随着我国市场经济的迅速发展和资本市场的不断完善,我国上市公司不断发展壮大,然而,市场是复杂多变的,机遇与挑战并存,我国的上市公司也面临着新的挑战。制造业是国民经济的支柱产业,我国制造业上市公司占上市公司总数的比重在60%以上,对国民经济具有重大影响。然而,近年来我国制造业上市公司由于财务困难而被特殊处理的比比皆是,因此,研究制造业上市公司如何防范财务危机具有重要意义。本文首先对国内外学者在财务预警模型研究方面的取得的成果进行了回顾,对财务危机的定义和特征进行了阐述,界定了财务预警的定义、功能和步骤,从不同方面分析了我国制造业企业发生财务危机的原因。在此基础上,本文选取沪深两市A股主板2013年和2014年被ST或被*ST的制造业上市公司26家,按照资产规模相近原则,选择数目相同的财务正常制造业上市公司作为配对样本,将上市公司被特殊处理前两年的财务数据作为研究期间,选择36家公司的作为训练样本,16家公司作为测试样本。在财务预警指标体系方面,本文选择了从不同方面反映企业财务状况的21个财务指标。最后,本文以支持向量机算法为基础,构建了三种针对制造业上市公司的财务预警模型,主要内容包括:(1)鉴于不同财务指标对财务危机公司和非财务危机公司的区分能力不同,提出一种基于指标的显著性检验和支持向量机的财务预警模型。该模型通过对财务指标进行显著性检验,找出最能区分财务危机公司和非财务危机的财务指标,进而构建支持向量机模型。实验结果表明,该模型对16个测试样本全部判别准确,具有很高的判别准确率。(2)鉴于用于构建财务预警模型的财务指标较多,各指标间存在一定的相关性,直接用于建模影响模型的预测效果,本文将主成分分析方法和支持向量机相结合构建财务预警模型。该模型首先利用主成分分析方法,对财务指标进行主成分分析,进而构建支持向量机模型。通过实证分析表明,该方法的判别准确率为93.75%,可有效预测财务危机。(3)鉴于支持向量机模型的参数难以确定,提出一种基于粒子群算法优化支持向量机的财务预警模型。该模型利用粒子群算法对支持向量机的参数进行寻优,以提高支持向量机算法的预测能力。实验结果表明,该模型预测准确率为93.75%,适合用于制造业上市公司财务危机的预测。