李莎 陈暄

摘  要：针对当前财务预警模型存在预测精度低、预测满意度低的问题，提出了基于深度学习神经网络的财务危机预警模型。该模型构建了6个一级指标和12个二级指标预警指标，模型由两个RBM和1个BP神经网络构成，使用鲸鱼算法进行模型参数的优化。在仿真实验中，通过上市企业的财务数据进行验证，此模型相比于LSSVM模型有更好的预测效果，为当前的财务危机预警提供了一种有益的参考。

关键词：财务危机;预警模型;鲸鱼算法

中图分类号：TP18       文献标识码：A文章编号：2096-4706（2021）24-0101-04

Abstract： In view of the problems of low prediction accuracy and low satisfaction of current financial early warning models， a financial crisis early warning model based on deep learning neural network is proposed. The model constructs 6 first-level indicators and 12 second-level indicators for early warning. The model is composed of two RBMs and one BP neural network， and uses whale optimization algorithm to optimize model parameters. In the simulation experiment， carries out the verification through the financial data of listed companies， this model in this paper has a better predictive effect than the LSSVM model， which provides a useful reference for the current financial crisis early warning.

Keywords： financial crisis; early warning model; WOA

0  引  言

众所周知，上市企业是我国国民经济的重要组成部分，对于国家经济有着举足轻重的作用，当上市企业陷入财务危机的时候，一方面容易导致企业的资金链面临中断，导致生产的产品在市场上降低占有率，逐渐丧失市場竞争力;另一方面，上市企业的投资人、债权人的收益无法得到保障，可能会出现大量抛售持有股票对股市造成不利影响，使得投资者丧失信息心，严重阻碍国民经济有序稳定的向前发展。尤其2020年初爆发的新冠疫情一直持续到今天，全球经济都受到了严重影响，导致有些上市企业由于财务问题而濒临退出股市、企业破产的窘境。因此研究财务危机预警成为学者们的研究方向之一。文献[1]从反映企业营运能力、偿债能力和盈利能力三个角度选用了营运资本/资产、流动比率、净资产收益率等财务指标作为预警变量进行财务危机预测;文……