随着科学技术的飞速发展,深度学习不断地突破,在信息数据巨大的经济金融领域,我们有了更多的有力武器可用来对有着无限价值的重要经济数据进行预测与研究,不仅可以给投资者提供具有参考价值的信息,也有助于企业、乃至经济市场更加健康持续地发展。本文从上市公司年报中提供的财务报表入手,对企业持续性经营能力这一重要指标进行深入研究。从利润表中能够反应企业的经营与盈利能力的净利润,以及在现金流量表中能够体现获利质量的经营活动产生的现金流量净额这两项经济数据为切入点,对其进行预测与分析。本文爬取的上市公司年报为PDF格式,为了获得目标数据,首先研究了如何对PDF进行解析,从而高效地获得准确的表格数据,本文利用可根据关键字获取定位信息的ITextpdf技术,再由PyPDF2方法对PDF页面进行截取,最后通过Pdfplumber技术实现了批量解析与提取PDF表格数据。然后对数据进行包括数据清洗、MinMaxScaler归一化以及利用顶层特征选择算法RandomizedLasso进行特征选择的数据预处理。最后通过滑动样本生成,在保持数据时序性的基础上提高了特征间的划分细度,合理地增加了样本数量,最终构建了多时间跨度多特征的数据集样本。通过对CNN和GRU模型原理的研究,本文构建了两种回归预测模型,第一种是CNN-GRU模型,将样本输入到CNN模型中,通过卷积和池化进行高层抽象特征的提取,再输入到GRU模型中进行时序潜在特性的训练。另一种是将样本中的不同特征进行划分,将直接特征输入到更加能体现时序特性的GRU模型,而将间接特征输入到CNN模型进行局部关系训练,最后将CNN和GRU两种模型进行Merge融合,将两种模型分别训练提取到的抽象特征进行拼接,再共同进行训练,即构建了CNN+GRU融合模型。通过与机器学习和深度学习中的其它方法进行实验对比,在各项评价指标中本文构架的两种模型基本都能取得较好的结果,尤其是CNN+GRU融合模型拟合效果最佳。最后将预测模型应用到对企业的持续性经营能力进行基本评估的工作当中,通过分析净利润和经营现金流量的大小、比例和趋势,对企业的经营质量和发展情况做出基本的判断和帮助。