目前，中国经济面临着十分复杂的情况，短期内宏观经济正步入收缩层面，在这种背景下，研究中小企业的财务危机预警并进行有关预测分析，显得十分必要。本文以中国中小企业上市公司为研究对象，通过对53家上市公司的研究，比较分析了财务困境公司与正常公司在财务危机前若干财务指标的差异，并运用因子分析得到6个财务指标变量作为预测两类公司的基本变量。在此基础上，本文将用BP神经网络来预测上市公司在未来发生财务困境的可能性大小，并通过和多元逻辑回归分析法进行了模型预测效果的对比。结果表明，神经网络是一种非线性映射模式，可以以任意精度逼近任何非线性连续函数，因此面对指标间相关度较高、呈非线性变化、数据缺漏不全及相关因素错综复杂等环境下进行财务困境预警研究时，运用神经网络对其输入输出建立起映射关系后，能克服了传统统计方法在建立预警模型时假设限制严格与样本不足等缺陷，得到比较满意的结果。因此，神经网络在分析和研究我国上市公司的财务困境预警，提高预警效果等方面将具有广阔的前景。 全文分为三大部分，基本框架为： 第一部分为绪论，主要分析了当前经济环境以及进行中小企业财务困境预警分析的必要性，同时概括性的阐述了本文的主要研究内容及思路。 第二部分分析了国内外财务困境的定义与研究模型及研究方法。重点介绍了国外进行财务困境预警常用的多元辨别分析模型、费希尔模型Fisher、线性概率模型LPM、LOGISTIC回归预测模型、生存分析、专家系统以及神经网络模型。同时，在本章亦阐明了本文采用的财务困境的定义。 第三部分主要是神经网络进行了整体性的介绍，内容涵盖其发展历程、数学表达方式以及其现存模型类型与特点等内容。 第四部分是关于我国中小企业上市公司财务困境预警研究的实证分析。首先运用因子分析法对涵盖了企业盈利能力与收益质量、资本结构、营运能力、经营中现金流量、偿债能力等方面的25个财务指标进行分析，然后在此基础上运用神经网络模型对样本数据进行非线性映射及拟合，最后再将神经网络模型的预测结果与logistic模型研究结果进行对比分析。 最后一部分为结束语部分，说明本文可能的创新之处，指出本文的不足以及需要进一步研究的方向。