随着我国市场经济体制的确立,经济得到快速稳定地发展,上市企业逐步成为国民经济发展的重要推手,在国民经济中扮演着越来越重要的作用。而财务是企业发展的命脉,财务状况出现问题不仅会导致企业自身稳定的运营,整个相关市场正常运转都会遭受重大影响。因此对上市企业财务状况进行监控和预测具有重大意义。本文将上市企业被沪深证券市场进行特殊处理作为财务危机发生的标志,以2017-2019年首次被特殊处理的公司作为财务危机样本,按照1:3的比例选取上市以来从未被特殊处理的企业作为财务正常样本。从财务和非财务两个角度选取了包含经济增加值等8个方面36项指标,并利用统计方法对指标进行初步筛选后确定了最终的28个指标,接着利用两种不同特征选择方式对28个指标进行进一步的选择,将28个最终指标、两种不同特征选择方式下得到的指标分别作为预警模型的输入变量进行实证研究,以此分析不同特征选择对预警模型的影响。实证研究表明:(1)特征选择后的变量能够剔除原始指标中的不必要信息,使得预警模型具有更优的预测精度和稳定性。(2)基于RF＿RFE进行特征选择的预警模型分类准确率和有效性要优于主成分分析法。(3)随机森林算法和XGBoost算法更适合构建财务危机预警模型。(4)EVA指标的引入对财务危机预警模型的构建是有效的,且每股收益、总资产净利润率、净资产收益率、净资产EVA率这四项指标是企业财务危机发生的重要影响因素,企业应该注意在生产经营活动中这四项指标所涉及的方面,预防财务危机的发生。