伴随着我国改革开放逐渐深入地进行,国有企业不断发展壮大,然而,与此同时,国有资产的流失却愈演愈烈,已经成为政府部门亟待解决的一项重大问题。国有企业资产大量流失的局面不是一蹴而就的,这是一个逐步、渐进的过程,因此国有资产的流失应该具备先兆性的特征,也就是说,国有资产的流失是可以预测的。在现实社会中,如果可以准确地预测国有企业资产的流失,对保护投资者和债权人的利益,对经营者防范财务危机,对政府部门监管上市公司行为和证券市场风险,都具有十分重要的意义。本文的研究目的是结合我国国有上市公司资产保值增值的情况,分析国有企业经营过程中存在的问题及原因,探索准确预测国有上市公司资产流失的方法,实现国有资产保值增值的目标。基于上述研究目标,本文首先回顾了国内外资产流失的相关文献,其次详细阐述国有资产流失的界定、国有资产流失的预测指标体系、以及采用的国有资产流失的预测方法――组合预测。继而,介绍多元判别分析、Logistic回归分析、人工神经网络以及支持向量机等四种单项预测模型,并在此基础上,构建一个以四种单项预测模型为基础的组合预测模型。在界定国有资产流失的变量以及预测指标变量的选取上,本文参考有关学者的判定标准,以国有资本保值增值率为核心指标,并选取25个预测指标作为初始指标,在此基础上,利用统计学的方法筛选出7个指标作为组合预测模型的输入变量,对2005至2010年间我国160家国有上市公司(其中40家为资产流失公司样本,另外120家为与之配对的非资产流失公司样本)进行实证分析。分析结果表明:不同的单项预测模型之间,以及单项预测模型与组合预测模型的预测精度存在不同程度的差异,但是由于组合预测模型集合了统计模型和人工智能模型的优点,克服了统计方法对样本的严格限制以及神经网络方法的黑箱性等缺陷,预测精度要高于四种单项预测模型,因而具有较强的优越性和应用价值,这是预测方法上的创新。通过本文的研究,得出以下主要的结论:(1)我国国有上市公司资产流失的状况是可以通过某些相关联的财务指标和非财务指标进行预测的。(2)四种单项预测模型都可以比较准确地预测国有上市公司的资产流失,但总体来说,人工智能模型相对于统计模型有更高的预测精度。(3)组合预测模型可以比较准确地预测国有上市公司的资产流失,并且其预测精度不低于四种单项预测模型。最后,结合内部人控制理论、委托代理理论等相关理论,积极探讨防止国有资产流失的具体对策。