我国市场经济的不断深化发展给我国企业带来了更多的发展机遇,使得我国企业的发展较为迅速。但是与此同时,也使得我国市场变得更加复杂多变和充满风险,我国企业面临着竞争环境日益复杂激烈的挑战。企业出现财务危机会带来投资损失、员工失业、信贷无法收回等灾难性后果,进一步也会影响到国家经济发展、金融安全和社会稳定。因此,建立财务危机预警模型对上市公司进行财务危机预警分析非常必要且紧迫。目前,财务危机预警方法经历了趋势分析、判别分析、]Logistic回归分析、BP神经网络和传统方法的改进等阶段。但是,单纯依靠传统的财务理论知识和主观的脑力经验对企业的经营作出判断,显然不能适应现代市场经济的特征。因此需要寻找新理论、新方法,使用更加有效的新工具、新方式对企业的财务状况进行分析、判别。支持向量机(Support Vector Machine, SVM)方法源于统计学习理论,以VC维理论和结构风险最小化原理为基础。由于支持向量机的学习能力和泛化能力较强,近年来在财务预警领域得到了广泛的关注。数据包络分析(Data Envelopment Analysis, DEA)方法是一种评价包含多输入、多输出的相似决策单元之间相对有效性的分析方法。近些年来,数据包络分析方法被引入财务危机预警研究领域,并取得了诸多研究成果。本文将基于数据包络分析方法和支持向量机模型对我国上市公司进行财务危机预警研究,主要的研究内容包括以下两个方面：第一,基于超效率DEA和灰色关联分析的财务指标特征加权和财务指标选择的研究。首先,利用灰色关联分析方法计算出各因素的点关联度,然后利用超效率DEA模型计算出科学客观的权重向量,同时得到该属性的相对最优灰色关联度。然后根据得到的最优灰色关联度值进行排序,作为判断各因素重要性程度的依据,且以此作为该财务指标的特征权重,构建特征权重向量,并针对我国的上市公司进行实证研究。第二,DEA-SVM财务危机预警模型的构建。本文首先使用超效率DEA和灰色关联分析方法计算各财务指标与企业财务状况之间的相关度,关联度值越大指标与企业财务状况之间的相关性越强,给出指标的权重系数也越大,指标被选择的可能性也越大,从而满足了财务指标选择的目的。其次,使用DEA方法计算出上市公司的相对经营效率,然后结合财务指标选择结果建立财务预警的指标体系并进一步构造了DEA-SVM的财务危机预警模型。最后,以我国证券市场的上市公司为对象进行实证研究。本文通过科学的方法建立有效财务危机预警模型,对我国上市公司的财务数据进行实证分析,选择出了对企业财务状况影响显著的指标,并得到了对企业财务状况的准确预警分类,验证了本文提出的预警思路、预警指标体系及预警方法的可行性与有效性。