随着我国国民经济的急速增长，国内外市场对于我国快速消费品的需求量迅速增加，同时因为该行业入驻门坎较低，快速消费品生产企业迅猛发展，同类产品愈发同质化，市场竞争极为激烈，趋于白热化状态。企业在其生产经营中，面临的市场风险也在不断加大，财务困境预测己经成为现代企业财务管理的重要组成部分之一。正确预测财务风险，及时地发现企业运营活动中所存在的问题，引导企业采取有关措施来规避风险，不但具有理论价值，也有重要的现实意义。针对上市公司财务困境预测问题，本文在国内外学者研究的基础上，分析了上市公司财务困境的界定以及各种财务困境预测方法，有利于创建更加科学、实用、合理的财务危机预警系统，为公司管理当局提供明确的危机预警。由于传统的统计方法受样本数量以及正态分布的限制，普遍存在预测精度偏低的状况，所以本文应用支持向量机这种智能型预测模型进行预测。本文介绍了支持向量机的原理，建立了基于最小二乘支持向量机(LS-SVM)的快速消费品上市公司财务困境预测模型，并利用公开发布的上市公司财务数据进行了研究。结果显示，最小二乘支持向量机有效规避了人工神经网络等方法的人为缺陷，针对小样本数据，基于LS-SVM的快速消费品上市公司财务困境的预测精度远远高于其他方法，具备其他方法所不具备的优越性，比较适合用于上市公司财务困境预测。本文采用实证研究的方法，对所选取的数据进行了正态分布检验，显著性检验以及多重共线性检验，使数据能够适用于预测模型。然后就得到的公共因子建立Logit回归模型和最小二乘支持向量机模型。通过两种模型的比较分析得出各自的预测精度，以及各自的优势和不足。结果表明，不论是回代结果还是测试结果的准确度，LS-SVM都明显优于Logit回归。