截至2012年底，我国上市公司数量有2480余家，在国民经济中占主体地位。我国的证券市场还处于完善过程中，上市公司管理水平不高，财务制度不够健全，很多企业在激烈的竞争中，由于决策失误、管理混乱等原因陷入财务危机。这些都将导致股东等利益相关者的利益受损，危害市场的平稳运行。因此，在金融危机的大背景下，探索上市公司陷入财务困境的原因显得尤为重要。财务困境的预测模型一直是企业财务危机管理领域研究的热点，一方面，学者们通过建模方法的改进来提高模型的预测能力，另一方面，尝试构建更加科学合理的预警指标体系，在提高模型预测能力的同时，还能帮助探寻企业财务困境的形成原因。基于指标体系在危机预警模型构建中所起的核心作用，本文对其进行了改进。第一，按生命周期理论将公司样本划分为成长期和成熟期，获得的不同指标体系也利于分析公司陷入财务困境的深层次原因。第二，从杜邦分析法出发，结合Scott的破产理论模型和Baummol Tobin的简单现金存量模型,并引入公司治理、关联交易等因素来选取指标，这不仅奠定了指标体系的理论基础，而且加强了模型的预测能力。本文将生命周期理论引入财务预警，主要对指标体系进行改进以提高模型的预测能力。但是，将财务预警运用在实践中，却是一个浩瀚的工程。我们需要将定量预警模型与定性指标监控相结合，将多层面管理和专家的智能化对策建议应用到预警中，对上市公司进行全面、细致地评价，找到企业实际存在的问题对症下药，才是企业提高生存能力的有效途径。本文首先回顾了国内外学者对财务预警模型的研究状况，同时指出本文的研究思路和框架结构，以及主要的贡献与不足。第二章对财务危机预警研究涉及的相关理论进行展开介绍。第三章对不同生命周期的上市公司进行样本的处理及指标选取，从企业的财务特征出发，探索不同生命周期变量差异的原因所在。第四章对BP神经网络的原理进行介绍，运用BP神经网络分析方法进行模型的构建并给出结果分析。第五章给出了财务预警研究的结论和政策建议。