在日益发展但尚不成熟的中国证券市场中,许多上市公司的财务状况频频陷入困境,这不仅严重损害了广大股票投资者、债权人的利益,也严重影响了我国证券市场的健康发展。因此,对上市公司财务困境预警的研究已成为近年来学术界的一个研究热点,它不仅具有较高的学术价值,而且有着巨大的应用前景。如果能够将这种研究成果推广到其他各种非上市公司,用以指导所有类型企业来防范其自身的财务风险,就更具现实意义。本文首先对国内外财务困境预测模型研究的经典文献进行了回顾,总结分析了前人研究方法和研究成果的优点和不足。在此基础上,选取2003年和2004年因“财务状况异常”而被特别处理的122家A股上市公司作为研究样本,并按照行业和规模配对的标准,选择同样数目的财务状况良好的上市公司构成配对样本,对反映样本公司财务状况的19个主要财务指标,运用因子分析的方法提取出7个公共因子,建立新的财务指标体系。最后,使用一种被称为支持向量机(SVM)的新型神经网络技术,以所提取的7个公共因子为变量,构建了一种新的上市公司财务困境预警模型,使广大的股票投资者及上市公司的其他利益相关者能够利用这一模型,对上市公司的财务状况进行方便、准确、有效地预测,为他们进行正确的理财决策提供理论和方法支持。为了检验所建财务困境预警模型的有效性,本文又利用相同的样本及财务数据建立了Logistic回归模型,并将这两种模型的预测效果和精度进行比较,结果发现支持向量机模型因其自身特点,使预测精度大大提高,具有其他方法不可比拟的优越性,实现了方法上的创新。