财务危机是一个世界性的问题。自上世纪60年代以来，随着企业破产问题的日益严重，各国学者已经开始进行财务危机预警的定量研究。近五十年来，从多元判别分析等线性预测模型，到以神经网络模型为代表的各种非参数预测模型，相关的研究成果层出不穷。但是，国内对公司财务困境预测的研究才刚刚起步，其主要原因是1993年7月1日之前我国并没有实施统一的会计准则，缺乏可靠的规范的研究数据。因此，研究如何利用国外现有的研究成果，结合中国的实际对企业破产作出准确的预测，是摆在我们面前迫切需要解决的问题。 本文在对国内外财务危机预警模型研究的基础上，以中国上市公司作为研究对象，将公司因财务状况异常而被特别处理(ST)作为企业陷入财务危机的标志，构建了一套包括7个方面30个指标的财务危机预警指标体系，并利用基于BP神经网络的非线性组合预测方法构建我国上市公司财务危机预警模型。此外，本文选取了我国深、沪两市A股2002-2004年间首次被ST的公司92家和配对财务健康公司92家作为训练样本进行实证分析。 实证分析结果表明：其一，我国上市公司预警指标不服从正态分布，因而不适宜使用多元线性判别分析方法建立财务危机预测模型，也不适宜用t检验筛选变量；其二，组合预测模型集合了统计模型和人工智能模型的优点，在上市公司财务危机发生前3年准确率85.9％，财务危机前2年准确率86.5％，财务危机前1年准确率87.0％。该模型具有较强的优越性和应用价值。