【摘要】过去的大多数研究都采用平衡数据构建静态模型用于财务困境预测，既未考虑样本类别不平衡对预测结果的影响，也未考虑数据流随时间变化而引起的概念漂移问题，研究具有一定的局限性。文章从类不平衡与动态数据流两个角度出发，对企业财务困境进行了全面分析，以ADASVM模型为基础，提出了一种新的动态集成模型MS-ADASVM-ITW。引入了带有信息保持期的时间权重函数，以解决动态预测面临的概念漂移问题；同时提出了一种混合采样方法与模型进行耦合，提高了数据不平衡的分类性能。选取1081家沪深股市的上市公司进行实证分析，首先将新模型与常规模型同时进行50次重复实验，结果证明新模型性能优于常规模型。进一步选取了不同的过/欠采样方式进行组合，确定了适合财务困境预测的最优采样组合Tomek Link算法+Border-line SMOTE算法。