竞争激烈的市场经济孕育发展机遇的同时,也暗藏着无尽的风险和危机。对于上市公司而言,因财务危机沦为“ST”甚至被迫退市的情况愈演愈烈。公司陷入财务危机,不仅危及其自身的生存和发展,也给投资者、债权人带来巨大损失。因此,构建一个有效实用的财务预警模型,满足利益相关者的需要,已不仅仅是一个学术问题,更是影响我国资本市场健康发展的重要因素,具有很强的现实意义。本文试图使用能够处理非线性分类问题的方法——基于核函数方法的Fisher判别来解决企业财务危机的预警问题,它是Fisher判别的非线性推广。样本数据选择的是2005年和2006年被ST的上市公司以及配对样本两者三年前的财务数据。首先对初选的29个指标进行K-S检验和Mann-Whitney U显著性检验,筛选出在两类样本中有显著差异的指标,并在此基础上对经过筛选的指标进行主成分分析,将得到的主因子作为核Fisher判别模型的输入,通过核Fisher模型在高维空间建立的判别函数,解决原空间中的非线性判别问题,得到了较好的判别效果。然后作为比较,本文又利用相同样本构建Fisher线性判别、人工神经网络模型;使用粗糙集作为核Fisher判别输入指标筛选的不同方法,构建粗糙集核Fisher组合模型。实证结果表明:非线性判别方法较优,而且从模型错误总成本角度研究,主成分分析与核Fisher组合模型判别效果最佳。最后,本文对核Fisher模型进行了应用价值分析及应用前景展望。