当前,企业的运营环境呈现出全球经济一体化和客户需求多样化的特征,行业竞争日趋激烈。外部环境的不确定性以及企业内部对其认识的局限性,导致企业面临的内外部风险日益增大。财务困境是企业所面临的内外部风险因素最终恶化后的综合和显著的表现。随着我国证券市场制度和破产法律的完善,持续处于财务困境的企业最终走向退市或者破产的风险不断加大。企业作为资本市场上的重要参与者,其能否健康发展受到诸多利益相关者的关注,甚至可以在一定程度上决定投资者对整个经济走势的预期。因此,在金融危机席卷全球的背景下,如何更加有效地对企业财务困境实施预测,具有重要的现实意义。然而,当前的财务困境预测研究仍多集中于静态数据集上单一财务困境预测方法的比较选择,或者静态数据集上多种财务困境预测方法的简单组合上。财务困境的组合预测方法研究不够深入,其主要体现就是事先静态给定组合系统的基本构成,由此导致模型性能的随机性,其外推性较差,缺乏以数据为驱动的模型结构动态选择机制。再者,当前的财务困境预测研究方法尚处于静态建模阶段,样本数据收集于特定的扩展期,而企业财务数据信息具有随时间推移动态增量变化的特点。因此打破静态建模的限制,建立随时间推移动态更新的财务困境预测模型,以满足新的经济环境或企业动态运营环境下的财务困境需要,具有重要的理论意义。本文以分析企业财务困境的含义及其特征入手,从而引出了可能使企业陷入财务困境的内外部原因。以经济预警的基本理论知识和财务困境预测的理论为基础,从理论层面分析以企业的财务指标作为困境预测征兆预测财务困境的合理性。进而提出了企业财务困境预测动态建模的整体思路框架,其包含两个角度:第一,基于静态数据集上多分类器组合预测系统结构的动态优化和选择;第二,打破静态数据集的限制,针对财务困境样本数据流设计能够动态更新的财务困境预测模型。通过数据实验对所提出的理论模型加以验证,因此首先的工作就是样本选取与数据的预处理。以上海证券交易所和深圳证券交易所的321对财务困境样本公司及其配对样本公司作为后续静态数据集和动态数据流的实验样本,初始财务指标体系包含40个指标,获取了用于建立财务困境预测模型的两个截面样本数据集。通过财务指标的正态性检验和均值的非参数检验,从实证角度证明了绝大多数财务指标的确在两类样本中存在显著差异。使用多种特征提取方法作用于两个截面样本数据集,获取精简的多个财务指标特征子集,以期从多个角度反映财务困境的信息内涵,并作为后续章节建立财务困境预测组合模型的多个输入。针对静态数据集,提出多分类器选择性集成的财务困境预测方法。首先,从定性分析和定量推导的角度证明进行多分类器组合可能带来的好处以及相应的条件,进而说明选择性集成的必要性。提出了基于贪心搜索和后剪枝的动态选择性集成方法,该方法通过获取多个局部最优的组合系统并结合后剪枝方法从基本分类器库中动态挖掘组合系统结构,实验结果表明:该方法显著优于全集成以及个体最优单分类器,并且这种融合顺序明显优于降序集成、升序集成和随机集成;设计了基于遗传搜索的选择性集成方法,以基因来表示基本分类器,以染色体来表示组合预测系统,以组合系统预测准确率为全局优化目标,通过遗传运算动态挖掘最优组合系统,实验结果表明其能够进一步提高财务困境预测的准确率。针对财务困境预测样本增量流动的特点,结合模式识别中的概念漂移理论,提出了面向概念漂移的财务困境预测动态建模方法。在深入分析财务困境概念漂移的含义基础上,分别设计了窗口大小固定和窗口大小自适应两种窗口选择机制,实验结果表明:窗口大小自适应机制能够根据当前财务困境概念特征动态调整窗口大小,无论从理论和实际预测效果上均优于固定窗口。在此基础之上,将多分类器动态集成方法与窗口选择方法结合,通过bagging方法产生基本分类器,并定义了未来待预测样例的局部预测空间,以局部预测空间上的性能度量为单一待预测样本动态选择某一个或几个基本分类器。实验结果表明:在多数情况下,动态选择和集成可以进一步提高窗口的预测性能。本文所进行的企业财务困境预测动态建模研究,分别从静态数据集上模型结构的动态选择和样本数据流下模型的动态更新为研究视角,有助于丰富企业财务困境预测研究的相关内容,推动财务困境预测研究从静态建模阶段迈向动态建模阶段。