制造业是国民经济的支柱产业,我国制造业上市公司占上市公司总数的60%以上,对国民经济具有重大影响。近几年,我国制造业上市公司整体财务状况表现不佳,为了能在激烈的市场竞争中生存发展,制造业企业应重视自身财务状况并做好财务危机预警工作。研究制造业上市公司财务危机预警问题具有重要现实意义。本文在综述了财务危机预警研究的相关理论、方法和文献基础上,完成的主要工作和研究结论如下:（1）界定了制造业上市公司发生财务危机的标志及年份,进而确定了样本数据特征并从国泰安数据库中选取研究样本。把制造业上市公司被标记ST或*ST作为其发生财务危机的标志,将其被标记ST或*ST的年份设为第T年,并以公司第T-3年的数据作为研究样本,对其第T年的财务状况进行预警。从2015-2018年中选取共546家制造业上市公司作为研究样本,其中有78家公司被标记了ST或*ST。将70%的样本划分为训练集用于构建财务危机预警模型,30%的样本作为测试集来验证模型的有效性。（2）基于制造业上市公司的样本数据,从盈利能力、偿债能力、经营能力、发展能力、现金流量能力、风险水平等方面对制造业上市公司的财务状况进行分析,研究发现:近几年来,我国制造业上市公司财务状况欠佳,制造业行业存在被特殊处理占比过高、经营效益水平下降等问题,财务危机风险随时可能发生。（3）基于文献研究法初步选取了27个指标,进而使用逐步回归法对变量进行二次筛选,最终确定了18个指标来构建预警指标体系。基于该预警指标体系和样本训练集,首先利用逻辑回归和支持向量机两种方法分别构建了单一的财务危机预警模型,基于测试集的模型有效性检验发现:其预警准确度分别为87.73%、85.28%。其次,利用机器学习中的Stacking集成方法融合两种单一模型,构建了制造业上市公司财务危机预警集成模型,研究发现:预警集成模型的预警准确度达到了90.18%,取得了更好的验证效果。（4）将财务危机预警集成模型分别应用于A、B、C三个企业2020年的财务危机预警诊断之中,进一步检验了模型的效果。预警结果为:A企业和C企业2020年均不会发生财务危机,而B企业2020年将可能发生财务危机。鉴于此研究发现,本文分析了B企业近几年的财务数据,并针对B企业存在的财务问题提出了相应改进措施。（5）论文研究具有较强的推广价值,但局限于时间和作者能力约束,论文仅选择了逻辑回归和支持向量机两种方法建立单一模型,机器学习中尚有多种分类方法值得测试,是为本文的研究不足,有待今后进一步研究。