财务危机是指企业不能偿还到期债务而出现财务危机或破产的可能性,最为严重的就是破产。财务危机客观、广泛地存在于企业的全部财务活动中,并且对企业实现其财务目标有重要的意义,使人们无法回避和忽视。目前,利用企业的财务报表数据,应用各种方法来预测企业的财务危机,以便及时有效的防范、化解财务危机,己成为各利害关系人共同关注的问题。 本文首先对国内外财务危机预警研究领域的经典文献进行了回顾、总结和分析。其次,在研究原有的评价指标群的基础上,引入新的报表体系,并得出相应指标,作为分析企业财务风险状况的重要依据之一,建立了包含六大类的财务预警指标体系,使建立的指标体系更全面反映公司的财务状况。然后建立基于二种不同的SVM分类算法(即C-SVC与N-SVC分类算法)的公司财务预警模型,同时分别应用三种不同核函数(即线性核函数、多项式核函数和径向基核函数)对上市公司财务危机进行预警。最后分别采用SVM、Logistic回归和BP神经网络模型三种模型对我国上市公司的财务危机预测进行仿真研究,并对其做对比分析,以便证实所建模型是否具有显著成效。 本文选取了34家2007年首次被ST的上市公司和102家金融板块以外的非ST公司t-3年的数据作为建模样本,选择配比为1:3;此外,我们同时随机选取了2006年23家首次被ST的上市公司和69家非ST公司t-3年的数据作为预测样本,配比为1:3。最后结合Logistic回归模型和对BP神经网络财务危机分别进行预测,并比较了三种方法的预测精度。结果表明,Logistic回归和BP神经网络的预测效果比较接近,Logistic回归预测的准确率为79.3％,BP神经网络预测的准确率为78.26％。而支持向量机模型的预测效果则是最好的,准确率为84.78％。由此可见,支持向量机模型作为一种非参数统计方法更适合用于财务预警。