财务危机是中国企业面临的重要问题之一,在中国的股票市场上,上市公司出现亏损并在一段时间内不能扭亏为盈,则有被退市的危险。公司出现财务危机不仅危及到企业的自身生存与发展,而且还影响到投资者、债权人和整个社会的利益。随着我国市场经济体制改革的深化和资本市场的快速发展,经济领域中的复杂性、不确定性日益显现,企业发生财务危机乃至破产的事件将会越来越多。因此,建立财务危机预警系统、有效地防范财务危机的出现,已是刻不容缓的研究课题之一。支持向量机是最近发展起来的一种新的通用的机器学习方法,并越来越受到国内外研究者的广泛关注。而最近研究表明,在解决金融问题上支持向量机方法比传统统计方法更有优越性。最早支持向量机是为了分类辨别问题提出的,常被用于模式识别问题,相对于其他方法支持向量机表现了更好的泛化能力。在金融问题中,诸如股票价格指数预测、信用等级分类和财务预警问题等都是支持向量及应用的领域。但是,对支持向量机的推广预测能力有很大影响的参数一直没有一个好的确定方法。本文在参数优化方面改进了支持向量机:将支持向量机混合遗传算法应用于上市公司的财务预警,构建了上市公司财务预警模型。通过实例分析表明,本文构建的基于遗传算法的支持向量机财务危机预警模型,预测精度相对较高,而且这一方法不需要对变量作任何特殊假设前提,能够很好的对企业财务状况的进行预测。此外,本文对预警模型自身存在的一些局限性加以说明,并对后续研究提出了一些建议。