基于深度学习的智能特征选择与财务风险评估模型

由于全球金融危机，风险管理受到了重大关注，以避免在任何业务中遭受损失并最大化利润。由于财务危机预测（FCP）过程主要基于数据驱动的决策和智能模型，因此广泛采用人工智能（AI）和机器学习（ML）模型。本文介绍了一种基于深度学习的智能特征选择与财务风险评估模型（IFSDL-FRA）。所提出的IFSDL-FRA技术旨在确定公司的财务危机。此外，IFSDL-FRA技术涉及新型水步行者优化算法基础上的特征选择（WSOA-FS）方法，以对特征子集进行最佳选择。此外，采用深度随机向量功能链接网络（DRVFLN）分类技术，以适当分配类标签给财务数据。此外，进行了一种改进的果蝇优化算法（IFFOA）基础上的超参数调优过程，以优化调优DRVFLN模型的超参数。为了提高IFSDL-FRA技术的性能，在基准财务数据集上实施了一系列广泛的仿真，获得的结果确定了IFSDL-FRA技术在最新先进方法上的优势。