我国的经济规模不断扩大,公司的经营环境越来越复杂,也面临更多的机会和挑战,至2018年底,沪深两市有3700多家上市公司,市值总额占国内GDP总值60%以上,经济增速稳定保持在5%以上,但同时也新增了85家由于财务危机而面临巨大损失或者陷入破产困境的上市公司,其中信息服务业公司破产达到20家,因其个体规模庞大,对信息服务行业的健康发展也产生了非常不利的影响。因此信息服务也财务危机的研究既有利于利益相关者降低投融资风险,也有利于提高信息服务业的竞争力,促进与数字经济与实体经济的融合。在前辈们研究成果的基础上,以2015-2018年我国沪深两市A股市场上因“财务状况异常”而被特别处理的信息服务业上市公司(即被ST的公司)为研究对象。首先以危机预警理论、企业生命周期理论和委托代理理论为基础,阐述了信息服务企业应从成立期至成熟期都要进行危机管理活动;其次采用规范研究与实证研究相结合的方法,筛选了包括40家ST公司和80家非ST公司的样本,运用spss19.0对样本展开了充分的统计描述和参数检验,有效缓解了预测变量共线性问题,确定了显著影响信息服务业财务状况的预测变量,即21个财务比率指标和5个非财务指标;然后提出了残差-卷积神经网络的财务危机预测模型,以卷积神经网络为基础,引入残差网络中的快速连接技术,以全局平均池化层代替全连接层,引用不同功能的relu函数变体激活卷积层神经元,提高了模型的训练速率、特征学习能力以及降低了模型的拟合程度;最后对包含45家公司的测试样本运用了不同模型进行预测效果,检验了基于卷积神经网络预测模型的学习能力和分类能力。从模型的预测精度和指标变量两个维度进行了三次实验,分别得到了以下结论:第一次验证了将卷积神经网络应用在财务危机领域具有可行性和前瞻性,卷积神经网络是继神经网络研究财务危机问题的创造性引入,实验结果预测准确率最高达到了91.11%;第二是公司治理指标对财务危机的预测具有明显的作用,在残差-卷积神经网络模型的基础上,对比分析以诉讼次数、违规次数、以及审计意见为主体的公司治理指标对模型预测结果的影响;第三是统计方法的预测效果明显落后于卷积网络方法,运用RES-CNN模型、Z-score模型、logistic回归模型对相同样本进行实验分别取得的准确率为91%、68%和75%,表明了卷积神经网方法相对于统计计量方法的优势,而且对输入数据没有分布假设条件,不需要很大的数据量,可以直接学习数据特征,可以广泛的应用在各领域。