在社会经济发展中,上市公司作为行业领头羊,一直引导着行业的发展,但随着企业规模的扩大,财务风险也在不断增大;农业作为第一产业,由于存在依赖自然环境、产品周期长等特点,存在的财务风险往往会导致严重后果。如何合理预警财务风险,成为农业上市公司发展中必不可少的重要环节。因此,本文选择农业上市公司为研究案例,利用机器学习中SVM算法来进行农业上市公司财务风险预警模型的构建。本文主要使用了SVM算法、主成分分析法、Z值法,研究2020年48家农业上市公司的财务风险状况,并通过2018年的财务报表进行分析和筛选。其中财务报表的指标提取依据偿债、盈利、营运、能力、发展五个能力进行研究;在分类农业上市公司是否存在一定财务风险时,通过ST标准和Z值的双重标准进行了划分。首先,本文阐明了研究背景、目的及意义,从财务风险的预警指标研究、财务风险预警模型研究、农业上市公司财务风险研究对国内外学者的研究进行了阐述,同时表述了本文的研究思路、研究方法及创新点;其次,通过对财务风险、财务预警及SVM向量机的理论概述,为本文的研究提供一定的理论支持;再次,对农业行业的经营情况进行了阐述,对于农业行业目前所存在的财务风险问题,分析了可能导致农业财务风险的风险成因;然后,通过2018年48家农业上市公司中选取的26个财务指标数据,使用主成分分析法并得到7个主因子,整理成为因子综合得分系数矩阵,再进行SVM预警模型调参,优化模型整体预测效果,使用精确度、ROC曲线等模型指标来度量模型性能,得到SVM预警模型97.9%的预测结果,这表明:SVM模型在农业上市公司的财务风险预警效果较优。该SVM模型成功回避了诸如人工神经网络等办法,因样本数量不足而导致的模型结构难以科学计算、过拟合、欠拟合以及局部存在极小的问题,本文还指出风险累积、抗风险能力不足等是目前农业上市公司造成财务风险的主要原因;最后,本文就上述模型搭建结果,提出了提高财务风险认识、加强预警体系构建、加强财务监管等建议。财务风险预警是企业能够持续健康稳定发展的安全屏障,是企业减少财务风险损失的有效手段,希望本文对农业上市公司的财务风险预警模型的构建有所帮助,并为后续的相关研究提供一定参考。