目前上市公司面临各类风险,诸如政治风险、国家政策调整风险、财务资产风险、市场波动风险、投资风险等。面对各类风险以及日益激烈的股票市场,如何准确地评估出企业的盈利能力状况对企业未来的发展至关重要,这也是本文的重点研究方向。在前期阅读大量相关文献的基础之上,本文首先对盈利能力进行了介绍,然后运用统计学知识对六个行业盈利能力进行了描述性分析,并将不同行业的盈利能力进行对比,从而更加清晰的看出六个行业的发展状况。然后在搜集到的数据基础上,为了解决样本不均衡情况运用了MATLAB软件将搜集到的数据处理成面板数据,增加了样本数量。最后以该数据为切入点来构造研究模型,并将实证结果进行对比,从中选出相对最优模型并进行仿真探究。本文的研究模型为BP神经网络和支持向量机,二者均是机器学习领域的算法。实证结果如下:在BP神经网络的测试集中,财务健康样本的准确率为88.76%,财务危机样本的准确率为82.35%。支持向量机四种核函数中,多项式核函数在本文中表现最优,其测试结果为:财务健康样本准确率为91.21%,财务危机样本准确率为80%。虽然整体来看是支持向量机模型效果比较好,但由于本文想要的结果是财务危机样本的准确率,所以BP神经网络的效果更好。使用BP神经网络进行仿真探究,得到的结果为盈利样本、亏损样本的准确率均为100%。综合来看,BP神经网络可有效判别出企业盈利能力的好坏,及早告知企业的经营状况,帮助企业及时化解财务风险并获得长远发展。