证券市场中，一只股票的价格会受到多种因素的影响，而最基础最重要的因素还是公司的财务状况。无论是经典的现金流折现模型，还是市盈率方法，估值的基础都是公司的各项财务指标。一个经营状况良好、连年盈利的公司，其股价的估值将随之攀升。而一个经营出现问题、面临财务风险的公司，其股价的估值也将下降。对于证券市场中的投资者，其参与投资的目的是为了获取投资收益。如果一家公司出现财务风险，投资该公司股票的投资者将可能面临投资收益下降甚至是遭受损失的风险。　　近年来，我国经济逐渐步入新常态，供给侧改革的不断进行，宏观经济增速放缓所带来的阵痛逐渐开始凸显。2013年至2015年，A股市场中出现亏损情况的公司比例逐年上升，2015年更是达到了12.28%，多达351家公司出现亏损。经过进一步对历年的亏损公司分析发现，根据证监会行业分类，在多达90个行业大类中，历年亏损的公司中处于化学原料和化学制品制造业的几乎都在10%以上，行业内的亏损率也是连年第一，是一个名副其实的“重灾行业”。因此，对于此类“重灾行业”建立财务预警模型，进行财务预警研究以指导投资者投资就具有了非常现实的意义。　　在传统的财务预警研究中，研究者多是站在公司管理者的立场，对于财务危机这一研究中的关键的设定也倾向于公司管理的目的。而本文将站在二级市场中投资者的立场进行研究财务预警研究，这在财务预警研究的切入角度中是一项创新，该创新使财务危机预警研究的内涵更加丰富。但是现有的危机定义对于指导投资有很大的局限性，因而本文需要探索在以指导投资为目的时财务危机的定义，尝试克服现有定义的局限性，建立一套符合本文研究目的的财务预警体系。　　基于以上分析以及国外的财务预警研究中，本文发现“ST”制度下的预警体系是最符合本文研究目的的预警体系，但是“ST”制度下的预警体系有着不适合创业板等局限性。本文基于“ST”制度，对其局限性做出了种种分析并对局限性相关的设计做出改良，发展出净利润、净资产、经营活动净现金流量相关的三条判别指标，并依此构建出了“正常”、“关注”、“预警”三元预警体系。满足了对于新角度下预警体系的设计要求与预警目的。　　同时在传统的研究中，研究者往往都是采用统计或是计量的方法建立财务预警模型。我们知道统计与计量模型对于样本数据都有很强的理论假设，但现实中公司的财务数据很难满足这些假设。虽然财务预警研究不断在发展，并且取得了很多的研究成果，但是在理论基础方面一直较为薄弱。而本文将采用BP神经网络建立财务预警模型。BP神经网络对于样本数据没有较强的理论假设要求，拥有很强的适应性。利用该适应性，本文将尝试引入传统模型中无法处理的非财务指标作为预警指标。这在财务预警研究的内容上也是项创新。　　因而对于预警指标的筛选。本文不仅从资本结构、偿债能力、盈利能力与运营能力四个方面出发，筛选出19个符合各方面要求的传统财务指标。同时将审计意见这一非财务指标采用了“0-1”法引入模型，最终确定了20个预警指标。　　接下来本文开始对神经网络模型进行设计并进行实证检验。根据筛选的预警指标与设计的预警体系，确定了输入节点为20个，输出节点为3个。并根据经验公式与试凑法，确定了隐含层节点数为25个。再根据本研究中的样本情况，确定学习算法等设置，完成BP神经网络的完整设计。通过对神经网络的训练，在仿真预测中该模型能够实现90%左右的预测准确率。而剔除审计意见指标的对比结果中，预测准确率十分不稳定。　　最终的实证结果充分体现了BP神经网络的优势，证明了本文设计的预警体系与筛选的预警指标符合实际要求，审计意见指标引入恰当且有效，对于财务预警的创新探索研究取得了一定的成果。