近年来我国GDP增速减缓,我国上市企业面临着经济由高速增长转为高质量发展的阶段,国际经济形式也较为复杂,在国内外宏观经济环境的双重影响下,我国上市公司面临着较大的考验。尤其是面对新冠疫情这样的突发重大危机事件,更是对我国上市企业生存能力的重要挑战。2015年至2020年各年新增ST企业数量大幅攀升,这一事实展现了上市公司的艰难境地。因而无论是监管机构还是投资者都应当提高对上市公司的财务危机监督,建立准确的财务危机预警模型。卷积神经网络（CNN）能够对非线性数据进行良好拟合,在分类预测领域的表现相当突出,能够有效进行财务危机预警。但相关的CNN应用研究数量较少,因此有必要加深卷积神经网络在本领域的研究。同时,CNN模型容易受到样本不平衡的影响,致使预警效果不佳,而合成少数类过采样技术（SMOTE）能够避免数据缺失或重复选取,有效平衡数据样本,提高模型预测准确性。因此本文将构建SMOTE-CNN模型进行财务危机预警领域的研究。然而我国上市公司受成立年限、发展速度、行业情况等因素的影响,同一时期企业所处生命周期及发展水平具有较大差异。不同生命阶段的企业产生财务危机的诱因不一,成长期管理者过度自信会导致决策失误增加财务危机风险,成熟期盲目多元化扩张是企业陷入困境的重要因素,衰退期员工流失尤其是高管离职是导致企业败落的原因之一。因此考虑企业在不同阶段对财务危机的影响有助于提高财务危机预警准确性。基于以上研究认知,本文选取我国非金融机构上市公司作为财务危机预警的研究主体,以被实施退市风险警示（ST）作为财务危机界定标准,并按照现金流法对该样本进行生命周期阶段界定和划分。随后选择39个三阶段共有的特征指标,并依据三个阶段产生财务危机不同原因,据此构建各阶段特有的预警特征指标。随后初步搭建SMOTE-CNN网络层级,通过全样本数据进行模型参数寻优,采用SMOTE-CNN对成长期、成熟期、衰退期进行财务危机预警,探讨不同发展阶段财务危机预警的特点。同时,通过与同样结合SMOTE算法的KNN、Distance、Bayes、BPNN、SVM、Adaboost进行预测精确度的比较,并以T-3期数据对SMOTE-CNN模型的性能进行验证。本文的实证结果表明:（1）本文所构建的针对三个生命周期的特征指标,经检验,用于衡量管理者过度自信的董事、高管薪酬指标在成长期通过显著性检验,在危机样本和正常样本间存在差异性;反映主营构成项目收入、毛利等指标在成熟阶段企业样本中具有显著差异;员工离职率、人力投入回报率在衰退阶段上市公司样本中具有显著差异,这些指标均可以用于进行按生命周期阶段划分的上市公司财务危机预警研究。（2）对比CNN、SMOTE-KNN等模型,发现SMOTE-CNN具有最优的预测精度。进一步,考虑到成长期、成熟期、衰退期不同阶段是否会影响SMOTECNN预测性能,在三个生命阶段样本下进行验证,发现SMOTE-CNN预测性能同样优于其他模型。最后本文还采用了T-3期及配对样本t检验进行验证,并取得相同结论。（3）将全样本及三阶段样本预测结果进行对比,为保证结果稳定性,同时以其余6种模型作为验证。实证结果表明,成长期企业预测准确度相对较低,成熟期企业预测准确度最高,衰退期居中。这意味着,在不同企业发展阶段,危机样本与正常样本间差异性不相同。因此,按照生命周期进行上市公司成长阶段划分能够对财务危机预警产生一定影响。综上所述,监管部门可以通过SMOTE-CNN模型,结合生命周期阶段划分及特征指标来对上市公司财务危机进行预警,防止因公司财务陷入困境所带来的资金损失及市场波动;要加大对成长期企业的重点监管,注重成长期企业财务变化,防范未检测到的突发风险。同时企业管理者等也应该根据公司不同生命周期阶段进行划分,成长期企业可以研究相关指标并结合自身情况,重点关注是否存在创业者过度自信的问题;成熟期企业要合理进行市场开拓、产品扩张的多元化战略方式,防止盲目多元化带来损失;衰退阶段的企业,更应该稳定人员,吸纳新才,以引才带动创新,重构利润增长点。