本文主要研究运用统计分析的相关理论及支持向量机建立起一个无规模和行业限制的、可以广泛应用的最优SVM财务预警模型。通过与财务预警的其他主流模型——BP模型、Logistic模型进行比较，考察三个模型的分类正确率，分析最优SVM模型的可行性和有效性。同时，将该三种方法集成到财务预警系统中，为企业经营管理者及其他利益相关者分析企业财务状况提供帮助。本文具体研究内容是：从预警指标及预警方法两个方面系统的介绍了国内外财务危机预警和绩效评价的研究现状，分析了企业财务危机产生的原因和表现，并以此为基础，阐述了财务危机预警指标的选取原则，初步构建了基于现金流量的企业财务危机预警指标体系，介绍了统计学习理论，并以沪深两市A股上市公司财务报表数据为样本，利用主成分分析方法提取主因子，实现对指标的约简；利用约简后的样本数据，建立起一系列基于RBF核函数、Sigmoid核函数、多项式核函数、线性核函数及不同的核参数的支持向量机预警模型，并且分别验证了不同核函数在相同实验条件下的预测效果。为了验证因子分析和基于支持向量机财务危机预警模型的有效性，本文还将传统的经典统计回归方法和人工神经网络方法引入到财务危机预警中，在相同的实验条件下进行对比实验。通过实例分析表明，本文构建的基于因子分析的支持向量机财务危机预警模型，预测精度明显的高于BP神经网络模型和Logistic回归模型。