本文运用计算机语言技术对2008～2018年1297家上市公司年报的管理层讨论与分析(MD&A)进行文本挖掘,计算MD&A文本披露质量包括文本相似度、文本情感值、文本可读性,并采用Logistic模型和支持向量机两种方法构建上市公司风险预警模型,对文本MD&A所披露信息加入前后模型的预测能力进行实证检验.研究结果表明:①风险预警模型在加入文本披露质量指标后,预测准确度得到显著提升.②Logistic回归模型的预测准确度在整体上要优于支持向量机模型.③样本比例1∶2时的预测准确度比样本比例1∶1时的预测准确度更高.④文本可读性在低样本比例时对预警模型的优化效果最好,文本情感值在高样本比例时对预警模型的优化效果最好.本文从文本披露角度丰富了上市公司风险预警的研究,也丰富了MD&A包含的文本增量信息对财务数据的有效补充研究,具有重要的理论与现实意义.