财务困境的动态预测存在以下关键问题：仅依赖结构化数据，未充分考虑多源文本数据；动态模型的特征选择仍需深入研究。基于此，本研究引入央行货币政策报告、省政府工作报告等多源文本数据，采用Wald检验与二进制粒子群算法（BPSO）筛选最优特征组合，构建基于变量时变生存分析的动态财务困境预测模型。研究结果表明：文本变量具备预测价值，但在已有详细结构化数据基础上简单叠加文本变量，未能有效提升预测效果；BPSO选取的特征组合可有效剔除冗余信息，显著提升动态预测精度；在已有详细结构化数据的情况下，经BPSO优化后融合文本的模型，其预测能力明显优于仅使用结构化数据的模型，验证了特征选择的关键作用；央行与公司相关文本变量具有显著预测能力，而省政府文本变量的预测能力不显著。本研究为构建高精度财务困境动态预测模型提供了新视角，对完善企业风险预警体系具有重要参考价值。

李刚,尚伦慧,赵佳美,等.基于多源文本与生存分析的上市公司财务困境动态预测[J/OL].系统管理学报,1-17[2026-09-05].

全文地址：https://link.cnki.net/urlid/31.1977.n.20260403.1752.002.