【摘要】以2017—2020年沪深主板A股非金融上市公司为样本，提取其年报MD&A章节中反映不同文本特征的多个文本指标，并引入上市公司财务风险预警模型。采用人工神经网络和卷积神经网络两种方法对模型的预测能力进行实证。结果表明，在常规财务风险预警模型中引入MD&A多文本特征可提升模型预测的AUC值。在此基础上继续增加融资约束、财务困境指数测度、非效率投资程度和过度负债程度等指标，模型预测的AUC值提升更显著。对比两种实证方法得到结论：基于卷积神经网络方法的MD&A多文本特征上市公司财务风险预警模型的预测能力更高、误报率和漏报率更平衡。