对于“财务困境”的界定标准国内外学者有很多种不同的看法,在本研究中,将财务困境公司定义为被ST处理的公司。财务危机已成为制约企业发展不可回避的关键问题。要提高我国企业在国内外市场上的竞争力,就必须加强对企业财务危机的管理,以便为企业提供一个良好的经济环境,避免或减少财务危机。企业的财务状况是企业综合经营情况的反映;决定了企业是否可以经营下去,对之进行预警,无疑具有提高契领的作用。因此本文将重点放在建立企业财务预警模型上,希望对提高企业总体管理水平提供一些思路。本文首先在明确了本研究的相关问题之后,论述了财务困境实证研究理论,为后面的实证研究打下理论基础。接着回顾了国内外的研究现状并对其主要研究成果进行了总结和评述。然后在借鉴已有的研究成果基础之上,应用两种多元统计分析及两种人工智能方法进行了本文的重点——实证研究,本文首先建立了主成分预警模型。之后,利用多元统计中的判别分析方法建立多变量线性模型。考虑到线性模型的一些缺点,本文随后又分别建立了BP网络预警模型和支持向量机模型,它们对检验样本的判定正确率分别为:70%,80%,85%,82.5%,判定结果表明,这四种方法都可以用来进行财务困境预测,其中BP神经网络和支持向量机模型的预测准确率比较高。随后又对四个模型进行具体的比较分析,说明了各个模型的优缺点。在说明各个模型优缺点的基础上,又提出了一种新的模型——混合系统模型,它对检验样本的预测正确率为85%,因为混合系统模型综合了上述四种方法,所以对每个上市公司而言,用混合系统对公司进行预警比单独用一个模型预测具有更好的可靠性,因此混合系统模型有较好的应用前景。