根据中国证监会相关规定,上市公司连续两年净利润为负则对其采取一系列惩罚措施,包括公司股票涨停限制和股票代码加注“ST”等。如何能够在企业发生财务困境之前尽可能早地预测出这一变故,从而为实施相应措施赢得宝贵时间一直是企业管理层、投资者和监管者急需解决的问题。本文结合中国上市公司实际状况,首次使用统计模型与非统计模型(人工神经网络模型)相结合的方式构造了一个能够比较准确地预测出企业未来是否会发生财务困境的组合预测模型。本文首先回顾了国内外学者对企业财务困境预测的研究成果,在此基础之上提出20个财务指标作为构建组合预测模型的备选指标。为了尽可能消除对企业财务状况反应不够灵敏的指标对模型预测能力的干扰,本文采用基于双样本的t检验法和主成份分析法对20个备选指标逐一过滤,最后筛选出流动比率、总资产报酬率、每股收益增长率、主营业务利润率、总资产周转率、每股经营性现金流、审计意见类型和主营业务收入增长率等8个财务指标用于模型构建。本文选取的研究样本为2006年和2007年沪深两市所有新增加的ST公司以及它们的配对公司共计248家公司,样本数据为样本公司发生ST前两年的8项财务指标数据。构造组合模型之前,本文首先使用Logistic和Fisher方法构建统计模型对训练样本公司和测试样本公司分别预测,然后在统计模型预测的结果之上使用Matlab工具构建了一个神经网络模型对统计模型的处理结果进行修正。实证表明:这种基于神经网络方法的组合预测模型对上市公司财务困境的预测能够取得比统计模型更加准确的结果。