如今经济发展迅速多变，资本市场的变化或者公司经营管理上的问题，都可能会导致上市公司产生财务风险，进而使得投资者以及其他相关利益者的利益受损。因此，上市公司利益相关者为了降低风险，需要一套能够预测上市公司财务风险的预警机制，使得上市公司的管理者可以尽早的获知公司财务情况是否发生恶化，从而及时实施相应的手段（如调整经营方向、经营策略）来降低损失。
　　但在整理国内外关于财务风险预测的研究成果时，发现目前的研究都主要集中在利用上市公司的财务数据进行定量分析，预测上市公司产生财务危机的可能性。但无论是在国内还是国外的资本市场中，每年都会发生因为财务欺诈行为而被监管机构处罚的上市公司，财务欺诈同样也是财务风险，一旦被发现会给投资者等相关利益者带来严重损失。此外，由于存在财务欺诈的现象，这些公司的财务信息并不可靠，数据质量的失真导致传统的财务危机预警模型的可靠性降低。因此，本文的创新在于通过引入财务欺诈识别机制，建立了一个由两阶段模型判别构成的财务风险预警机制，在识别出上市公司是否具有财务欺诈行为的同时，还能够提高财务危机预警模型的准确性，从而真正地降低企业、投资者的风险。
　　本文在结合上市公司财务欺诈识别以及财务危机预测两个研究领域成果的基础上，提出了引入财务欺诈识别机制的财务风险预警机制，并利用2015年——2017年的上市公司财务数据与非财务数据进行实证分析。本文的实证研究分析主要由几部分组成：研究样本公司的选取、研究指标特征的确定以及筛选、基于不同的算法建立风险预警机制效果对比。
　　在研究样本公司的选取上，对财务欺诈识别以及财务危机预测模型的研究样本选取确立了具体的选择条件，最终为按1∶1的比例为财务欺诈识别模型选取了2007年——2017年间616个样本公司作为训练数据，为财务危机预测模型选取了2015年——2017年间200个样本公司作为训练数据。在测试集的构造上，为了更加贴近现实的A股市场，本文采取了风险企业样本与正常企业样本1∶10的比例来进行测试集的构造，选取了60家风险企业以及600家低风险企业作为测试集的样本。
　　在研究指标特征的确定以及筛选上，根据已有文献初步选取了欺诈识别模型以及财务危机预测模型的研究指标后，利用定量分析的方法进行指标的筛选。先对指标集利用Mann-WhitneyU非参数检验来检验该指标在正负样本间是否具有明显差异，若具有明显差异，则保留，反之剔除；然后计算这些具有显著性差异的指标的IV值，选择出对模型具有强贡献度的指标予以保留。在财务欺诈模型的研究指标中，利用非参数检验法筛选出21个具有显著性差异的研究指标，而其中有15个指标的IV值较高，对模型有较大的贡献度；而在财务危机预测模型的研究指标中，利用非参数检验法筛选出14个研究指标，并且这14个研究指标的IV值均大于阈值0.3，对模型预测能力影响程度较大，保留下来用以模型的构造。
　　在实证分析阶段，分别从利用不同算法构造模型、与传统方法作对比两个方面来进行模型有效性的评价。实证分析的结果表明，利用随机森林建立的风险预警机制比基于Xgboost建立的风险预警机制的效果要好，在AUC值、模型的准确率方面、以及高风险的个体样本分析上都表现更好。并且本文提出的两阶段风险预警系统比传统的财务风险危机预测模型在识别风险企业方面能力更强。