我国的资本市场已走过了二十多年的历程，企业所面临的竞争日趋激烈，企业经营稍有不慎就可能陷入财务困境，上市公司因财务状况异常而陷入困境的情况却屡见不鲜。因此，利用上市公司的财务数据，建立上市公司财务困境预测模型以揭示风险，己成为上市公司管理者、投资者和债权人等相关利益方共同关注的问题。本文共选取来自于多个行业的146家上市公司的财务数据，包括73家被特别处理（用ST表示）的上市公司的财务数据和与之配对的73家运行良好的公司的财务数据，把它们分为49对训练样本和24对测试样本。根据国内外学者对企业财务困境预测的研究成果，选择了20个财务指标构建了财务预警指标体系。利用T检验和非参数检验对原始预测变量进行显著性检验，使得预测的指标体系更具有合理性，并运用因子分析法消除指标间的共线性，得到了7个因子。分别采用多元判别分析、Logit回归分析和最小二乘支持向量机对训练样本数据进行了分类判断，构建了三个单项财务困境预测模型；并在此基础上，构建了一个线性组合预测模型和一个基于神经网络的组合预测模型，最后利用测试样本对五个模型进行了有效的验证，并对五个检验结果进行了比较。研究结果表明：组合预测模型对上市公司财务困境的预测效果，跟单一方法比较，预测精度没有显著提高，但组合预测模型更具有稳定性；基于神经网络方法的组合效果好于线性组合模型。