随着我国经济改革正在不断深化,企业面对越来越激烈的市场竞争,而在日益发展但尚不成熟的中国证券市场中,一些上市公司的财务状况频频陷入困境,这不仅严重损害了广大股票投资者、债权人的利益,危及其自身的生存和发展,也严重影响了我国证券市场的健康发展。因此,对上市公司财务困境预警的研究已成为近年来学术界的一个研究热点,设计实用、有效的财务危机预警模型去发现并防范这些危机具有很重要的意义。目前能用于财务危机预警的方法很多。传统的方法有Bayesian方法、距离判别法、Fisher判别法、主成分分析法等;现代的方法如模糊分类、粗糙分类、以及神经网络分类等,还有刚刚兴起的支持向量机(SVM)分类方法。本文首先对企业财务预警的含义、功能及特征等进行了必要的分析,在总结国内外有关财务预警研究成果的基础上,提出了基于主成分分析法和支持向量机方法的组合预测方法,给出了具体的原理和算法,并以64家IT行业上市公司为研究样本,构建IT行业财务危机预警模型。结果表明:组合预测模型集合了统计模型和支持向量机的优点,在上市公司财务危机发生前三年,对训练样本集的判别准确率达100%,对测试样本集的判别准确率为85%。为了检验所建IT行业财务困境预警模型的有效性,本文又利用相同的样本及财务数据建立了Logistic回归模型,并将这两种模型的预测效果和精度进行比较,结果表明组合模型的预测精度高于Logistic回归模型。