随着社会发展步入大数据时代,信息技术为人们带来便捷的同时也积累了海量数据。然而,这些数据往往有很大的冗余,当前财务数据也随着时代背景的变化,存在无效数据。此外,受全球经济一体化以及中美贸易摩擦的影响,中小型企业外需增长空间受到一定的限制。在当前复杂背景下,如何从海量财务数据中获得有效的信息进行预警?怎样了解中小上市企业生存时间的风险概率?引发财务危机的主要因素有哪些?针对这些问题,本文展开了研究:基于现有的财务危机预警研究,通过建立财务指标与非财务指标的综合指标体系,尝试应用传统统计方法和人工智能法处理变量,建立有效的指标体系,为进一步财务危机预警研究提供新思路。并在此基础上,进一步探讨分析,估计生存时间的风险概率进行影响因素分析。本文从中小企业板选择171个中小型企业作为研究样本,38个财务指标以及4个非财务指标作为初始指标体系。以2013-2018年被标记的57家危机企业和114家正常企业为样本,并以2:1的比例从中随机抽取样本,构建模型组和验证组。通过Kolmogorov-Smirnov检验验证模型组数据分布特征,采用T检验选择在财务危机和财务正常情况下,具有明显差异的变量。从两个方面进行预警估计:第一、基于BPAdaboost神经网络的财务预警模型构建。通过因子分析法筛选8个变量,输入BPAdaboost神经网络模型进行预测;然后运用邻域粗糙集约简法筛选出5个变量,构建BPAdaboost神经网络模型。结果表明:基于邻域粗糙集约简法BPAdaboost神经网络模型综合正确率为91.93%、AUC值为0.9086,基于因子分析法BPAdaboost神经网络预警综合正确率为91.2%、AUC值为0.869,两个模型均符合实际意义、接近完美分类器且预测能力相当;第二、在预警分析的基础上进一步研究,基于因子分析法建立Cox 比例风险模型,估计企业生存率并进行影响因素分析。结果发现:中小企业的生存率在第6年时开始显著降低,在第9年时生存率为47.25%,经营能力、盈利能力、市场价值和公司治理四个方面是决定中小企业最关键因素。最后,本文从注重源头改进、企业提高财务预警意识、适应时代背景的变化建立预警指标体系这几个方面为我中小上市企业健康发展提出了相关建议。