风险管理一直是企业金融活动的重要部分。近年来我国经济快速发展，必然会对企业经营和金融环境有着巨大影响。企业如何管理快速变化的环境带来的日益复杂的风险，是个关键的课题。对于与高风险相伴而生的中国信托公司而言，毋庸置疑地更有非凡意义。　　支持向量机是建立在统计学习理论上的，是一类新的分类和回归问题的机器学习算法。因为支持向量机对少样本和高维数据的分类能达到较高的准确率，它已经是学术界的一个研究热点。　　本文试图通过建立基于支持向量机的风险预警指标体系和模型，为信托公司决策层提供一个更高效的风险管理手段，以提高其风险控制能力。　　本文的主要研究内容如下:　　（1）剖析了统计学习理论和支持向量机理论；　　（2）在介绍信托概念和背景后，对中国信托公司面临的风险和风险管理的现状进行了分析;　　（3）基于支持向量机适应少样本高维数数据的特点，构建了信托公司风险预警指标体系；　　（4）在该指标体系上，给出了支持向量机模型实现的具体步骤并回答了此过程中需要解决的关键问题；　　（5）实证结果表明，该基于支持向量机的信托公司风险预警指标体系和模型是可行的。