复杂多变的宏微观环境和激烈竞争以及公司内部的管理运营风险等不确定因素,使得规避财务风险是每个公司必须要解决的问题,不仅要未雨绸缪,还要考虑如果出现财务风险问题,应该要如何及时有效解决。这就要求公司,能够根据当前财务数据所可能揭示的财务状况及时做出应对,因此,一个良好的财务危机预警模型能够满足这一现实需求。支持向量机在有限的样本数据中,寻找模型复杂性和学习能力之间的最优平衡点,是一种具有坚实理论基础的计算机学习模型。在高维非线性的小样本识别问题中,SVM有着特殊的优势。管理层讨论与分析(MD&A)是上市公司年度财务报告的重要组成部分,其语言具有灵活多变的特点,管理层根据对公司财务业绩的把握,会用不同的情感倾向言语向市场和投资者传递前瞻性信息。因此本文将管理层讨论与分析(MD&A)部分情感性描述进行量化,再结合财务指标,构建支持向量机的财务危机预警模型。即能验证管理层讨论与分析部分确实包含有用的前瞻性信息,又能提高模型的预测效果。本文研究数据选取自2014-2017年度工业制造行业上市公司t-2年前的财务报表数据,按照ST公司和正常公司1:2的比例随机选取样本。本文从全面性、代表性和真实可靠性三个原则从国泰安数据库选取财务指标,最后加入MD&A语言情感指标,作为整个模型的指标体系。本文结构安排如下:第一章为绪论,介绍研究背景、研究意义、研究方法和可能的创新之处;第二章为文献综述,主要回顾了国内外文献,明确了预警模型的发展脉络,并指出现有文献可能的不足;第三章为财务危机与预警模型相关理论,首先对财务危机的概念进行详细全面的阐述,然后介绍相关理论,包括信息不对称理论、言语有效理论和印象管理理论,最后对最优分类超平面、线性支持向量机、非线性支持向量机等理论支持进行详细介绍;第四章为样本及指标筛选设计,首先介绍样本的选取和数据来源,然后介绍财务指标的选取原则和MD&A语言情感指标的量化,最后介绍指标筛选步骤;第五章为基于MD&A语言情感指标的实证检验,对财务指标和非财务指标进行正态分布检验、T检验和非参数检验等,然后运用matlab模拟构建财务危机预警模型进行预测,比较分析加入MD&A积极情感指标前后SVM模型的预测结果,最后进行稳健性检验,研究发现:在财务指标的基础上,引入管理层讨论与分析部分语言描述的情感性指标,发现模型的分类准确率有所提高,说明了上市公司年度报告管理层讨论与分析部分确实包含有效信息,能够反映一部分公司未来业绩发展的情况;第六章为本文研究结论和展望,根据上文理论分析和实证研究提出本文的结论、潜在的不足之处、未来进一步的研究方向。