证券市场是现代经济体系的重要基础和“晴雨表”,它对实体经济的资金募集功能和对投资者的投资回报功能,都要求着证券市场有着健康稳定的运行状态,上市公司作为证券市场的重要构成,它们的发展稳定与否,很大程度上决定着证券市场的运行状态。虽然上市公司在各自行业中规模、资金、发展前景都处于领先地位,但激烈的市场竞争中没有“不败将军”,有效及时的发现上市企业经营危机,既是资本市场严格监管、稳健发展的保证,也是对投资者利益的保护。及时发现企业财务危机征兆,尽量避免企业破产等巨大损失的发生,要依靠建立完善的财务危机预警机制,财务状况危机作为企业经营危机的警兆,公开透明的财务数据披露制度也为建立定量分析的财务预警系统提供有利帮助,因此如何通过有效的理论方法来建立财务预警系统来预测企业经营危机便成了长期以来国内外理论研究的热点话题。国内外学者对财务危机预警的研究也是建树颇多,已经产生了大量有效的财务预警模型,现在,对于财务预警理论研究领域的主流方法就是应用统计学方法和数据挖掘算法两大类。判别分析、logistics回归分析是传统的应用统计学方法,在建立预警机制方面一直屡有建树,预测效果较好,但是严格的统计假设前提现实数据几乎不可能满足,假设前提不能满足,预测效果有什么说服力?而相对来说,近年兴起的数据挖掘技术如神经网络、决策树等,假设约束没有传统统计学方法的那般严格,而且具备较好的自我学习、自我容错改进的优点,在预警领域也逐渐应用的越来越广,渐渐有取代判别分析、logistics回归分析等应用统计学方法的势头。但决策树、人工神经网络等不同的算法在不同的预测领域有各自的优劣,怎样确定哪种算法是最适合的?所谓“尺有所长,寸有所短”,不同的出发角度,不同的假设约束,如何去断言哪种方法的优劣?我们在选择一种预测结果较好的方法后,是否也舍弃了另一种方法中蕴含的有用的独立信息?组合预测理论的提出解决了这个问题,它的基本出发点就是在大多数需要做出预测的情况下,难以获得完全的信息集,即使对于给定的信息集也难以做到最优,也就是承认构造真实模型的困难,将各种单项预测看作代表不同信息的片段,通过信息的集成分散单个预测特有的不确定性和减少总体的不确定性,从而提高预测的精准度。传统的组合预测理论是采用加权算术平均的方式来集合几种预测技术的优点从而达到提高预测的准确性的目的,但如何赋权却是组合预测技术最大的难关和破绽,这也是传统的组合预测理论难以运用于实践中的局限之处。本文采取组合预测理论的思想,借鉴2001年FengYuLin和McClean提出的一种混合模型的方法,综合比较决策树算法和神经网络方法这两种方法的优点,综合二者优势,构造一种改进的组合预测理论方法。运用组合预测方法的目的是为了提高预测准确率,本文以运用组合预测理论预测错误的个数为函数值,因此,只要使预测错误的个数即函数值最小就是我们要求的改进组合预测模型,这就是本文提出的改进组合预测理论建模的整体思路。本文运用组合预测理论的思想,改进组合预测的建模方法,比较神经网络、决策树两种数据挖掘常用算法以及综合两种方法的组合混合模型的预测效果,从效果来看,上市公司财物危机发生的前一年的各种模型预测的准确度普遍高于危机发生的前两年；决策树算法对财务危机预测效果不及神经网络方法,但从耗费成本时间来考虑,决策树算法更加的简单明了,而综合两者的改进组合预测方法从预测准确性来说都要高于每个单独方法。本文在比较统计学方法和数据挖掘方法的基础上,利用组合预测理论的思路,提出了基于决策树和人工神经网络算法的改进组合预测方法,综合各自的优点,构造出合理的改进组合预测模型,来达到尽可能提高预测效果的目的,以期能为上市公司财务预警理论方面的研究作出一定的贡献。