中小企业是推动我国经济高质量发展和社会进步的中坚力量。据2021年国务院新闻办公室政策吹风会发布的数据显示:我国4600万户企业市场主体中99%以上为中小企业,税收占比超过国家收入的50%,并提供了80%的就业岗位,在稳就业、保民生、助发展等方面发挥着不可替代的关键作用。然而现阶段,我国中小企业在承受着财务、会计体制不完善的内部挑战下仍面临新冠疫情、国际市场动荡等外部冲击,遭遇财务困境而破产的中小企业数量逐年递增,2021年中小企业注销数量超32万家,有关中小企业财务困境的问题亟待解决。基于以上背景,本文构建财务困境预警模型为中小企业及多方相关主体提供事前检测,进而避免中小企业陷入财务困境之中,这对促进我国中小企业稳中向好持续发展具有重要意义。本文将中小上市企业作为研究对象构建财务困境预警框架,包括指标体系构建、特征工程、模型构建三部分,并将集成思想贯穿于特征选择模型构建、非平衡数据处理、预警模型构建之中。首先,根据中小企业财务困境特点和参考以往文献的基础上选择7类财务指标,这些指标能够充分反映企业的偿债能力、盈利能力、经营能力、每股指标、现金流动性、发展能力和相关披露财务指标补充信息,在此基础上增加代表企业股本结构、股权集中度的2类管理类指标初步构建指标体系。其次,在数据预处理、统计分析、特征选择进行数据清洗和降维的基础上构建模型输入指标体系并进一步对非平衡的中小企业数据进行平衡化处理保障后续预测模型取得较好的效果。最后,基于模型集成框架以单一机器学习算法和集成学习算法为基础构建预警模型,通过学习曲线调整优化模型参数实现最佳预测效果并与已有模型进行对比评价。结果显示,本文所构建的中小企业财务困境预警框架效果理想。本文采用财务数据披露程度较高的中小企业板块928家企业2018年（T-2期）至2020年（T期）的数据作为原始数据,将“ST”或“*ST”企业作为存在财务困境的样本共65家,其他正常样本863家。首先基于特征工程对数据预处理后的结果集成6种机器学习算法（L1-Lg、SVM-RFE、f＿classific、XGBoost、随机森林、极限树）构建特征选择集成评分模型筛选出32个重要性最高的指标形成实验指标体系;其次将RENN与Borderline-SMOTE1相结合构建RENN-Borderline-SMOTE1数据平衡算法实现金融数据的平衡。最后引入Blending模型集成算法,将决策树、Adaboost、X-GBoost、LightGBM作为第一层基层模型,将逻辑回归作为第二层次学习器构建Ble-nding中小企业财务困境预测模型,通过学习曲线调整模型最优参数。模型评价指标结果显示,本文构建的Blending中小企业财务困境预测模型准确率达到97.45%,召回率达到90.26%,f1-score为0.97,AUC值为0.975。经过与其他模型的对比试验中发现在各类评价指标中Blending中小企业财务困境预测模型表现最好,能够较好的预测中小企业面临的财务困境风险,为中小企业财务困境预警模型集成方法的应用以及模型参数优化与调整方面的研究做出有益探索。