我国上市公司组成了国民经济命脉,公司的财务状况决定了公司的发展趋势甚至国家的经济走势。财务危机预测的研究为发现公司财务状况恶化信号提供了分析工具,其本质是揭示公司财务数据与财务危机风险的关系与规律,确定一个公司在未来陷入财务危机困境的可能性。所以,分析公司财务状况的发展规律,预测公司发生财务危机事件的可能性成为学术界和工业界研究的核心问题。目前,对企业财务危机预测模型的研究取得了众多成果,但是对财务危机预测模型的研究大多集中在模型自身的设计与构建中,数据集信息中所包含的财务状态信息以及这类信息在构建财务危机预测模型中所发挥的作用没有被充分研究。所以本文从分析财务状态信息入手,分别研究了在面对小样本财务数据集、大样本财务数据集和财务纵向数据流数据集时,财务状态信息在其中发挥的作用与建模功能。在具体研究过程中,分别研究了财务状态空间优化、多财务状态划分和基于财务状态序列分析的财务路径信息在企业财务危机预测建模中的作用。本文研究内容主要包括三个方面,分别是:基于财务状态空间优化的财务危机预测组合模型构建、基于多财务状态划分的的财务危机预测两层选择性集成模型构建、以及基于财务状态序列分析的财务危机预测模型构建。本文共由六个章节组成。第一章是绪论;第二章是企业财务危机预测的理论基础;第三章是实验用样本数据与财务指标体系选取;第四章是基于财务状态空间优化的财务危机预测组合方法;第五章是基于多财务状态划分的两层选择性集成财务危机预测方法;第六章是基于财务状态序列分析的财务危机预测方法。具体研究内容和工作包括以下三个方面:首先,构建了基于财务状态空间优化的财务危机预测组合模型。在面对小样本数据集时,财务数据集中样本数据分布较为单一,为了保留数据集中的有效分类信息,使训练得到的模型免受噪声数据及离群点样本的影响。本文首先分析了样例选择在建立财务危机预测模型中的必要性,然后根据我国上市公司两类样本划分的实际情况出发,采用了基于模糊聚类的方法对财务样本集进行选取,删除与被划分的财务状态不相符的样本,提出了基于财务状态空间优化的财务危机预测组合方法。因为概率神经网络具有收敛速度快,训练过程简单等特点,将其作为财务危机预测的基分类器。同时,由于数据体量相对较小,所以使用粒子群算法对模糊聚类方法和概率神经网络参数进行了优化。实证研究结果表明,该模型能够有效保留初始财务数据集中的分类信息,优化了数据集中包含的财务状态空间,基于财务状态空间优化的财务危机预测组合模型较适用于小样本财务数据集的预测问题。其次,构建了基于多财务状态划分的两层选择性集成财务危机预测模型。因为大样本财务数据集是由较长时间跨度的财务样本集合组成,所以数据集中包含了多种类型的分类信息和状态空间。为了有目的性的区分财务数据集中的各个状态,保证被划分的每个数据子集包含了用于分类的特定财务状态信息,本文研究了财务状态的量化分析方法及其与分类器集成方法之间关系,提出了两层选择性集成财务危机预测方法。在建模过程中,为了保证基分类器之间的差异性条件,本文使用了三种核函数模糊聚类方法,根据财务指标的特征对初始财务数据集进行有目的性的分组。然后,为了克服因使用较差性能分类器进行集成导致的不良预测效果,采用前向选择集成方法对每组分类器分别集成。最后,为了满足集成模型对分类器性能的需求,采用了两层集成方法实现该条件。实证结果表明,在面对包含了多种分类空间的财务数据集时,多财务状态的划分有效区分了数据集中的不同分类信息,同时保证基分类器之间的差异性,使用两层选择性集成财务危机预测模型取得了较好的预测效果。最后,提出了基于财务状态序列分析的财务危机预测模型。当考虑时间因素时,财务纵向数据流数据集为分析财务状态的变化过程提供了条件。根据财务危机公司与财务健康公司所经历的财务状态变化过程存在可分性的特性,可以通过两类公司所经历的财务路径信息建立分类模型。为了量化财务状态的变化过程,本文介绍了“财务路径”的概念及使用目的。由于模糊聚类方法可以根据财务指标特征对财务数据集进行分组,所以本文以会计年份作为时间戳,对财务数据流中每一年度的财务数据集进行多财务状态分组,并以公司为基本单位设计其在过去若干年间所经历的财务状态变化序列,实现对财务路径的量化分析。基于发生财务危机公司与未发生财务危机公司所经历的财务路径具有可分性的基本思想,在设计完成公司的财务路径后,根据路径之间的欧几里德距离设计了分类器模型。实证研究结果表明,一方面,本文设计的分类器模型能够对公司的财务状态变化过程进行可视化分析,确保对财务危机的预测不再是一个“黑盒”模型,为财务危机的发生和发展提供了过程解释能力;另一方面,该模型能够充分利用财务数据流信息,在预测财务危机问题上具有很好的表现。