如今，全球经济快速发展，正在形成一体化的世界经济体，然而，对企业进行信用评估显得尤为重要。在如此发达的金融市场和资本市场，如何对企业进行客观公正的信用评估，企业中的哪些指标对信用评估发挥至关重要的作用，这些问题都引起了人们的高度关注。因此，选用合理的指标作为支持向量机进行信用评估，可以有效防范企业经营过程中所承受的风险，还可以降低交易成本。而本文所研究的重点就是通过预警模型的建立，找出影响信用评估的关键财务指标，从而对这些指标进行不断地追踪调控，最终实现企业财务风险最小化，而财务风险是企业在经营过程中所面临的最重要的风险之一，只有把控财务风险，才能够实现企业的稳健运行，最终不会影响评估机构对企业的信用评估。近年来，国内外学者也一直致力于财务预警模型的研究开发，他们一般都是采用统计分析的方法，用企业中一些关键财务比率，例如流动比率、速动比率及资产周转率等作为解释变量进行模型的计算并进行检测。但是财务指标因为受到会计造假的影响，计算出来的比率并不能真正反映企业的经营状况，因此，对于用统计分析得出的预测效果会降低，得出结论的可信度亦然不强，从而也就影响了决策者的经营战略。在此情况下，运用数据挖掘技术来建立财务预警模型应运而生。因为一般的统计模型大部分都有很多条件，只有满足先决条件才能进行模型的运算，但在现实生活中，企业中的数据很难满足统计模型中要求的各种条件，从而也就影响到了预测结果的准确性和有效性。而数据挖掘方法一般不受条件的限制，在这点上，能够弥补统计分析方法中存在的缺陷。在此情况下，一些需要扩大投资规模的企业管理者迫切需要一种新的财务危机预警模型。而这一迫切需要就促使我们从另一个全新的角度去研究企业的财务危机预警系统。在这里，引入一个新的财务指标—EVA，即公司税后净营业利润减去全部资本成本后的净值，此指标相对准确地反映了在一定的期间内企业所创造的价值，而且还可以减少因为会计造假问题，所呈现出来的报表信息与企业的真实情况相背离的事实。因此，引入新的变量EVA，再加之数据挖掘技术在财务危机预警模型的应用，可以提高该模型的预测效果，更加准确地预测企业财务危机的发生，企业的管理者可以通过及时调整引起财务危机的指标，减少企业所面临的信用风险，进而在信用评估中发挥重要作用。本文在引入新的财务指标EVA的情况下，将数据挖掘技术中的决策树运用到财务预警方法中，而且将其预测的结果与统计分析方法——Logistic回归的预测结果进行了比较，最终得出企业财务危机的关键指标，而这些指标也是影响企业信用评估的重要指标。对这些指标进行实时追踪可控，可以减少企业的内部风险。