近年来,中国经济进入到一个新阶段,相继出现经济指标之间联动性背离,经济增长持续下行与CPI持续低位运行,企业利润率下降,消费上升而投资下降等现象。在这样的经济新形势、新常态下,使企业的运营难度加大,对企业的财务危机管理水平提出了更高的要求。面对竞争激烈的市场环境,企业在实际经营运行中面对瞬息万变的各种复杂情况,导致企业财务危机各种诱因也越来复杂,所以运用更高预测精度的财务危机预警模型成为财务危机预警的重要手段之一。目前的财务危机预警模型的研究方法经历了传统计量模型和人工智能模型两个阶段,其中,传统计量模型包括一元判断模型、多元判断模型、生存分析器等方法;人工智能模型包括遗传算法、专家系统等方法。通过研究发现,在现有模型的研究和实践应用过程中,取得了宝贵的成果。但是,也存在一些不足之处,主要表现在三方面:一是财务危机预警及其变量确定的理论基础相对欠缺。国内外财务危机预警及其变量选择的基础理论研究薄弱,现有研究的宏观与微观理论依据不足,很多研究缺乏能够准确确定财务危机预警模型所含变量的理论支持,有可能出现进入模型之前的变量由于理论依据不足和筛选方法不完善,造成构建的危机预警模型预测精度不高,实用性不够。二是财务危机预警变量筛选的方法有待提高。预警变量筛选尤为关键,直接影响预警模型的有效性。目前,研究和运用较多的财务危机预警变量筛选的方法主要有主成分分析法,典型相关分析法等方法,在变量筛选的过程中存在变量之间的多重共线的问题等等。近年来,财务危机预警变量筛选的方法一直没有太大的突破,可喜的是,已经有学者开始尝试将人工智能工业控制领域中设备运营控制预警的方法运用到财务危机预警领域,并取得了一定成果。同理,在财务危机预警过程中,当财务预警变量出现波动并超出一定的有效控制范围时,系统就应该发出预警。而且随着现代数据挖掘技术的飞速发展,数据变量筛选相关理论和应用日趋成熟,使得运用更为先进的计量方法和工具进一步筛选出客观科学的变量更具现实性。三是财务危机预警模型需要提高预测精度。经济发展的不同时期,社会经济结构的不同以及行业周期不同、公司发展阶段不同均会对模型的构建和模型预测精度提出更高的要求,因此,目前我国企业所处的宏观和微观环境,财务危机模型需要进一步提高预测精度,具有更强的实用性就显得尤为重要。因此,论文针对上述不足进行研究。在对国内外有关财务危机预警理论和方法研究的基础上,提出了财务危机预警变量的理论基础和框架体系,在变量体系基本搭建后进一步研究变量筛选问题,对现有变量筛选的理论和方法进行深入分析,提出财务危机预警变量筛选新方法偏最小二乘方法,并通过实证来论证偏最小二乘方法在筛选财务危机预警变量中的优势,并在此基础上,通过选取沪深两市2011年至2013年三年区间的212个样本对象进行研究,利用偏最小二乘方法提取出偏最小二乘成分,分别建立基于偏最小二乘的Logistic回归财务危机预警模型和基于偏最小二乘的BP神经网络预警模型,并经过实证研究和有效性检验,验证了模型在实际财务危机预警中具有更高的准确率。论文研究的路线主要分为提出问题、研究问题和研究结论与创新三个研究层次。第一个层次为提出问题,也即研究前提,论文从理论研究背景和实践背景提出本文的选题动机、研究价值等,主要包括第一章。第二个层次为研究问题,包括理论研究和实证研究,理论研究包括重要研究文献的回顾和梳理,经过变量选择的科学论证过程,通过对目前应用较多的变量筛选方法进行研究,并结合经济结构变化和企业发展的需求,推导出偏最小二乘方法在变量筛选中的优势,主要包括第二章、第三章、第四章和第五章。在实证研究与检验部分,运用实证研究的统计方法对2011年至2013年符合条件的研究样本做预警变量的萃取,并用偏最小二乘方法进行变量筛选,并在此基础上构建偏最小二乘的Logistic回归财务危机预警模型和偏最小二乘的BP神经网络预警模型,并进行有效性检验,主要包括第六章和第七章。第三部分为研究结论、研究创新、不足以及未来的研究方向,即第八章。论文的创新点主要包括以下两点:(一)创新性地将财务危机预警变量的筛选问题作为独立模块进行研究。本文通过对目前运用较多的财务危机预警变量筛选的方法主成分分析法,典型相关分析法等方法进行深入研究,指出这些方法在变量筛选中存在的问题,即财务危机预警变量多重共线的问题,提出运用偏最小二乘方法进行财务危机预警变量筛选的理论和原理,并通过现有方法与偏最小二乘方法的实证对比,理论和实践相结合逻辑性地证明了偏最小二乘方法能够筛选出更科学合理的预警变量,有效提高财务危机预警模型的预测精度。(二)构建了预测精度更高的财务危机预警模型。论文通过理论和实践相结合的方法,初步构建了财务危机预警变量,变量体系不仅包含财务指标变量,而且涵盖非财务信息变量,通过运用偏最小二乘方法实现了变量的优质成分提取,剔除数据重叠指标,然后运用传统计量和人工智能方法构建基于偏最小二乘的Logistic财务危机预警模型和基于偏最小二乘的BP神经网络预警模型,并通过实证检验和有效性检验验证了财务危机预警模型预警具有更高的准确率。在运用构建的偏最小二乘财务危机预警模型进行有效性检验后,2014年运用偏最小二乘的Logistic财务危机预警模型比运用主成分Logistic财务危机预警模型预测准确率高1%--4%,2015年要高3%--4%;2014年和2015年运用偏最小二乘的BP神经网络财务危机预警模型比运用主成分BP神经网络财务危机预警模型预测准确率均高出4%--6%。