随着我国资本市场的快速发展及竞争的日趋激烈,上市公司的财务质量日益受到重视。无论是上市公司,还是股东、债权人等利益相关者,不仅想了解企业是否处于财务困境,而且也更想知道企业处于何种具体的财务状态阶段,这更有利于企业的发展及利益相关者的决策。本文重点研究上市公司财务状况多分类评价,并构建财务状况多分类预测模型,具有积极的意义。首先,论文对制造业上市公司的财务状况进行了多分类评价,将其划分为财务状况困境、财务状况一般及财务状况良好三种类型。本文运用R型层次聚类方法选择分类变量。研究发现流动比率(甄别)、资产利润率、现金留存收益比三个指标分类特征显著,可全面概括企业的财务状况。接着以分类变量运用Q型聚类方法,将2005年及2006年制造业上市公司的全样本划分为前述三类,为构建预测模型提供了建模样本和检验样本。采用非参数检验方法检验分类情况,结果显示分类有效。运用聚类方法对财务状况分类评价,比以往的财务状况评价方法更具客观性,且三分类能为企业和利益相关者提供更多的有用信息。其次,论文从财务状况的结果和形成原因两方面入手,找出了预测财务状况类别的早期征兆。在财务特征早期征兆上,以企业的资产质量、资本结构质量、利润质量及现金流量质量为理论分析框架;在公司治理早期征兆上,从股权结构、董事会结构、经营者激励来分析。以2005年的534家制造业上市公司为研究对象,采用非配对全样本方式,运用非参数检验方法找出了三分类及二分类在危机前一年(t-1年)和危机前二年(t-2年)显著的财务特征和公司治理特征,为建立财务状况预测模型提供预测变量。最后,以2005年的534家制造业上市公司为建模样本,以另一年度2006年的560家制造业上市公司为检验样本,均采用非配对方式,分别使用Logistic回归分析和SVM方法构建模型,结论更具普遍性和可靠性。二分类时Logistic回归方法预测效果良好,危机前一年(t-1年)总体预测正确率达80%;在三分类非配对全样本情况下,首次采用支持向量机方法,以建模样本构建模型,以另一年度检验样本验证,三分类危机前一年(t-1年)预测精度达71%,预测效果良好,且比以往研究信息含量增多,不仅可预测是否会陷入财务困境,还可预测具体处于的财务状况(好、中、差),克服了以往研究预测仅为ST和非ST的两极模糊信息状态。本文主要贡献在于:对财务状况分类评价应用数据挖掘技术;在样本的选择方法及方式上,采用三分类非配对全样本;在构建预测模型的方法上,引入了新兴工具支持向量机。可为使用者提供更多有用的财务信息,丰富了财务预测研究。