财务危机(也称为财务困境)是当前我国企业所面临的重要问题之一。建立一个有效的、切实可行的财务危机预警系统,化解财务危机带来的不良影响,是关系到企业生存与发展刻不容缓的财务管理研究课题之一。本研究将粗糙集和支持向量机理论这两大国际研究热点结合在一起,提出基于粗糙集和支持向量机的上市公司财务危机预警模型,对今后债券市场各参与者的投资实践和政府的宏观监控具有重要的现实意义。本文的主要研究内容如下：首先,在分析前人研究经验与不足的基础上,提出本文关于财务危机概念的界定标准；论述基于现金流量指标的财务危机预警指标体系的优点,提出本文的财务危机预警指标变量体系。其次,通过对粗糙集理论的研究,说明了粗糙集理论在处理不确定性、模糊性知识的优越性。使用粗糙集约简可以简化输入向量,实现降维的目的,有效的规避了指标选择上的主观性和盲目性。最后,系统地介绍了统计学习理论与支持向量机,然后在此基础上对支持向量机在财务危机预警领域中的应用作了广泛深入的研究,建立了基于粗糙集和支持向量机理论的上市公司财务危机预警模型——RS-SVM模型。在分析预测的同时,设计了利用RS-SVM模型进行上市公司财务危机预警的具体流程。实验结果表明,应用RS-SVM模型进行上市公司财务危机预警是有效可行的,并且,与传统的人工神经网络模型和统计分析模型相比,该模型具有更高的精度和更好的训练性能,从而为我国上市公司财务危机预警领域提供了一条新的途径。