现代企业面临着各种风险，财务风险就是其中之一。财务风险积聚到一定程度，如果不能及时的采取化解措施或采取的措施有效程度不足，企业就会陷入财务危机。特别是加入WTO后，随着我国银行业、保险业和证券业市场的逐步开放，企业财务环境正在发生一系列变化，这对企业的财务风险管理提出了更高更新的要求。加强企业财务危机的预防与控制，是现代财务理论界与实务界研究的热点问题之一。上市公司财务危机预警的研究在国外尤其是在资本市场发达的国家是一个被广泛关注的研究课题。近年来涌现出大量的利用不同方法构建的财务危机预警模型。其所利用的各种模型各有利弊，尤其是模型的精度和速度有待进一步提高。本文借鉴国内外相对成熟经验，根据我国证券市场的特点，以我国的上市公司公开财务数据为样本，设置财务预警指标体系；通过引入RBF神经网络来创建财务预警模型，利用神经网络领域里的先进技术改进预警模型。本文分五个部分。第一部分主要介绍了财务危机、财务预警的定义。第二部分总结了国内外财务预警研究的理论与实践，并描述本文的研究思路。第三部分通过对样本企业和财务指标的选取，科学地建立财务预警指标体系。选取最近两年被ST的公司，根据相应行业和年份设计了相应的“非ST”样本。所选取的样本新，容量大，可以有效地提高模型的预测精度和对现实的指导意义。第四部分对神经网络进行概述。利用BP神经网络和RBF神经网络分别建立模型，进行仿真实验。结果表明，RBF在财务预警的应用中，预测精度和速度都优于BP神经网络，而且结果非常理想。第五部分是结论，以及对上市公司防范财务危机的建议。