我国医药制造行业近年来发展情况整体向好,自2013年到2019年主营业务收入增速都保持着较高的增长率且均高于同期整体制造业的主营业务收入增速,体现了医药制造业的行业地位在我国社会中逐步提升。尤其是在2020年新冠疫情爆发以来,我国医药制造业上市公司充分发挥自身的行业优势,为保障人民生命安全和打赢抗疫战争做出了重要贡献。加之我国目前呈现出的老龄人口逐渐增多、人民医疗保健意识逐渐增强等特点,医药制造业必将在未来继续发展。医药制造业因其行业特性,容易在生产经营中产生财务风险。因此,基于医药制造业上市公司在国家社会中具有重要地位和易发生财务风险这两点,建立一个对医药制造业上市公司行之有效的财务风险预警模型非常具有实际意义。本文完善了医药制造业上市公司财务风险预警指标体系,并构建了SVM-FOAAdaboost财务风险预警模型。首先对财务风险的相关情况、医药制造业的行业特性以及本文所涉及到的模型方法进行介绍;收集整理了沪深两市A股市场医药制造业上市公司共1270个研究样本,并将其中因为“财务状况出现异常”而被证监会特别处理（ST）的39个样本作为财务风险样本,由于证监会关于对上市公司实施特别处理的规定,选取在上市公司在被“ST”的前两年和前三年作为研究的时间区间;从盈利能力、偿债能力、研发能力、营运能力、获取现金能力、发展能力、股票因素、风险水平和股权结构九个方面构建了初选指标体系;确定指标体系之后,进行缺失值的处理以及数据标准化,同时利用SMOTE算法对财务风险样本的训练集进行新样本合成,解决财务风险样本与财务正常样本之间的不平衡问题;利用K-S检验、独立样本T检验、以及Mann-Whitney-U检验筛选出在两个样本之间具有显著差异的指标,通过主成分分析法实现指标特征的降维,分别得到T-2年和T-3年的主成分表达式;使用本文构建的SVM-FOA-Adaboost预警模型对财务风险公司和财务正常公司进行预测,并将预测结果与BP神经网络、随机森林、Xgboost、决策树、Logistic和不使用SMOTE算法的集成模型预测结果进行对比。实验结果表明集成模型的预测效果比对比模型和未使用SMOTE算法的模型效果更优,这表示了SMOTE算法的有效性以及该集成模型在实际应用中的实用性。