Las opiniones de auditoría de los contadores públicos certificados (CPAs) sobre la continuidad de la actividad son la base importante para evaluar si las empresas pueden lograr operaciones normales y un desarrollo sostenible. Este estudio tiene como objetivo construir modelos de predicción de continuidad de la actividad para ayudar a los CPAs y auditores a tomar decisiones más efectivas/correctas sobre las opiniones de continuidad de la actividad mediante algoritmos de aprendizaje profundo, utilizando los siguientes métodos: redes neuronales profundas (DNN), redes neuronales recurrentes (RNN) y árboles de clasificación y regresión (CART). Las muestras de este estudio son empresas que cotizan en la Bolsa de Valores de Taiwán y en la Bolsa de Taipei, un total de 352 empresas, incluyendo 88 empresas con dudas sobre la continuidad de la actividad y 264 empresas normales (sin dudas sobre la continuidad de la actividad). Los datos de 2002 a 2019 se obtuvieron de la base de datos del Journal Económico de Taiwán (TEJ). Según los resultados empíricos, con las variables importantes seleccionadas por CART y modelando mediante RNN, el modelo CART-RNN tiene la mayor precisión de predicción de continuidad de la actividad (la precisión del conjunto de datos de prueba es del 95.28%, y la precisión promedio es del 93.92%).