目前,上市公司作为我国经济运行的重要微观主体,其财务绩效状况的综合评价研究已成为学术界和实务界研究的热门课题。在对上市公司财务绩效评价研究中,目前有若干种综合评价方法:主观赋权法、因子分析法、熵权法等。然而,现有的这些评价方法本身存在人为因素干扰过大、资料长度与估计精度的矛盾(统计学中称之为“高维问题”)等问题,导致评价结果不够客观、稳健,无法真实地反映上市公司的财务绩效状况,给上市公司的监管、投资者评价上市公司质量带来很大困难。因此,如何从上市公司财务数据本身出发,寻找一种比现有评价方法更为客观、稳健的评价方法,不但对企业绩效评价理论的发展具有积极意义,而且对上市公司的监管、投资者的投资决策也具有重要的现实意义。基于以上认识,本论文在全面回顾现有的上市公司财务绩效综合评价方法的基础上,尝试将产生于自然科学中的一种能够解决“高维问题”的多元统计方法——投影寻踪聚类分析(Projection Pursuit Cluster Analysis,PPCA)用于上市公司财务绩效评价研究。通过选取沪、深两市18家A股上市公司2005年的财务数据,并运用基于实数编码的加速遗传算法(Real-coded AcceleratingGenetic Algorithm,RAGA)解决PPCA中寻找最佳投影方向的关键问题,实证研究了这18家样本公司的财务绩效状况;为了考察基于PPCA的财务绩效评价方法的有效性和实用性,本文又运用现有的12种综合评价方法对这18家样本公司的财务绩效状况分别进行了评价;最后进一步运用序号总和理论和众数理论,检验了基于PPCA的评价结果与现有方法评价结果之间的精度差异。研究结果表明:无论是运用序号总和理论还是众数理论作为检验方法,基于投影寻踪聚类分析的财务绩效评价方法都体现出了总体上优于现有综合评价方法的评价精度;本研究还发现,基于正态标准化数据的投影寻踪聚类分析得到的评价结果在两种检验方法下都取得了最优的评价精度,因此,在投影寻踪聚类分析中运用正态标准化方法处理数据是一个更为合理和可取的选择。由于本研究考虑了多种综合评价方法,并且分别运用了序号总和理论和众数理论两种不同的检验方法,因此,研究结论具有相当的稳健性和实用性。论文的研究既为上市公司财务绩效评价提供了一个崭新的研究视角和技术手段,也为投资者和管理层评判上市公司财务绩效提供了一种有效的方法选择。