证券市场具有引导投资、优化资源配置的重要作用。自沪深两市证券交易所成立以来,证券市场得到了蓬勃的发展。至2013年底,我国上市公司达到了2489家。但这看似繁荣的市场背后,却隐藏着忧患。从2001年起,我国上市公司的亏损数量和亏损比例持续增加。众多上市公司的平均资产负债率、主营业务增长率、净资产收益率等关键财务指标都达不到相应的国际标准。面对激烈的竞争环境,国内企业基础薄弱,抗风险能力小。因此,不论对企业自身,还是对投资者、债权人、政府等利益相关者来说,建立有效的财务预警系统迫在眉睫。本文首先明确财务危机的定义,分析了财务危机的成因,然后梳理了国内外对财务预警方法的研究成果,在参考了大量的相关文献、总结了各种方法优缺点的基础上,选择了支持向量机进行建模。支持向量机模型对变量分布没有严格的限定,又具有较好的学习能力和泛化能力。为了提高模型的预测精度,本文选择了遗传算法对参数进行优化。在选定模型的基础上,本文选择了制造业上市公司进行实证。研究样本选择了30家2013年新增的*ST公司,并按1:1的数量比例随机选择财务状况正常的上市公司作为配对样本。首先使用遗传算法对参数进行优化,得到最优参数,然后选择RBF径向基函数为核函数进行支持向量机建模,实证结果得出使用GA—SVM的联合模型预测的准确率为77.5%。为了比较模型的预测精度,本文分别使用Logistic模型、BP神经网路以及PSO—SVM联合模型对研究样本进行实证,并将预测结果与GA-SVM模型的预测结果进行比较,结果发现GA-SVM模型具有最高的预测精度。因此,该模型的建立应能为财务预警研究提供一定价值的参考。