对上市公司的研究是投资者和上市公司利益关联各方用来进行相关决策和风险管理的重要依据。支持向量机和粗糙集理论是两种新的数据挖掘方法，各自都具有其独特的优良性质，本文根据中国股票市场的具体情况和实际特点，将支持向量机和粗糙集理论引入上市公司的实证研究当中，所做的主要工作有： 1、建立了一种基于粗糙集理论的上市公司评价模型，运用属性的重要性来确定评价指标的权重，有效的克服了模糊评价权重系数确定的主观性。并通过上市公司的实际数据进行了验证，得到了符合实际的评价结果，从而验证了评价模型的可行性和有效性。 2、构建了基于粗糙集理论的支持向量机分类模型，运用粗糙集进行属性约减，克服了现有支持向量机模型对于属性重要性的不加区分的缺陷，并通过核的线性组合的方式来构造更符合实际情况的新的核函数。并将新模型运用于上市公司财务预警当中，通过上市公司实际数据的验证，表明了分类模型的可行性和有效性。 3、构建了基于粗糙集理论的支持向量机回归模型。并将新模型运用于上市公司的股价预测的研究中，通过上市公司实际数据的验证，表明了回归模型的可行性和有效性。