Los colapsos de precios de las acciones han ocurrido con frecuencia en el mercado de valores chino durante las últimas tres décadas. No solo han causado pérdidas económicas sustanciales a los inversores del mercado, sino que también han amenazado seriamente la estabilidad y la seguridad financiera del mercado de valores. Para protegerse contra el riesgo de colapso de precios de acciones individuales, se ha propuesto un enfoque de predicción y explicación combinando eXtreme Gradient Boosting (XGBoost), el Algoritmo Genético de Clasificación No Dominada II (NSGA-II) y las Explicaciones Aditivas de Shapley (SHAP). Asumimos que se pueden adoptar indicadores financieros para la predicción del riesgo de colapso de acciones, y se utilizan como variables de predicción. En el método propuesto, se utiliza XGBoost para clasificar las muestras de colapso y no colapso de acciones, mientras que NSGA-II se emplea para optimizar los hiperparámetros de XGBoost. Para obtener las características esenciales para la predicción del colapso de acciones, se calcula la importancia de cada indicador financiero, y los resultados del modelo de predicción se explican mediante SHAP. En comparación con los resultados de los puntos de referencia que utilizan métodos de aprendizaje automático tradicionales, encontramos que el método propuesto tuvo el mejor rendimiento en términos de precisión y eficiencia de predicción. Especialmente para las muestras de pequeña capitalización de mercado, la precisión de clasificar todas las muestras alcanzó el 78.41%, y la precisión de identificar las muestras de colapso fue de hasta el 81.31%. En resumen, el rendimiento del método propuesto demuestra que podría ser empleado como una referencia valiosa para los reguladores del mercado involucrados en el mercado de valores chino.