摘要
随着全球经济不确定性不断增加，上市公司的财务风险呈现出显著的动态演变特征。基于静态指标的传统方法已无法满足前瞻性预警的需求。考虑到企业财务风险的跨期传导与路径依赖特性，本研究从深度时间建模的角度出发，构建了一种带有残差连接机制的门控循环单元模型（残差GRU，RGRU），该机制旨在提升深度网络中的特征传递能力，并缓解梯度传播困难的问题。以2010年第一季度至2024年第四季度的中国A股上市公司为研究样本，以特别处理（ST）或退市风险警示（*ST）状态作为企业陷入困境的判定标准，基于多维度财务指标和企业治理指标构建了企业财务困境预警系统。在此基础上，从循环单元类型（GRU和LSTM）以及连接机制（残差连接和密集连接）两个维度进行了消融实验，并通过系统化的参数优化和多层网络结构实验来评估模型性能。实证结果表明，RGRU模型在准确性、F1分数、召回率等分类指标，以及布里渊分数和对数损失等概率预测指标方面均优于对比模型，且具有更好的稳定性和泛化能力。研究结果表明，引入残差连接机制能够有效提升循环神经网络在企业财务困境预警任务中的预测性能和实际应用价值。
