当企业发生财务危机或是经营不善时,对于企业本身或是政府单位、投资者及银行都会造成严重的冲击。因此,若能在事先发现危机的征兆,建立一套预警模型来预测危机的发生,将可以帮助企业、投资者、银行或是政府单位降低损失。 本研究搜集中国台湾省上市公司之财务性数据以及非财务性数据,例如：会计信息、股权结构以及董事会结构等变量,藉由结合传统统计技术以及数据挖掘技术,利用Logistic回归以及类神经网络,分别建构危机前一年、危机前二年以及危机前三年的预警模型,并比较区别能力,找出适当的财务预警模型以及影响财务危机发生的变量,最后,并透过C5.0了解显着变量间之互动性。文章分为五部分：第一章将财务危机及风险相关的的研究目的及本研究的方向详细叙述；第二章文献探讨及前人研究将财务危机的定义,指针与预警模式详加叙述并整理相关文献加以讨论之,同时对本研究之研究假设与数据挖掘的研究理论加以阐述；第三章详细叙述了研究方法及模型并一一探讨影响企业财务风险的一些变量及其研究方法与模型建立；第四章我们以中国台湾省地区上市公司的实证资料来做分析运用Data Mining的技术建立财务风险模型并做综合比较及分析；第五章综合建议与分析从理论面实务面及财务风险面探讨此上市公司财务风险预测模型的价值及其实用性获得相当有效的结果及模型有效认证。 研究结果显示,类神经网络的整体正确率均较Logistic回归模型佳。此外,利用Logistic回归所建构之正确率最高的模型发现,其显着变量分别为：「税后净利率」、「财务杠杆度」、「现金流量比率」、「董监质押比率」、「流动比率」。由此可知,影响危机事件的发生,除了获利能力外,流动性、杠杆度以及董监质押状况也是主要的因素之一。另外,将这5个变量,利用C5.0,共产生5条规则,从中可以了解变量之间的互动关系,将可以根据这些规则,帮助政府单位,或是银行业甚至是投资大众更加确认危机公司的特性,将有助于降低危机事件的发生。