上市公司的发展带动了国民经济的增长,在我国市场经济中占据重要地位。正因为上市公司的重要性,其一旦陷入财务困境,不仅自身会遭受损失,损害利益相关者的权益,甚至会给整个行业及社会带来不良影响。因此,需要对上市公司财务困境预警进行深入研究,建立一套准确有效的财务困境预警机制,才能随时掌握公司的财务状况并采取相应措施,降低或避免其自身乃至整个经济社会的损失。已有的财务困境预警研究一般基于财务指标,或在财务指标基础上引入单一效率指标,而多维效率指标能够更加全面有效地反映不同行业、不同资产规模的上市公司整体状况,从而增强了对上市公司财务困境的预测能力。本文在预测指标方面提出多维效率指标,分别从经营效率、财务效率、融资效率和人力资本效率这四个维度提出投入产出指标体系,采用数据包络分析评价各个维度的相对有效性,构建融合多维效率指标和财务指标的财务困境预警模型,采用支持向量机、人工神经网络、决策树、逻辑回归模型这四种常用的财务困境预警技术,并基于不同的财务指标体系对我国148家上市公司进行实证研究,以准确度作为评价指标,结果表明,考虑多维效率指标的上市公司财务困境预警模型能够有效提高预测准确度。在实际情况中,出现财务困境的企业比财务正常的企业数量少很多,财务困境预警领域存在类别不均衡问题。大部分财务困境预警模型按照1:1选取企业数量作为训练数据,舍弃了大部分财务正常公司样本,忽视了类别不均衡问题,不符合真实情况。因此,本文在预测方法层面提出一种处理类别不均衡的欠采样和集成学习结合的方法,并将多维效率引入模型中,构建融合多维效率指标和财务指标的类别不均衡财务困境预警模型,对我国99个被特别处理的上市公司和1098个财务正常公司进行实证研究,并采用分类技术进行预测,以AUC、F-measure、G-means、Recall四种指标评价模型效果,结果表明,融合多维效率指标和财务指标的类别不均衡财务困境预警能有效提高模型分类性能和对财务困境样本的识别率。多维效率指标的引入,为财务困境预警中选择预测指标提供了参考意义,能反映不同行业、不同资产规模的上市公司整体状况。在财务困境预警领域考虑类别不均衡问题,能提高财务困境样本的识别精度,使模型更贴合实际情况,说服力更强。研究结果验证了本文所提出预警模型的有效性和可行性,为上市公司财务困境预警提供了较为可靠的方法,对上市公司的管理者、投资人、债权人具有重要意义。