企业财务危机预警模型比较实证研究
针对财务危机预警模型,梳理了国内外相关文献,根据其公司财务信息的时间序列特征,比较了Z分数模型、Logistic回归模型以及卷积神经网络模型在财务风险预警中的性能,并且根据实验比较,分析证明了卷积神经网络在财务方面的应用相较于传统方法的优越性,最终通过建立现实场景下的数据集进行验证观测性能以及收敛曲线后,给出相关财务危机预警建议.基于此,利用深度学习智能模型,不仅能快速且高效地处理大规模财务数据,还可以保证在测试阶段(即实际应用场景下)不会随着时间推移而改变企业风险预测的结果,可以有效保证预测的稳定性.因此,利用深度学习处理财务风险数据并预警具有实际应用价值.以近 3 年A股上市公司数据为样本,并通过实证研究证明深度学习智能模型与传统模型之间的性能差异并得出结论.
财务危机预警、Z模型、回归模型、卷积神经网络
F230(会计)
2023-10-23（万方平台首次上网日期，不代表论文的发表时间）
共3页
108-110
