上市公司是我国证券市场的基石，其质量的好坏与证券市场的稳定和发展息息相关。但在激烈的市场竞争中，有不少的上市公司，尤其是制造业上市公司因经营管理不善等原因而陷入了财务困境，难以正常运转，甚至已濒临破产的境地。因此，研究如何利用国外现有的研究成果，结合我国的实际，建立一个有效的财务困境预测模型，对财务困境企业做出准确的预测，并提示各个利益相关方采取相应的措施避免损失的发生，已经成为摆在各个利益相关方面前迫切需要解决的问题，也已经成为了我国学术界日益重视的一个问题。 在前人已有研究成果的基础上，本文以在上海证券交易所上市的A股制造业上市公司作为研究对象，选择了在2002-2006年间的因财务异常而被ST的企业界定为发生财务困境的企业，分别采用四种模型进行财务困境预测，并比较了预测结果，以期能为公司各利益关系方进行相关的预测和决策提供一个有用的工具，同时也希望本文能对我国相关的研究有所裨益。通过研究，本文发现： 1．尽管目前我国的上市公司在信息披露上有诸多的不规范和不完善之处，但就整体而言，制造业类上市公司披露的财务信息包含着预测财务困境的信息含量，因此可以利用公司的财务比率指标预测其是否将陷入财务困境。 2．本文所选取的6个最终财务指标全面涵盖了反映公司偿债能力、资产运营能力、盈利能力、成长能力、企业市场价值等各个方面的因素，其中企业的资产运营能力指标和成长能力指标在企业财务困境预测中作用最为明显。同时，本文也发现在建立预测模型的过程中确实存在着财务指标之间的可替代性，不同的判别标准和分析手段会选择出不同的财务指标做为最终变量。但是，从研究的结果来看，只要注意到指标体系的完整性，即所选择的最终变量涵盖偿债能力、资产营运能力、盈利能力、成长能力等五个方面，某个单一指标的变动还不至于对预测模型产生严重影响。 3．本文采用了线性概率回归模型、Fisher二类线性判别模型、Logistic回归模型和决策树归纳模型四种模型进行财务困境预测，并对各个模型的预测结果进行了对比，发现：Logistic回归模型不论是在综合正确率，还是在Ⅰ类准确率上都是最优的，同时由于Logistic回归模型不要求使用者具备非常复杂和高深的数学理论和统计知识，因此笔者认为Logistic回归模型更容易为使用者所接受和理解。 4．基于数据挖掘技术的决策树归纳模型的预测效果与Fisher二类线性判别模型相同，从综合准确率上看，略低于Logistic回归模型。由此可见，决策树归纳作为一种非参数统计方法同样适合用于财务困境预测，但有效程度有待进一步研究。 纵观全文，本文的创新之处体现在以下几点： 1．在样本数据的选择中，本文选择了在2002-2006年间因财务异常而被ST的企业，时间跨度为5年，样本数据容量大。同时，为了真实反映模型的预测能力，本文将估计样本与检验样本分离，利用检验样本对模型的预测能力进行检验。 2．为了保证预测的意义，本文选择在上市公司被ST的前3年的年报数据进行预测，力争避免发生高估模型的预测能力的情况。 3．为了剔出不同行业对财务困境预测的干扰，本文重点分析了我国制造业类上市公司发生财务困境的原因，并在此基础上尽可能设立能客观、全面评价该类公司财务状况的财务指标，使预测模型能够真实反映该类公司的现状，这在一定程度上弥补了以前的研究成果在这方面的局限性。 4．在统计方法中，本文分别采用了线性概率回归模型、Fisher二类线性判别模型、Logistic回归模型，并创新性的使用了数据挖掘技术中的决策树归纳模型进行财务困境预测，并对各个模型的预测结果进行了对比，在一定程度上避免了因为只选择一种统计分析方法而潜在存在的主观片面性。