘要：在人工智能蓬勃发展的时代背景下，为提高会计信息有用性，本文采用LSTM神经网络模型以及财务报表信息对上市公司的盈利进行预测，并与分析师预测的结果进行对比。在来自沪深300的企业的盈利预测任务中，LSTM模型的平均正确率为88 60%比分析师预测的平均正确率高13 52%，并且在正确率分布中，LSTM模型的结果不存在厚尾现象，其峰度明显高于分析师预测结果，且方差显著低于分析师预测结果。揭示了人工智能模型应用在财务预测方面的现实意义。

关键词：盈利预测;LSTM;分析师

中图分类号：F279  文献识别码：A  文章编号：

2096-3157（2020）01-0176-02

一、引言

在人工智能蓬勃发展的背景下，以大数据为基础，机器学习为工具的数据处理方式正在改变着我们的工作与生活。如何将机器学习的算法与学习工作相结合，越来越受到各行各业的关注。尤其在金融、会计、审计等领域，由于有大量历史数据的沉淀，使得机器学习与这些领域的结合成为必然。本文主要研究运用机器学习中处理序贯数据的能手—LSTM（Long Short-Term Memory）模型对企业盈利预测。

普通投资者由于缺乏专业知识，对于企业未来业绩的表现往往不能做出准确的判断，因此分析师提供的企业盈利预测具有很高的决策有用性。一份具有含金量的分析师研究报告需要分析师多年的经验和积累，并且精准的预测需要耗费大量人力物力。如果能将机器学习很好地运用到分析师的预测工作中，不仅能提升工作效率，还能为分析师以及投资者提供新的决策思路与依据。……