目前,在国家的高度关注下,高新技术企业的总体发展突飞猛进。2016年,高新技术企业认定的管理办法再次得到修订;2019年,科创板设立,以促使科技创新和资本市场能够深度融合。至今,在关于如何加大支持科技创新力度的问题上,我国的资本市场已经进行了很多的探索和努力。在全球性的金融危机爆发后,各国对企业的财务风险和财务危机问题都格外重视。企业如何尽早预警财务危机并且采取相应的有效措施,使企业能够在财务危机发生的萌芽阶段就加以有效遏止,十分值得进一步的探讨和深究。同时,相比普通企业,高新技术企业对研发支出巨大的投入以及研发创新成果转化率的高度不确定促使其发生财务危机的可能性必然加倍。因此,为了提高高新技术企业在面对激烈的市场竞争时应对财务风险、防御财务危机的能力,降低财务危机发生的可能,从而促使企业稳健发展,针对高新技术企业财务危机预警的相关探索至关重要。本文结合了高新技术企业自身的特点,研究分析其财务危机的成因和预警过程,并以此为基础选取财务信息和非财务信息两类相结合的综合预警指标,以ST(被特别处理)高新技术企业和非ST(正常)高新技术企业前两年的截面数据作为研究样本。综合初步选取的指标特征,运用Kolmogorov-Smirnov检验、独立样本的T检验以及Mann-Whitney U检验和卡方检验等检验方法筛选预警指标,针对在两类高新技术企业中具有显著性差异的预警指标采用特征工程中的包装法进一步地筛选,建立简约有效的高新技术企业财务危机预警研究的指标体系。选择以Logistic回归模型、XGBoost模型以及BP神经网络模型作为基模型,并且采用遗传算法优化BP神经网络原始模型的权值和阈值,将三者以Stacking方法融合,并对此融合后的模型进行训练及预测,同时对比不同数量基模型的融合及Voting和Averaging两种模型融合方法,构建高新技术企业财务危机预警模型。在此过程中,为了使每一个模型的效果都更加稳定,采用上采样方法中的SMOTE原理处理非平衡数据集,利用5折交叉验证方法对模型的参数进行选择和调整,达到优化稳定模型的目的。结果表明,对比常见的Voting和Averaging两种模型融合方法,Stacking方法融合的模型更加稳健,性能表现更优。对比不同数量基模型的融合效果,发现基模型彼此的差异越大、性能越接近,Stacking方法融合的模型效果越好,并且随着基模型数量的增加,模型融合的效果更优,但是到达一定数量时,融合效果并不会继续优化。最终,根据建模过程以及检验结果,有的放矢地提出高新技术企业应对财务危机可以采用的预防措施,保证其他利益相关者如投资人、债权人等的切身利益,为监管者对高新技术企业的管理提供一定的参考,具备较强的理论价值和实践意义。