建立我国上市公司的财务困境预测模型,在公司面临财务风险的时候及时发出预警信号,从而使上市公司及时采取相应措施降低上市公司破产概率,对各利益相关者主体来说都具有非常重要的意义,是上市公司风险管理的重要内容。当前国内外财务困境预测研究的一个共同问题是尚处于静态建模阶段,只针对某一特定时间段内的样本数据建立模型,随着时间推移必然不能满足新的经济环境或上市公司运营环境下财务困境预测的需要。因此,本文的研究目的就是针对上市公司运营的动态特点,对财务困境预测的动态建模展开研究。本文从财务信息纵横数据流和概念漂移的全新视角,对上市公司财务困境预测动态建模理论方法展开探索性研究,融入概念漂移问题处理思想于财务困境预测建模过程中,在建模过程中动态选取财务困境预测变量,结合因子分析和支持向量机模糊积分集成方法,建立了上市公司财务困境的动态预测模型。本文介绍了支持向量机方法和模糊积分,论述了支持向量机集成方法的结构及算法原理,构建了支持向量机集成模型。目前的支持向量机的集成融合技术没有考虑每个子支持向量机之间的权重关系。在本文中采用了一种新的基于模糊积分的支持向量机集成来解决此类问题。根据子支持向量机的预测结果,通过模糊积分赋予每个子支持向量机不同的权值对其进行集成。该方法考虑了各子学习器的预测结果和各子支持向量机学习器的预测对最终结果的影响程度。本文在借鉴前人研究成果的基础上,以2007年我国沪深两市A股市场上因“财务状况异常”而被特别处理的上市公司(即被ST的公司)为研究对象。从单个上市公司纵向数据流和横向截面样本数据流方向展开了财务困境预测动态建模的实证研究。将模型的评价结果与静态预测模型进行比较,结果表明本文提出的模型比静态预测模型的预测准确率更高,证实了该模型的可行性和有效性,为上市公司建立可靠的财务困境预测系统提供了依据。该研究增强了财务困境预测模型在时间推移过程中对财务困境概念漂移的适应能力,提高了预测准确率,为上市公司财务困境管理机制及预测系统的建立提供了重要工具。