现代企业面临着各种风险，财务风险积聚到一定程度，如果不能及时的采取化解措施或采取的措施有效程度不足，企业就会陷入财务危机。加强企业财务危机的预防与控制，是现代财务理论界研究的热点问题之一。如何及时准确地对财务风险的险情进行监测、预报，已成为现代企业财务管理工作中必须解决的问题，所以构建一套高效、灵敏、实用的财务风险预警系统是十分必要的。　　 传统预警方法往往囿于专家经验和简单的数学模型，难于处理高度非线性模型，无法满足经济预警的客观要求。支持向量机(Support Vector Machine，SVM)是最近流行的一种数据挖掘技术。由于其坚实的理论基础和良好的推广性能，支持向量机已成为近几年的研究热点。论文将支持向量机与财务预警研究等相结合，尝试建立起基于支持向量机的财务预警方法体系，并对支持向量机的理论和方法进行拓广。同时，结合实际数据进行财务预警的实证分析，以达到理论与实践的结合。　　 通过聚类分析，从我国上市公司中选择了300家企业作为样本(包括46家危机型企业和254家健康型企业)，其中200家做为训练样本，100家作为测试样本；又参考了有关资料并结合我国的实际情况，选定了30个基础分析指标，然后，以这些样本企业发生财务危机前两年的数据资料为基础，结合核主成分分析的主成分提取和支持向量机的分类机理，提出了一种组合建模算法。应用核主成分分析过程作为预处理器，可以把共线性的多元变量糅合为几个主成分，但基本不损失有效信急。然后基于支持向量机进行分类建模和预测。这样不仅可以防止共线性多元变量对模型的负面影响，还可以降低数据维数，减少支持向量机分类过程中的复杂度和运算量。　　 最后，本文用测试样本对模型的实用性进行了检验，检验准确率达87％。检验结果令人满意，说明了本文所建立的预警模型具有较高的实用性。实证研究结果表明，本文建立的模型具有较高的准确率，相信会对企业的财务危机的预测与防范起到一定的作用。