پیش بینی پریشانی مالی با هدف ارائه سیگنال های هشدار دهنده اولیه برای شرکت های بزرگ ، که به عنوان یک روش امیدوار کننده برای کاهش خسارات مالی شناخته شده است. با این حال ، اطلاعات پیش بینی غیر مالی ، مانند احساسات و اطلاعات متنی ، و مشکل عدم تعادل کلاس اغلب در تحقیقات قبلی مورد غفلت قرار گرفت. بنابراین ، ترکیب احساسات و اطلاعات متنی در یک روش فضایی تصادفی (IST-RS) ، برای پیش بینی پریشانی مالی پیشنهاد شده است. احساسات و ویژگی های متنی به عنوان ویژگی های غیر مالی استخراج می شوند و بیشتر با ویژگی های مالی متعارف ادغام می شوند. برای مقابله با مشکلات با ابعاد بالا و عدم تعادل طبقاتی ، روش فضاسازی تصادفی گروه با ادغام روش پراکنده تنظیم شده لاسو تصویب و بهبود می یابد. آزمایشات بر روی مجموعه داده های به دست آمده از بانک اطلاعات تحقیقات حسابداری بازار امنیت چین (CSMAR) برای بررسی اثربخشی و امکان سنجی IST-RS انجام شد. نتایج نشان می دهد که رویکرد پیشنهادی عملکرد پیش بینی پریشانی مالی را به میزان قابل توجهی بهبود می بخشد. علاوه بر این ، روش پیشنهادی از معیارهای مشخص در داده های با ابعاد بالا ، که نشان می دهد مناسب برای حل همزمان ابعاد بالا و مشکلات عدم تعادل کلاس در پیش بینی پریشانی مالی است ، بهتر عمل کرده است.