利用年报文本片段的深度学习预测企业困境
计算与语言
2018-11-14 v1 计算金融
风险管理
摘要
企业困境模型通常仅采用公司年报中的数值型财务变量。我们开发了一个同样利用报告中非结构化文本数据的模型，即审计报告与管理层陈述。我们的模型由卷积循环神经网络组成，当与数值型财务变量拼接时，其学习到适于企业困境预测的文本内容表征。我们发现非结构化数据对困境预测性能提供了统计显著的提升，尤其对于准确预测至关重要的大型企业。此外，我们发现审计报告比管理层陈述更具信息量，且同时包含管理层陈述与审计报告的联合模型相对于仅含审计报告的模型未显示出提升。我们的模型相对现有最先进模型表现出直接改进。
引用
@article{arxiv.1811.05270,
title = {Predicting Distresses using Deep Learning of Text Segments in Annual Reports},
author = {Rastin Matin and Casper Hansen and Christian Hansen and Pia Mølgaard},
journal= {arXiv preprint arXiv:1811.05270},
year = {2018}
}