随着我国金融市场的开放及证券市场的发展,上市公司也越来越发挥到其优化资源配置、筹集资金、推动公司创新等作用,且对整个经济的影响越来越大。所以,上市公司的健康运行极其重要,如若企业陷入财务困境,特别是像次贷危机这样大范围的企业陷入财务困境,不仅单个企业会重要亏损甚至破产清算,整个经济与社会受到巨大的冲击。所以建立健全的公司财务风险预警系统,当公司财务状况出现问题时,能准确地识别危机信号,发出警报,使得公司能够及时有效地采取相应措施化解风险,对于公司的投资者及利益相关者利益的保护乃至整个宏观经济的稳定性都有着巨大的现实意义。贝叶斯网络是一种利用数理统计的知识对不确定性的事件进行推理和分析的工具,且可用图形的方式直观表达,使得各变量间的依赖关系可视化,清晰明了。而财务风险具有不确定性,属于随机事件,利用贝叶斯网络对企业是否会陷入财务困境进行预测非常便利。国内学者虽然对财务困境的预测研究较多,但利用该方法来研究的极少。仅宋尧及朱慧明将贝叶斯网络应用与财务困境的预测,但其预测指标仅采用了财务指标,且没有充分利用计算机工具建模的便利性,如贝叶斯工具箱、GeNIe等软件在贝叶斯网络学习中已广泛应用。本文在大量的文献阅读基础上,对财务困境的定义及影响因素进行了梳理。而后对本文所使用的贝叶斯网络模型及主成分分析法的相关理论进行了介绍。在对引起财务困境原因的综合分析的基础上,除以往学者的财务指标以外,本文还将公司的股权结构、董事会结构及宏观经济因素加入了模型。因财务指标、非财务指标及宏观经济指标繁多且存在着一定的共线性,综合考虑模型的计算精度和复杂程度,本文分别对财务指标、非财务指标、宏观经济指标进行主成分分析,提取主要因子,并分别计算其综合得分。经过曼-惠特尼U检验与主成分分析,确定了影响公司是否陷入财务困境的四大因素,即宏观经济状况得分、股权集中度、董事长与总经理两职兼任与否及财务指标综合得分,也就是确定了贝叶斯网络的四个节点及各节点的取值范围。而后根据专家知识进行贝叶斯网络结构学习,确定各节点间的关系;选取2014年被ST的16家制造业上市公司及与其配对的48家非ST的制造业上市公司为总样本,并将其分为学习样本与检验样本,分别用于模型的参数学习及模型预测准确性检验,参数学习及模型预测的过程都借助于GeNIe软件完成。本文基于贝叶斯网络结合主成分分析法,构建了财务困境预警模型。研究结果表明,该模型的预测准确性达91.67%,能较好地对公司的财务困境起到预测作用。