财务危机是企业危机最综合最显著的表现。随着我国证券市场机制和企业破产制度的完善,财务危机不但使企业遭受巨大损失,而且直接影响企业的生存和发展。此外,大量企业同时陷入财务危机时,将有可能引发新的金融危机。因此,如何有效地对企业财务危机进行预警,已成为迫切需要关注的研究问题。然而,已有的财务危机预警研究主要围绕传统的单分类器财务危机预测方法展开,缺乏系统性。不但人工智能单分类器财务危机预测方法有待进一步扩充,而且忽视了以多分类器组合进行财务危机预测可能带来的好处,以及专家经验知识和非财务信息对财务危机预警的重要作用。在该研究背景下,当前正飞速发展的计算机科学、人工智能、数据挖掘和群决策理论,为本文从新的视角开展企业财务危机预警研究提供了思路。本文以财务管理理论和企业预警理论为基础,跟踪人工智能、数据挖掘以及群决策领域的前沿理论、方法和技术,采用定量和定性相结合、规范和实证相结合、机器学习和专家经验相结合的跨学科综合研究方法,对企业财务危机预警的智能决策方法体系展开系统的研究。从剖析企业财务危机问题的现象和本质入手,本文提出了包含财务指标实时监控、财务危机机器学习预警和财务危机专家经验预警三个方面的多层次财务危机预警体系框架,并抓住基于定量财务数据的机器学习预警和基于定性财务及非财务信息的专家经验预警两条主线来进行深入研究。首先,样本数据集和定量财务指标体系的构建。从上海和深圳股票市场收集135对上市公司各自的30个财务指标数据,经过排除残缺数据和异常数据预处理后,对其展开充分的统计描述和正态检验,证明用该样本对财务危机定量预测方法进行实验验证的适用性。然后,通过指标均值比较、逐步判别分析和共线性检验,精简得到财务危机预测的定量财务指标体系。其次,基于人工智能单分类器的财务危机预警方法研究。提出遗传算法动态优化决策树的财务危机预测方法,通过优化决策树输入属性集合来提高泛化预测能力。实验结果表明:该方法明显优于事先静态选定输入属性集合的决策树方法。设计了支持向量机财务危机预测方法的流程算法,通过最大化软间隔来寻找最优分类超平面,并采用交叉验证和网格搜索相结合的方法确定SVM模型参数。实验结果表明:该方法在拟合能力、泛化能力和模型稳定性三个方面具有很好的综合性能。提出相似度加权投票组合k近邻案例的财务危机预测方法,采用知识引导和k近邻相结合的混合案例检索策略,并设计了相似度加权投票概率最大化原则来确定待预测案例的财务状况类别。实证实验不但分析了该方法参数的经验取值范围,而且证明它非常适用于财务危机的短期预测。再者,基于多分类器组合的财务危机预警方法研究。提出财务危机的并联组合预测方法,建立了并联组合的加权多数投票模型和基本分类器的投票权重模型,并以差异性原则和个体优化原则来选择并联基本分类器。提出以类别相关经验为导向对财务危机进行串联组合预测的思想,通过单类择优算子和总体择优算子选择串联基本分类器,并设计了流程算法。提出财务危机的混合组合预测方法,用并联结构作为串联结构的基本模块,以弥补单纯串联组合易受某个基本分类器主导的缺陷。对基于各单分类器和三种组合结构的财务危机预测方法进行对比实验表明:并联组合财务危机预测方法在取得最高平均准确率的同时降低了离散程度,混合组合财务危机预测方法在取得最低离散程度的同时提高了平均准确率,两者都能起到不同基本分类器信息互补和扬长避短的作用;但是,串联组合财务危机预测方法容易受串联中的第一个基本分类器主导,预测性能没有明显提高。最后,基于群决策的财务危机可能性评价预警方法研究。为了弥补单靠机器学习手段处理定量财务数据方式进行财务危机预警的不足,本文提出充分利用专家经验和知识处理财务及非财务定性信息方式来评价企业财务危机可能性的预警思想。为此,本文设计了包含财务及非财务信息的定性指标体系及其评分标准,以及定性指标权重的多专家协商机制,提出了专家期望协商因子的新概念,采用灰色综合评价方法进行财务危机可能性评价,并对灰色评价的灰类和白化权函数进行了具体设计。实例分析检验了该方法的有效性。本文对企业财务危机预警理论和方法体系的研究,丰富了该领域的理论研究成果,能够为实际企业开展财务危机预警提供理论指导和技术支持,具有重要的理论和实际意义。