面对着日益严酷的市场竞争大环境,如何客观公正评价企业的财务风险,并对其进行预警,从而有效地提高企业的整体风险管理水平,正逐渐成为管理者所重视的问题。随着数据挖掘技术的迅猛发展以及相关理论研究的成熟,通过建立评价指标体系,并结合运用数据挖掘的方法深度挖掘企业的财务数据,进而研究其财务风险状况成为当前众多学者研究的新方向。数据挖掘具有很多传统的统计分析方法所没有的优点。首先,它并不要求设置太多严苛的假设条件,只需对相关阈值进行适当的调整,就能自行探索数据中的一系列规则。而且,数据挖掘技术也不需要特别复杂的数理推论,只需要对数据进行一系列筛选,就可以发掘数据背后所隐藏的特征。因此,本文将数据挖掘的方法运用到上市公司的财务风险分析中,通过建立动态的企业财务风险评价指标体系模型,运用相关性分析、差异性分析和多重共线性检验等统计分析方法对原数据进行预处理,运用关联规则的数据挖掘方法寻找具有高信任度的规则,运用神经网络的数据挖掘方法对上市公司的财务风险危机进行及时预警。论文的主要创新型贡献如下:1.通过构建上市公司财务风险分析流程图,提出了上市公司在新型信息化环境下进行财务风险分析的新流程。2.提出了将聚类分析和统计分析相结合,综合运用差异性检验、多重共线性检验、相关性分析和聚类分析等技术手段的数据预处理方法。通过接入神经网络模型进行预测分析,结果显示,本文提出的数据预处理方法显著地提高了模型的判断正确率。