财务困境模型的研究已成为国内外研究的热点话题，本文从一个全新的角度，站在全球金融危机的大背景下对财务困境模型的变化进行研究。　　 立足于本国国情，选取我国上市公司的财务和非财务指标，建立属于我国自身的预警模型。本文主要从两个角度进行分析：　　 第一，站在后金融危机的大环境下，以2009年我国沪深两市上市的ST和非ST公司作为分析样本，利用财务和非财务指标，建立企业预警模型。选用目前较为先进的机器学习技术，本文采用神经网络和支持向量机技术，以期实现自主学习和自动纠错的目的，并根据对比两种方法的预测效果，得到结论如下：支持向量机预测技术从预测效果和预测目的上都更加适合于目前我国的经济环境。　　 第二，本文选取2005年沪深上市公司的财务和非财务指标来建立Logistic模型，以此作为金融危机前的预警模型。同理，利用2009年的数据建立金融危机后的预警模型，通过比较金融危机前后的预警模型，可以较为清晰的挖掘出我国企业是否受到金融危机的冲击，并且冲击影响如何。通过实证分析，可以看出第一大股东持股比例和应收账款期末余额受金融危机的影响较为严重，说明这两个指标对于金融危机反映较为敏感。而总资产、营业利润和未分配利润仍在模型之中，这些指标对我国上市公司的预警效果仍有重要作用，可以将其看作中性指标。　　 根据实证结果，可以看出我国上市公司受到金融危机的冲击较为剧烈，反映出我国上市公司与世界经济联系较为紧密，我国经济融入到世界经济体系越来越深入。立足本国国情，企业要时刻关注敏感性指标和中性指标，如果这些指标发生较为剧烈的变动，应该找出问题因素，尽量利用现有资源进行风险规避。本文同时可为企业高管和政府监管部门提供决策参考，调整宏观调控机制，使企业提高收益、减少损失。