基于RNN的多期财务数据危机预警模型构建与评估

段艳琼 任爱珍

内蒙古农业大学 理学院，内蒙古自治区呼和浩特，010010；

摘要：当前企业财务危机预警模型主要基于传统机器学习方法与静态截面数据构建，难以捕捉财务指标的时序依赖性与跨周期动态关联。本文引入循环神经网络（RNN）算法，构建基于时序特征的危机预警模型。研究分别采用单年度数据和多期时序数据构建RNN模型，并与RF、SVM和BPNN进行对比。结果表明，在多期时序数据建模中，RNN凭借其时序建模优势，在准确率、精确率、召回率、F1 得分和 AUC 值上均显著优于其他模型，且较单期预测表现出更强的鲁棒性与跨期风险传导识别能力。RF则在单期中预测表现出了更强的稳健性，而BPNN对数据变化更为敏感。

关键词：企业危机预警；RF；SVM；BPNN；RNN

参考文献

[1]黄衍.基于随机森林的制造业上市公司财务预警模型研究[D].华东交通大学，2013.

[2]吴恒铭.基于多分类不均衡支持向量机的制造型企业财务风险预警研究[D].杭州电子科技大学,2024.

[3]Ciampi F. Corporate governance characteristics and default prediction modeling for small enterprises. An empirical analysis of Italian firms[J]. Journal of Business Research, 2015, 68(5): 1012-1025.

[4]Yu L, Hong Y, Lin H, et al. Arrears behavior prediction of power users based on BP neural network and multi-scale feature learning: a refined risk assessment framework[J]. Energy Informatics, 2025, 8(1): 4.

[5]Kim H, Cho H, Ryu D. Corporate default predictions using machine learning: Literature review[J]. Sustainability, 2020, 12(16): 6325.

[6]徐静,王勃,孙雪莹.基于RNN神经网络的人力资源管理风险预警模型[J].计算机与数字工程,2020,48(7):1727-1730.