2021年以来,在“房住不炒”的总基调下,“三条红线”、限购、限贷等楼市调控政策持续发力,房价快速上涨的势头得以有效遏制。当前房地产行业所面对的各种压力,使得该行业的发展前景遇到了巨大的挑战,一些房地产企业由于财务状况恶化而面临破产。为了便于管理者及早捕捉危机信号并采取有效措施,保护相关投资者的利益,促进房地产业良性循环和健康发展,本文在回顾了国内外有关财务危机预警的文献基础上,从我国房地产业的财务管理和公司治理等方面为切入点展开分析,构建了与我国的房地产业上市公司相适用的财务危机预警模型,以期有效防范我国房地产业上市公司面临的财务危机。首先,本文阐述目前学界现有的财务危机预警方法的相关理论及其在房地产业的应用现状,并分析了随机森林模型的优势。然后,本文选取了沪深A股2006-2021年因财务状况异常而被特殊处理的43家房地产业上市公司,同时选取资产规模相当的129家公司作为配对样本,筛选所有样本公司T-3年营运能力、盈利能力、偿债能力、现金流量指标、成长能力、股权结构、公司治理和诉讼仲裁八个方面共36个指标。接着,对所有指标进行K-S正态性检验,对通过检验的指标实施T检验,对剩下的指标进行Mann-Whitney U非参数检验,筛选出能够明显区分财务危机公司和财务正常公司的预警指标,通过改进的网格搜索法进行参数寻优,建立了适用于我国房地产业上市公司的财务危机预警模型。为验证该模型的优劣,本文以40%的样本公司为测试集,获得94.20%的准确率。最后,通过二分类问题常用的准确率,精准率,召回率,F1得分和AUC五个指标来评估模型的好坏,结果显示随机森林模型表现优秀,且经过SMOTE处理过后的样本集可以显著提升预警模型对样本数据的识别能力。通过构建随机森林模型,可得出如下结论:（1）对预警指标进行正态性检验和显著性检验,筛选出20个预警指标变量,能够客观反映出房地产企业的财务状况;（2）房地产企业财务危机是多方面原因造成的,通过对预警指标变量重要度进行排序,发现对模型具有突出贡献的变量包括存货周转率、Herfindahl＿5指数、固定资产周转率、流动比率这四项指标,房地产业上市公司在日常经营管理中应该更加关注这些指标;（3）随机森林算法预警精度高,经过SMOTE不平衡数据样本处理后,可以较为准确识别出财务危机样本和财务正常样本。