中国证券市场日益发展但尚不成熟,许多上市公司抗压能力差,频频陷入财务困境,这种状况严重损害了广大股东、债权人和其它利益相关者的利益。也对我国证券市场的健康发展不利。因此,如何构建上市公司财务预警系统对上市公司财务及早预警已成为学术界研究热点。它不仅学术价值高,而且实用价值也高。如果能把此预警研究推广至非上市公司,能够指导各个类型的企业及早防范财务危机,那么此研究就更具有现实意义。本论文的重点就是建立财务预警模型,以期对上市公司可能出现的财务危机进行预警,进而提高公司的财务管理水平。支持向量机方法已得到学者们的认可和肯定,应用至理工类方面较多,本文分析并总结了学者的研究成果和不足,在此基础之上,将支持向量机引入财务预警,选取2007—2009年符合条件的33家由于“财务状况异常”被“ST”的上市公司,按照行业分类和资产规模相当的原则,按照1:1比例,选取33家财务状况良好的正常上市公司与之组成配对样本,并选取11个财务指标建立指标体系。使用支持向量机这种新型神经网络技术建立动态预警模型,并对模型的结果进行分析和解释,最后对本课题提出展望。研究的主要结论如下:①支持向量机动态预警模型在判读上市公司财务状况有更高的精度,有较高的实用经济价值。②将SVM和BP神经网络模型进行自身性能稳定性比较,BP神经网络模型自身性能欠稳定。③将SVM预警模型和BP神经网络进行比较,得出支持向量机更优越,如小样本研究、维数不受限制等。