上市公司的财务危机会带来投资者的投资损失、公司员工的失业以及金融信贷难以收回等一系列严重后果。利用统计方法、机器学习以及数据挖掘为我国上市公司提供有效的财务预警是一个有重要意义的研究课题。本文基于多步因子分析法和人工智能分类的方法分别设计了三个主要的公司财务预警模型。首先,利用主成分分析法和多步骤提取因子的方法对上市公司的30个财务指标进行变量选择并构建了多因子分析的财务预警模型。其次,设计了基于因子分析的LSSVM-PSO智能单分类器。实验结果显示,结合了多步因子分析的LSSVM-PSO具有更好预警效果。最后,设计了三个财务危机预警多分类器,分别利用BP神经网络,决策树和支持向量机集成Ada Boost_BP、AdaBoost_DT和AdaBoost_SVM的财务预警多分类器。实验结果表明,AdaBoost_DT的预警效果优于AdaBoost_BP和AdaBoost_SVM的财务预警效果。本文主要有三个方面的创新:第一,利用多步因子分析法构造了基于因子分析的上市公司财务预警模型,该方法突出了因子分析变量提取中的客观性和可解释性的优点。第二,在进一步发展人工智能单分类器的基础上,将多步因子分析法与人工智能单分类器有效地结合在一起,该思想不仅最大程度地保留了原有财务指标的信息简化了模型,而且大大提高了人工智能单分类器的运行速度与预警效果。第三,分别利用BP神经网络、决策树和支持向量机作为弱分类器集成了三个Adaboost多分类器,并对这三个多分类器进行实证分析和结果对比得到最优预警模型。