房地产行业是一个关联性很强的行业,其兴衰直接关系到国民经济的发展。自2013年以来,国家先后出台的一系列房地产调控政策,使“过热”的房地产市场逐渐降温,导致高投资、高风险的房地产企业资金链紧绷,部分房地产企业的财务状况迅速恶化,财务危机一触即发。房地产企业的财务风险程度与国家政策和产业环境的变化密切相关,而国家政策和产业环境的变化又与房地产企业的各种财务要素紧密联系,引发财务状况的波动,导致财务风险的出现。目前,已有很多方法应用于房地产企业财务风险预警,如多元线性模型、BP神经网络等,这些方法均存在一定的缺点,如缺乏针对性、实践性、规律性和机理性,而深度学习对复杂函数的刻画有着更显著的效果,但至今还没有将深度学习用于房地产企业财务风险预警的案例。因此,本文将深度学习应用于房地产企业财务风险预警,主要工作如下:(1)阐述了研究背景、意义及国内外研究现状。(2)介绍了财务风险的概念、影响房地产企业财务风险的因素及深度学习。(3)将深度学习用于房地产企业财务风险预警分析,并以中航地产为例具体论证。本部分将选取的样本指标数据分为训练集和测试集两部分,分别用于房地产企业财务风险预警深度学习模型的训练和测试。结果表明:通过用所构建的模型对中航房产2016-2017年的相关财务指标进行财务风险预警,结果显示这两年都具有财务风险,与实际情况一致。(4)针对房地产财务预警提出措施建议,以防范财务危机发生。