Comparado con los temas ampliamente examinados en la literatura relacionada, como las crisis financieras/dificultades en la predicción precisa, los estudios sobre la predicción del rendimiento corporativo son bastante escasos. Para llenar la brecha de investigación, este estudio introduce un marco avanzado de toma de decisiones que incorpora el análisis envolvente de datos dependiente del contexto (CD-DEA), el análisis de componentes principales robusto difuso (FRPCA), la asignación latente de Dirichlet (LDA) y la máquina de vectores de soporte gemelos de gradiente estocástico (SGTSVM) para la predicción del rendimiento corporativo. El análisis de ratios, con los méritos de ser fácil de usar e intuitivo, juega un papel esencial en el análisis del rendimiento, pero típicamente tiene una variable de entrada y una variable de salida, lo que no puede representar adecuadamente el estado inherente de las operaciones de una empresa. Para combatir esto, consideramos CD-DEA ya que puede manejar múltiples variables de entrada y múltiples variables de salida simultáneamente y produce un objetivo alcanzable para analizar las unidades de toma de decisiones (DMUs) cuando los datos presentan grandes variaciones. Para fortalecer la capacidad discriminante de CD-DEA, también realizamos FRPCA, y debido a que los mensajes numéricos basados en principios históricos normalmente no pueden transmitir mensajes corporativos futuros, ejecutamos LDA para descomponer las narrativas contables en muchos temas y preservar aquellos temas que son relevantes para las operaciones corporativas. Secuencialmente, el proceso empareja los temas preservados con un diccionario sentimental para explotar los sentimientos ocultos en cada tema. Los datos analizados luego se alimentan en SGTSVM para construir el modelo de predicción. El resultado aquí revela que el marco de toma de decisiones introducido es una alternativa prometedora para la predicción del rendimiento.