随着国家政策的不断缩紧以及疫情对于消费市场的冲击,房地产企业在近几年发展并不顺利,一些开发好的房产滞销,导致资金无法回流。此外,由于房地产行业自身的独特性,在开发的时候就会占用很多资金,因此房地产企业的资金周转问题对于企业的发展至关重要,一旦资金链出现断裂,就可能引发严重的财务危机。鉴于此种情况,需要构建一套适合房地产企业的财务风险预警系统,使得企业以及市场投资者能尽早发现企业问题并及时纠正。本篇论文目的在于考虑房地产和建筑行业的财务特征以及公司治理指标构建基于长短期神经网络的财务风险预警模型。首先通过梳理国内外学者的文献,理清不同时期的财务风险预警方法以及指标选择,接着本文对绿地集团的财报进行研究,了解绿地集团的财务状况以及治理结构特征并进行分析。接下来本文根据房地产以及建筑行业企业的经营特征和风险点选择适当的财务指标以及治理结构指标,并创新性的考虑了管理层语调指标,同时也确定了本文的研究期间以及研究样本。随后,本文对数据进行了训练集和测试集的区分,进行平衡化和标准化处理之后,对模型进行训练,拟合出基于LSTM模型的最优财务风险预警模型。最后将绿地集团代入训练好的模型,预测企业后续的风险状况,得出企业在2023年不会成为财务危机企业的结论,并根据模型显示出的指标重要性顺序,发现绿地集团潜在的财务风险并提出相关财务以及治理建议。