自1990年上海证券交易所成立以来，我国证券市场经历了十多年的快速发展，规模迅速扩大，已经成为国民经济的重要组成部分。与此同时，不断有上市公司因出现财务危机而沦为ST或PT，给广大投资者带来巨大损失，对上市公司的经营管理也造成极为不利的影响。这就迫切需要找到一种切实可行的方法，在公司陷入财务困境之前，提前给市场主体的各方子以警示，从而防范和化解投资风险。因此，开展财务预警模型的研究和应用，对上市公司相关各方都具有重要意义。 国内外对上市公司财务预警的研究已经取得不少成果，常用的预警模型有Z分数模型、线性概率模型、Fisher判定模型、Logistic回归模型等。但这些模型都存在一些缺陷，如需要对样本分布作一定假设、变量的选择主要依赖经验、预警准确度较低以及预警模型参数不适用我国企业情况等等。 本文以沪市制造业类上市公司为财务预警研究对象，将传统预警模型和神经网络、遗传算法、统计分析等方法相结合，构建成功综合财务预警模型。该模型较为科学合理地解决了我国上市公司的财务预警问题，并显示出较高的预测准确率。提出运用盈利质量指标考察企业利润的真实性，并综合运用各种统计方法，选择样本变量。文章最后运用综合预警模型对上交所90家上市公司财务状况进行预警分析，其结果也证实了该模型的实用价值。