中小企业是我国最具活力和生命力的一个群体,已经成为支撑国民经济增长的重要力量。然而随着市场竞争越来越激烈,中小企业的经营管理正面临越来越严峻的挑战,财务危机成为影响中小企业生存的重要因素。因此,研究中小企业经营中存在的财务风险并建立预警系统,成为中小企业管理者的一个难题。本文正是以中小企业为研究对象,从财务风险的基本理论入手,研究中小企业财务风险的种类、发生的原因以及预警问题。本文将支持向量机(SVM)这个目前比较热门的机器学习算法应用到企业财务危机预警领域,建立了企业LS—SVM财务预警模型,为研究企业财务预警问题提出了一种新的建模思想和方法,拓宽了该领域的研究范围。在研究过程中,本文首先将上市公司根据其财务状况的好坏分为非ST和ST两类建立LS—SVM模型,并与BP神经网络进行了比较;然后将上市公司划分为ST、关注、非ST三类,建立模型,取得了较好的结果。两种模型的结果显示SVM具有权威性和可操作性的特点,在非线性分类中具有优势,克服了传统模型采用线性假设的不足,提高了预警的精度。本文共分为五个部分,第一部分介绍了研究的背景、意义、内容和方法,旨在对全文有一个概括性的介绍;第二部分是文献综述,介绍了国内外在该领域的研究成果;第三部分介绍了中小企业财务风险的原因、财务预警系统的概念、性质;第四部分首先是对支持向量机的理论知识的介绍,然后运用数理统计和财务管理理论相结合的方法选取作为预警变量的财务指标,最后建立基于支持向量机的财务危机预警模型并用matlab编程实现,并分析预警结果;第五部分本文从预警组织机构、预警方法、预警实施流程以及防警与排警对策这四个方面具体的构建了企业的财务预警系统。