我国上市公司财务风险预警始终是财务管理领域关注的焦点。忽视财务风险的控制与防范会直接引起公司资金链的断裂，甚至导致公司破产。国内外的研究表明关于财务风险的研究大都从财务指标或上市公司治理的指标分别展开，而将二者有机结合形成财务风险预警指标体系的研究仍为鲜见。鉴于支持向量机对于处理小样本数据的有效性，如何将财务风险预警指标降维成为制约支持向量机预警模型有效性的关键。本文将核主元分析引入到支持向量机方法中，形成了指标降维和特征提取为一体的我国上市公司财务风险预警模型。　　本文在收集整理大量文献资料的基础上，以风险预警为理论基础，系统地研究了基于支持向量机的我国上市公司财务风险预警模型与方法。首先，通过线性判别模型、逻辑回归模型等回顾了财务风险预警的研究现状。其次，通过筹资风险、公司治理风险等分析我国上市公司财务风险的影响因素，并构建了包括偿债能力、营运能力等方面的一级风险指标和32个二级风险指标的我国上市公司财务风险预警指标体系。进而，针对财务风险指标为非线性数据的特点，利用核主元分析方法进行特征降维，并应用粒子群算法对支持向量机的关键参数进行优化，构建了基于核主元分析和粒子群算法的支持向量机财务风险预警模型。最后，为证明该预警模型的适用性与识别精度，收集我国171家上市公司2016年的数据，使用MATLAB软件进行数据分析,分析结果显示该财务风险预警模型比单一支持向量机的财务风险预警模型识别精度更高。　　本文特色与创新之处主要表现在：①将筹资风险、投资风险、信用风险等财务风险因素和公司治理风险等非财务风险因素相结合，分析我国上市公司财务风险因素；② 构建了包括偿债能力、营运能力等为一级风险指标和32个二级风险指标的我国上市公司财务风险预警指标体系；③ 构建了基于核主元分析和粒子群算法的支持向量机财务风险预警模型，并利用我国上市公司的数据进行了该模型有效性分析。本文的研究将不仅为我国上市公司财务风险控制提供了一种有效的预警模型与方法，而且该方法可拓展至其他行业的风险预警中，为其风险管控提供理论依据和实施途径。