全球化是不可阻挡的历史大趋势,科技的迅速发展极大地促进了全球一体化的进程,各个国家包括中国都不约而同地利用资本大力发展经济,加快现代化建设。随着全球化进程的发展,企业可以去到任何能够攫取超额利润的地方,可以享受任何地区发展带来的机遇和红利,但是也必须承担面对全球市场竞争的挑战和环境恶化带来的危险。对于企业而言,跟能够赚取利润相比,在经济发展陷入低迷的外部环境和竞争激烈的市场中活下来同样重要。通过对于财务危机预警模型的研究,企业管理者可以分析出对于企业生存和发展至关重要的一些指标,从而可以在发现在日常企业经营管理中出现的问题,提前预防和弥补漏洞,防止企业陷入财务危机进而破产清算。基于这一研究目的和研究背景,本文以在中国沪深股市上市的制造业企业为研究对象,分别用Logistic预警模型、支持向量机预警模型和CNN神经网络模型进行了预警模型的构建与检验。论文研究发展的过程为:首先对国内外的相关研究成果和理论基础进行总结评述,从理论层面梳理构建财务预警模型的建模基础,包括指标和模型两方面;然后以沪深两市上市的制造业企业为研究对象,根据其经营活动现金流量相关指标分别构建Logistic、SVM和CNN预警模型,对比分析几个模型的预测准确程度;最后,根据比较分析的结果提出相应的政策建议。主要研究结论如下:第一,Attention-Based CNN模型的效果优于传统的深度学习方法SVM模型,两个机器学习模型都远好于古典的Logistic模型。第二,和其他传统的专注于资产负债表和利润表财务指标的预警模型相比,根据经营活动现金流量相关的财务指标建立的财务预警模型的预测效果更好。根据研究结果,得出以下几条政策建议:为了能够有效避免陷入财务危机,企业应该将核心注意力从管理利润转向管理现金流,企业在日常经营活动中产生的现金净流量越充足,投资者、债权人、供应商以及市场对它的信任程度就越高;投资者应该在对企业进行传统财务分析的基础上加大对于企业现金流尤其是经营活动现金流量的关注;监管部门加大对企业现金流的关注,防止有人幕后操纵经营活动现金流,同时,切实出台相关法律法规规范市场秩序,完善信息披露机制,提醒投资者理性投资。