本文全面系统地分析了中国上市公司财务危机的现状和具体表现形式，并分析了中国上市公司财务危机产生的原因及防范措施。建立财务危机预警模型对于预测和防范上市公司财务危机非常必要。本文对现有的财务危机预警模型进行了综合的评析，并利用SAS软件的数据挖掘模块，构建了多个用于财务危机预警的模型，与现有的判别分析模型、Logistic模型和神经网络模型相比在预测的时效性、样本数量、财务指标选取和数据挖掘技术的使用上都有很大提高，取得了很好的预警效果。一、当前中国上市公司的财务危机问题国内外对财务危机所做的定义多种多样，多数是从企业发生财务危机时的具体表现形式角度来界定财务危机的概念，如破产、拖欠优先股股利、无力偿付债务等。一旦发生其中某种现象，就认为企业发生了财务危机。财务危机的实质就是财务风险规模化、高强度化的集中爆发，主要表现为财务状况极度恶化，发生支付危机，甚至破产倒闭。中国上市公司的财务现状令人担忧。陷入财务危机的上市公司都不同程度地出现下述情况：无力偿还到期债务,且无债务重整计划，现金流量入不敷出,现金支付严重不足，巨额投资无收益，产品销路不畅,存货大量积压，主营业务发生严重萎缩,企业利润依赖关联方交易及外来补贴，涉及巨额诉讼赔偿等。二、中国上市公司财务危机问题形成的原因及防范措施中国上市公司财务危机形成的原因包括国家宏观管理和宏观经济环境因素、证<WP=131>券市场缺陷因素和中国上市公司的治理结构因素等等。(一)国家宏观管理因素和宏观经济环境因素我国在经济和会计法律制度建设方面还不够完善，在对企业进行必要的管理和监督时缺少法律依据。国家在一定时期内所采取的货币金融政策和产业政策可能引发一些相关的企业发生财务危机。宏观经济的萧条与繁荣对企业有重要影响。在这方面国家要完善管理和监督制度，企业也要根据国家政策和宏观经济环境的变化积极采取应对措施。(二)证券市场缺陷因素证券市场信息有效性差，股票上市制度缺陷造成上市公司虚假包装上市，公司收购兼并功能失灵。证券市场缺陷因素使得公司的利益各方没有尽全力为企业的价值最大化而努力。完善我国的证券市场需要做如下几项工作：严把上市公司入口关，加强上市公司信息披露，建立健全法律法规，建立市场化、制度化的市场退出机制，大力发展机构投资者。(三)上市公司的治理结构因素中国上市公司财务危机形成的一个根本原因在于上市公司的治理结构缺陷。而公司内部股权结构,会直接影响治理结构的形成、运作及其绩效。不同的股权结构形成了不同的公司治理结构。我国上市公司股权结构的缺点突出地表现在以下几个方面:国有股持股主体具有行政化倾向，国有股一股独大导致大股东控制与大股东掠夺，公司内部人控制现象严重，董事会运作不够规范，经理层缺乏激励和约束机制。股权结构不合理,严重影响和损害了公司价值和股东利益,是我国上市公司财务危机产生的重要原因。要从以下几个方面完善我国上市公司的股权结构：减持国有股，建立独立董事制度，建立国有企业经营者股票期权激励机制。建立财务危机预警模型能够对企业的经营失败、财务管理失误现象进行早期警报和早期控制，能为决策者、投资者、债权人提供重要的信息。建立财务危机预警模型系统对于证券市场来说是非常必要的工作，也是迫切需要解决的问题。 <WP=132>三、数据挖掘技术概述（一）数据挖掘的定义现有的财务危机预警模型大多是基于数据挖掘技术的。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取出隐含在其中的、人们不知道的、但又是潜在有价值的信息，并将这些信息归纳成结构模型的过程。数据挖掘侧重于预测未来的情况，并解释过去所发生的事实的原因。数据挖掘是一门交叉学科，是一种结合数种专业技术的应用。数据挖掘的任务包括概念描述、关联分析、分类和预测、聚类和异类。（二）数据挖掘技术的分类常见的数据挖掘技术可以分成统计分析类、知识发现类和其他类型三大类。1．统计分析类数据挖掘模型所使用的统计技术有回归分析、时间序列分析、多元分析等。许多数据挖掘工具都是基于统计技术构造的。统计作为数据挖掘的一种技术是成功的，其原因在于统计技术是对同样类型的问题在同样情况下的应用。2．知识发现类数据挖掘技术主要包括基于实例的推理，神经网络，决策树，专家系统，概率规则，基于知识的随机模型，模糊逻辑，进化计算等。数据挖掘技术的应用的过程一般需要经历确定挖掘对象、数据准备、建立模型、数据挖掘、结果分析与知识应用这样几个阶段。四、基于统计类数据挖掘技术的财务危机预警模型判别分析是对研究对象所属的类别进行判别的一种统计分析方法，早期的财务危机预警模型用的就是判别分析的方法。包括单变量模型和多变量模型：（一）单变量模型单变量模型通过个别财务比率走势来预测财务危机。单变量分析尽管有效，但存在一定的局限性。（二）多变量模型多变量模型是运用多变量模式思路建立多元函数公式，即把企业的多种财务指标分别加权汇总产生企业的总判别