财务困境对企业自身、投资机构、社会和政府都会产生较大的成本。因此，对财务困境及时进行准确的预测可以帮助公司自身及时预防和化解财务危机、帮助金融投资机构避免投资风险以及帮助政府监管部门更加科学地对市场秩序进行监管和维护。财务困境预测是一个传统的话题，20世纪60年代初，财务困境预测在国外开始盛行。但是，由于国内现代公司制度和财务制度建立的落后，国内对于财务困境预测的研究起步较晚。所以，研究适合国内上市公司的财务困境预测方法仍然具有一定的重要意义。在此背景下，本文对财务困境预测模型进行了扩展研究，以求达到提高上市公司财务困境预测精确度的目的。首先，在财务困境预测中，已存文献对于约简指标是否一定能提高预测精确度没有统一的结论。在相关文献研究基础上引入了Dempster-Shafer证据理论方法，在决策层对各一级指标下独立预测模型的输出结果进行合成。这样既保证了财务指标信息的不丢失，同时又避免了因指标过多造成预测模型的复杂度增加。通过采用中国上市公司样本验证了本文所提出模型的有效性，实证结果证实了该模型在保证具备良好总预测精度的同时，能极大提高对于财务困境公司的预测精度。其次，组合预测方法的预测精度以及稳定性优于单一预测方法。在相关组合预测方法基础上，提出了基于粗糙集和Dempster-Shafer证据理论的组合预测方法。根据各单一预测方法的输出结果，粗糙集自动确定各单一预测方法的权重。在决策层利用Dempster-Shafer证据理论将输出结果进行合成。并采用中国上市公司样本对模型的性能进行检验，通过与其它一些单一预测方法以及组合预测方法的比较，表明该方法不仅对于财务困境公司具有较高的预测精度，并且对于财务困境公司和财务健康公司的总预测精度也有显著的提高。