随着市场经济的发展,股份公司成为证券市场产生和发展的基础,同时经过长期资本积累得到发展壮大的上市公司成为了证券市场的主体,其经营的状况和业绩都受到投资者、债权人、股东、经营者和管理者这些利益相关主体的广泛关注。由于中国企业在管理水平和竞争力方面与发达国家还存在一定的差距,在经济全球化的过程中遭遇不可预测的风险在所难免。如何应对财务风险直接关系到企业的生死存亡,因此,财务危机预警对提升企业的经营管理水平、增强企业的风险防范能力具有重要的意义。从我国证券市场发展的总体来看,上市公司的经营业绩不容乐观,部分上市公司出现了严重的财务危机,这对投资者、债权人、企业管理者及企业本身而言都是一种潜在的损失。因此,建立及时有效的企业财务危机预警模型对于保护投资者和债权人及其他相关各方的利益具有重要的现实意义。2008年由美国次贷危机引发的金融危机迅速蔓延到全球,虽然这次危机的根本原因是监管层对房地产行业及金融行业的监管不力,但却折射出企业财务危机预警意识薄弱。由此可见,从促进上市公司的发展以及维护投资者、债券人等各方的利益来看,研究建立及时有效的财务危机预警模型很有必要。目前对于财务危机预警的方法可以简要地概括为传统的统计方法和人工智能方法两大类。传统的统计方法的优点在于简单、直观,可以得出具体的解析式,在对整个模型的理解方面存在优势。而传统统计方法的缺陷在于对自变量的限制很严格,往往需要自变量满足一系列的统计特征,如自变量要服从正态分布、自变量间需要独立、具有相等的方差一协方差矩阵。而这些假设仅仅是实际情况的一个特例,与现实的经济环境和情况相去甚远。这使得传统的统计模型不能很好的拟合实际数据,缺乏说服力。在人工智能方法中以人工神经网络模型的应用最具代表性,虽然人工神经网络模型也具有其固有的缺陷,整个过程很抽象,没有具体的解析表达式。但是人工神经网络模型能弥补传统统计方法的缺陷,而被广泛的应用在各个领域的研究中。人工神经网络是在研究生物神经网络的学习能力和运行机制的基础上发展起来的一门新兴交叉学科,是人脑神经网络的结构和功能,以及若干基本特性在理论上的抽象、简化和模拟而形成的一种信息处理系统。它通过物理原理实现了对生物神经细胞信息传递机制的模拟,将信息分布式的存储在细胞与细胞之间的连接权中,通过误差信号实现对权值的调整,从而使人工神经网络模型具备了学习能力,以及有效实现了对非线性函数关系的映射。在财务危机的预警中人工神经网络模型的优势显示在从预警指标的确定、预警模型的构建到最后的检测都是一个客观的过程,没有加入过多的主观假设及判断,使得研究具有很强的规范性。另外,神经网络模型是用大量处理单元广泛连接组成的人工神经网络,实现了信息的分布式存储和并行协同处理,具有容错能力,特别适用于处理需要同时考虑多种因素和条件的不精确和模糊的信息处理问题,及模式识别中的非线性映射问题。而且本文通过建立模型,并对模型进行检验证明了,基于人工神经网络建立的财务危机预警系统的有效性,这使得基于人工神经网络的上市公司财务危机预警模型具有动态性,从而具有很大的应用价值。而其他的一些智能方法在准确性和稳定性方面都不及人工神经网络模型,也不利于实际数据的拟合,在研究中还很少采用。本文在对财务危机进行界定的基础上,对国内外财务危机预警的相关文献进行分析整合,比较分析各种财务危机预警研究方法的优劣,认识到传统的统计方法在财务危机预警研究的应用中存在不足,从而确定了基于人工神经网络的财务危机预警的研究方法。首先,在结合前人的研究成果及财务报表分析理论的基础上初步确定预警指标,同时确定样本公司及财务数据的选择原则。本文选取了沪、深两市2007-2009三年中首次被特别处理的公司中符合财务危机定义的100家公司作为财务危机公司样本,同时选取配对的100家非财务危机公司作为样本,并选取危机发生前两年(t-2年)的财务数据用于研究设计。接下来,对配对样本进行显著性T检验对确定的财务指标进行筛选,确定在财务危机公司与非财务危机公司间存在显著性差异的财务指标。然后,将配对的100组财务危机公司和非财务危机公司随机分成80组的训练样本组和20组的检验样本组,将筛选后的财务指标作为BP神经网络预警系统的输入节点,在建模之前,为了去除不同量纲的影响,需要对输入指标作归一化处理。归一化的作用是归纳统一样本的统计分布特性。运用训练样本的财务数据进行预警模型的构建,并运用检验样本对预警模型进行检验,对基于神经网络的财务危机预警模型的有效性提出结论。在研究设计的最后阶段,应用检验样本组对建立的基于人工神经网络的预警模型进行检验,达到了80%的准确率,依据该准确率及其它一些相关因素,得出该预警模型在实际应用中具有有效性。该模型针对不同的应用主体具有不同的价值：证券监管机构可以应用该模型对上市公司的财务状况进行检测,对上市公司进行引导,维护资本市场的稳定和投资者的利益。银行及非银行类金融机构可以运用该模型对上市公司的财务状况进行评级,以此作为对上市公司信贷业务授信额度及期限的依据。上市公司可以运用该模型对自身的经营及管理做出评价,并将评价结果反馈到经营管理决策中,增强和完善公司的管理经营,提高公司的整体水平。咨询公司可以将模型作为数据分析系统和咨询工具,对投资者或客户提供有关目标公司的财务及经营状况的主要分析。投资者个人可以应用该模型对目标公司的财务状况进行检测,避免不必要的损失,实现收益最大化。本文的创新点主要有以下几个方面：(1)研究的角度比较新颖,虽然说基于人工神经网络的财务危机预警研究在实际的研究中已经存在了,但是在本研究中采用了最新的财务数据,且在2007年实行新会计准则后,上市公司财务信息披露的科学性和公允性有了一定的改善,选择的研究样本数量相对于以往的研究来说更多,使得研究更具有说服力。(2)在财务危机公司样本的选择方面,仔细分析了上市公司首次被特别处理和退市风险警示的具体原因,将日常经营以外的原因导致不能持续经营的上市公司排除,不作为样本公司,弥补了以前研究在这方面的缺陷。(3)在对预警模型的输出结果进行判定时,对判定的原则进行了严格的限制,根据本文的具体影响因素,将判定值限定在[-0.2,+0.2]这个范围内。在以往的研究中,只将0.5作为判定的界限,宽松的判定原则使得模型不具有说服力。(4)提出了该模型的应用价值,在以往的研究中更多的在于对比不同研究方法的准确率,而不是将研究作为实际应用,本文强调该模型的应用,并针对不同主体提出了不同的应用价值。虽然本研究得出了有效的结论,但是由于经验及时间等因素的影响,使得该研究还存在很多值得改进的地方,基于这点本文提出了有关进一步研究的一些建议：(1)财务危机的界定可以进一步探讨。(2)对神经网络的结构和隐藏层节点数目的确定可以进一步研究。(3)输出节点的确定还值得探讨。(4)本文的研究是基于神经网络的财务危机预警的模型,得到比较好的预测效果,但是也只是提供了财务危机发生的可能性线索,基于不同的研究,应该综合考虑不同的研究模型。