在全球经济下行周期,企业的经营和财务状况面临越来越大的压力,一些企业在恶劣的经济环境下更容易陷入经营危机和财务困境。财务困境不仅影响企业自身的健康发展和相关利益方的权益,还关系到国家经济稳定和社会资源配置,因此,有效预测企业的财务状况对于帮助企业管理者进行科学决策和促进社会资源配置具有重要意义。然而,由于概念漂移问题的存在,以往对于财务困境预测的研究多存在实际预测效果不佳或只能解决有限类型概念漂移的情况,对复杂环境下财务困境预测的研究还存在一定的局限性。因此,研究复杂环境下企业财务困境动态预测问题还需探索新的解决思路和技术路径。针对现有文献在解决财务困境概念漂移问题上的不足,本文构建了基于GBDT算法的上市公司财务困境集成预测模型,从指标体系构建、集成模型应用、预测结果融合三方面的创新设计来解决财务困境概念漂移问题:首先,本文运用LASSO算法对多时期财务样本进行动态财务指标选取,从而准确反映了不同时期样本的财务特点;其次,为了对企业财务困境进行准确预测,本文构建了基于GBDT算法的集成预测模型,利用GBDT优异的分类性能,构建了多阶段动态财务困境预测模型;再次,基于不同阶段样本概念漂移程度差异,本文创新性地采用样本相似度指标对预测结果进行融合,从而进一步提升集成模型预测准确性。本文所构建的集成模型不预设训练样本“新旧”程度对预测结果重要性的影响,应用GBDT算法和动态指标选取方法,在提升动态预测效果的同时,还适用于解决多种类型的概念漂移问题。为了检验基于GBDT集成算法的动态预测模型的有效性和稳定性,本文设计了基于不同基分类器和不同样本平衡度的横向和纵向对比试验,实证分析了 2002-2018年中国A股因连续两年亏损或权益缩水而被标记ST的上市公司（高风险样本）和对应的未被ST的正常公司（低风险样本）的财务数据。研究结果表明:（1）在对我国上市公司财务困境进行预测时,存在不同程度的概念漂移问题;（2）与其他常见的基分类器相比,以GBDT算法为基分类器的集成预测模型预测效果最好,体现出GBDT作为本文财务困境动态预测模型基分类器的适用性和优越性;（3）对于绝大多数基分类器而言,使用本文提出的相似度加权集成模型的预测效果显著好于采用简单算术平均的集成预测效果,由此展现出样本相似度加权在解决财务困境预测概念漂移问题上的有效性;（4）基于GBDT集成预测模型在不同平衡度的样本上都具有优异的预测表现,体现出本文构建的集成预测模型的稳定性和广泛适用性。本文通过对企业财务困境预测的理论和模型方法的研究,创新地提出一种有效的集成预测工具,既可以丰富财务困境动态预测领域相关理论和实践研究,又可以为企业管理者、市场监管者和相关利益人提供相关理论参考和技术支持,具有重要的理论和现实意义。