在“防范化解重大风险”攻坚战的目标引领下,金融风险的防控工作得到有序开展,化解资本市场风险是其重要内容之一。新冠疫情爆发后,工厂倒闭、债务违约、诉讼纠纷等事件明显增多,面对复杂多变的经济形势,充分识别、防范和化解上市公司风险成为亟待解决的重大实践问题。上市公司财务困境预测一直是学术界关注的重点,学者们致力于探索不同的指标以提高财务困境的预测精度,既有研究表明财务指标揭示了上市公司的财务状况,能够较为准确的预判财务困境,近年来自然语言处理技术的兴起使得部分文本指标也被纳入考虑范围,并证明了文本信息的有用性。但对文本信息的研究目前还处于探索阶段,关于文本信息对财务困境预测贡献的研究更是鲜有涉及。基于此,本文以上市公司诉讼公告文本为出发点,构建财务指标和文本指标相融合的财务困境预测综合指标体系,通过比较纯财务指标和综合指标的预测效果,考察诉讼公告文本的预测价值。本文将被ST（*ST）的公司定义为财务困境公司,以2012-2020年A股4308家非金融上市公司作为研究对象,其中包括3820家正常公司和488家财务困境公司,基于t-2、t-3和t-4三期的数据预测其在t年是否陷入财务困境。本文的研究主要从两个层面进行展开:第一,财务指标和文本指标的选取;第二,预测模型的构建。首先,在财务指标的选取方面,本文在参考以往文献的基础上筛选出反映公司偿债水平、盈利水平、营运水平、现金流量水平和成长能力的32个财务指标,运用主成分分析法实现了特征选择和降维,最终提取了13个财务指标,有效克服了训练速度慢和过拟合的问题;其次,在文本指标的选取方面,本文基于13730份诉讼公告文本语料,采用词典法实现了特征抽取和指标量化,根据文本总字数构建“信息含量”指标,结合国内常用的Hownet情感词典和国外常用的LM情感词典构建“不确定性”指标,基于清华大学THUOCL词典构造“可读性”指标,以此作为诉讼公告文本的衡量指标;最后,在预测模型的构建方面,为了使研究更具客观性和说服力,本文选择随机森林算法和学术界主流的logistic模型两种方法进行预测和对比分析,并借助网格搜索和10折交叉验证法提高模型的性能和泛化能力,通过比较纯财务指标与加入文本指标后的综合指标的预测效果,考察诉讼公告文本是否具有增量价值。实验结果表明,随机森林算法的预测能力整体优于logistic模型,但无论基于哪种方法,文本指标的加入都能在一定程度上提高模型的预测效果,并且在信息源较为稀缺时,文本指标可以发挥更大的边际贡献,表明上市公司披露的诉讼公告并非是模板化信息,对于财务困境预测具有信息含量和使用价值,可以作为财务数据的有效补充。同时,研究发现,相比另外两个文本指标而言,“可读性”指标的增量贡献更大,着重对诉讼公告文本的“可读性”进行挖掘和分析可以更好地预警上市公司的财务风险。因此,应充分重视诉讼公告等文本信息的使用价值,着力完善上市公司重大诉讼事项的披露制度,提高文本信息对于财务预测的话语权和贡献度。本文的研究具有重要的理论和实践意义。理论方面,本文创新性地提出基于诉讼视角考察文本指标对财务困境预测的增量价值,不仅拓宽了我国上市公司财务困境预测的研究视角,也为文本信息的有用性提供了经验证据;实践方面,本文肯定了上市公司诉讼公告信息的预测价值,提高了财务困境的预测精度,有助于上市公司做好风险预判和防范工作,同时也为投资者的投资行为提供有用信息,促使其更多地关注上市公司涉诉事项,增强风险预判意识和辨别真伪能力,提升决策的科学性和有效性。