经济全球化不仅促进了社会资源的合理配置和有效整合,也带来了日趋激烈的社会竞争,引发了企业一系列新的问题和危机。在这些危机中财务危机无疑是最综合和最显著的一种危机表现形式。因此无论是企业管理者还是国内外有关学者对企业财务危机预警问题的重要性已经普遍达成共识,但与国外在该领域七十多年的研究成果相比,我国在该方面的研究仍显得较为稚嫩,迫切需要后继学者结合我国企业实际情况进一步深入地研究。同时,目前人工智能技术在经济领域的应用不断发展和完善,为企业财务危机预警研究开阔了新的思路,提供了新的理论和技术支持。而随着我国上市公司信息披露制度的不断成熟,使得该领域的实证研究逐渐成为可能。鉴于此,本文将由于“财务异常状况”而被“特别处理”的企业定义为财务危机企业,选取2004年至2010年间存在财务危机的制造业企业207家以及配对企业207家作为研究对象,收集其过去5年间短期偿债能力、长期偿债能力、发展能力、风险水平、企业规模、现金流量、盈利能力和运行能力这8个方面共计87个财务数据,组成备选财务指标。在从中挑选预警指标时遵循两个原则:一是必须选择那些对输出影响大且能能够检测或提取的变量;二是还要求各输入变量之间互不相关或者相关性很小。同时为了防止过多的筛选原则将原本具有较多信息含量的变量也排除在外,从而影响预测精度。本文一方面只以原则一作为参照,以数据完整性和是否具有显著性差异作为判断标准构建了“数据集A”,另一方面兼顾两个原则,在“数据集A”基础上再进行精加工,引入因子分析法对输入变量进行降维,构建了“数据集B”。然后分别以这二类数据集作为输入,利用反向传播神经网络、径向基神经网络和概率神经网络(下文均简称为BP、RBF和PNN神经网络)模型进行了网络构建、参数设置,确定了最优解计算方法,并按照设计好的实验方案开展研究,实际计算部分通过Matrix Laboratory(即MATLAB)软件进行编程实现。经过研究,本文得出以下重要结论:一是本文构建的财务危机预警指标体系是真实有效的,两组数据测试集的五年平均预测准确率分别达到75.93%和76.76%;二是对BP神经网络结构与预警效果的关系进行了探索性研究,实证结果表明,从网络稳健性、长期预测能力及推广应用性考虑,单隐含层的BP神经网络相对于双隐含层具有更好的预测效果;三是确定了BP、RBF和PNN神经网络各年份的最优解以及所对应的重要参数,更加客观真实地反映模型对测试样本的真实预测能力,并对三种神经网络模型各自特点进行了总结;四是对“数据集A”和“数据集B”预测效果进行了对比分析,为后续研究中预警指标的构建方法提出建议。综上所述,本文对企业财务危机预警理论和方法的研究丰富了该领域的研究成果,能够为企业管理者、相关利益群体以及政府监管部门开展财务危机预警提供理论指导和技术支持,具有重要的理论和实际意义。