随着我国市场经济的迅速发展,证券市场已成为影响我国国民经济的重要组成部分。虽然近年我国上市公司的数量不断增涨,规模也在不断扩大,但大多数上市公司都较普遍地存在企业经营业绩不佳和抗御风险能力不强等问题。如何利用信息技术建立有效的财务危机预警系统来预防财务危机,对企业、投资者和政府都具有重大的现实意义。本文对上市公司财务危机与数据挖掘的相关概念进行了阐述,对上市公司财务危机预警优化方法进行了研究,特别是对粗糙集约简用于神经网络输入维数的优化,及遗传算法优化神经网络权值和阀值等方法做了分析论证,并将优化后两个模型与传统BP神经网络模型进行了实证对比分析,主要内容包括：(1)利用粗糙集的约简技术对上市公司的预警指标进行约简,降低神经网络的复杂性,提高网络预测速度及精度；(2)采用遗传算法作为神经网络模型的前置装置,对网络输入端的初始值和阀值进行优化,缩短网络训练时间,提高网络的预测效率。实证研究显示,优化模型的财务危机预测精度都高于传统BP神经网络模型的预测精度和效率。通过对上市公司近三年财务数据进行科学有效地分析、建模与挖掘,帮助企业利益相关者发现上市公司可能出现的财务危机,及时采取应变对策加以防范,从技术的角度提高了上市公司的财务危机预警能力和分析效率。