中国开始实行市场经济已经有了三十余年，在过去这三十多年里，随着市场经济程度的深入，企业面临的风险越来越多，这也使得整个经济系统的不确定性明显增加。特别是众多规模庞大的上市公司因为财务问题而陷入经营困境，这给中国的经济发展产生了非常不利的影响，因此上市公司能够预测自身的财务风险显得非常具有实践意义。上市公司要在错综复杂的市场中屹立不倒长久发展，就必须加强自身抗风险的能力和意识，最重要的一个方面就是建立起科学完善的财务困境预警系统。
　　本文对上市公司的财务状况按照是否被ST分为两类，文中选取了符合条件的沪深两市的29支ST股票和相对应的29支非ST股票作为样本，使用这些样本公司被ST前两年(T-1、T-2)的财务数据，分别建立普通的逻辑回归模型和基于稀疏性主成分的逻辑回归动态模型进行上市公司财务困境预测。实证发现，首先，基于稀疏性主成分逻辑回归的动态模型对于上市公司是否会陷入财务困境的预测准确率要全面的优于普通的逻辑回归模型。其次，基于稀疏性主成分逻辑回归的动态模型是对于大量的财务指标进行二次降维产生一定数量的风险因子，再对这些风险因子进行逻辑回归模型建立，因而在指标选择的统计科学性和客观性方面要好于依据主观思维进行指标选择的普通逻辑回归模型。
　　不少的中国业内专家对于如何防范财务风险进行了深入的研究，但是存在一些问题
　　(1)大多数的研究方法都是建立在某一时刻的截面财务数据之上进行财务危机预测，从本质上属于一种相对静态的分析方法，而绝大部分企业出现财务困境是从正常的财务状况一步一步恶化衍变成为财务困境，并非是出现断崖式下降。因此，这种静态的研究方法不能准确的动态地表现出危机公司财务属性的的变化过程，
　　而本文采用的的稀疏性主元逻辑回归动态模型是使用陷入财务困境的公司前两年的数据进行两步稀疏疏主成分的方法来提取财务信息:首先，使用稀疏性主成分对于T-2年的财务数据进行第一步的降维，与此同时得到了各个主元与原始指标之间的系数矩阵;其次，将得到的系数矩阵与T-1年的财务数据矩阵相乘;再次，将用系数矩阵处理后的T-1年财务数据再次进行降维，得到最后进行建模的风险因子。这样的动态模型能够在预测的时候提取相对于静态模型更多的财务信息，从而使得财务困境的预测准确率有所提高。
　　(2)过往的大多数研究直接建立在初始的样本数据之上，但是往往初始的样本数据之间存在着无效指标和指标之间存在较强相关关系，在这一基础之上直接建立模型，容易导致模型偏差较大，特别是对于数据量较小和指标较多的样本。本文利用稀疏性主元方法降维的同时进行了变量的选择，在此基础上在进行模型建立会使得模型更加准确的同时增强模型的统计可解释性。
　　因此，本文从这些以往研究有待改进的地方出发，使用基于稀疏性主成分的逻辑回归动态模型进行财务困境预测，以期望能够在取得更高的准确率的同时，使得模型具有更好的统计学解释性。