当上市公司的经营出现问题时,如发生企业现金流量不足以抵偿其现有债务,企业债务的相对价值“微不足道”,或是企业现有流动资产与流动负债不匹配等情况时,我们通常称之为财务困境。上市公司财务困境的出现,会给投资人、债权人以及供应商等一些利益相关者带来较大的风险。在当前社会去产能和经济结构调整转型的大背景下,在一定的时期,一些上市公司出现财务困境的几率从某种程度上来说大大增加了,因此,更好地对上市公司的财务困境进行提前预警以更有效的管理风险已经成为金融机构或投资机构以及债权人等亟需解决的问题,互联网金融平台等新兴机构也需要有更好的模型来提高预测的精准度。本文通过建立随机森林模型对上市公司财务困境预警进行了应用研究。准确地辨别上市公司财务困境和非财务困境是进行研究建模的基础,文中以制造业上市公司为例研究建模时创新性地对财务困境进行了界定。以往界定财务困境时往往相对简单地采用ST公司作为样本,或者采用反映流动性不足的一些指标,存在着一定的缺陷和不足。而本文在界定上市公司财务困境时,除了结合ST的定义之外,还充分考虑到了上市公司的现金流、分配股利以及利润等相关指标情况,从而更好地优化界定了企业的财务困境。在指标选取方面,以往的研究经常采用的是注重账面能力的传统财务指标,本文通过特征工程(最大限度地从原始数据中提取特征以供算法和模型使用)来构造更多的非传统类财务指标,并通过相关的模型和方法找到解释力强的指标用于建模。通过研究还发现,本文在使用随机森林过程中所构造的一些其他非传统属性的指标比传统指标有着更强的解释力,所以建议在进行财务问题研究时,不应当仅仅局限于传统的财务指标。从本文对随机森林模型在上市公司财务困境预警中的应用所进行的研究,可以看出随机森林模型具有较高的预测精度,通过与传统常用的logistic模型比较,其训练集和测试集准确率都明显更高,并有着更好的表现。可见随机森林模型对上市公司财务困境的预测有着更好的识别能力,并具有一定的应用前景和实践价值。