2020年初爆发的新冠疫情不仅给个人生活带来了不便,更给大部分企业带来了不利影响。在此次疫情来临之时,多数企业面临工厂关闭,客户订单骤减,物流运输困难等问题。其中中小企业由于抗风险能力薄弱,2020年俨然成为最艰难的一年,大部分中小企业在疫情期间财务水平出现了不同程度的下降。中小企业作为我国经济的主要力量,对带动经济发展、促进创新就业以及维系社会稳定等方面都有巨大的作用,因此对中小企业的研究具有重要价值。但中小企业在经营管理中具有一些固有弱点,如融资方式相对困难、公司治理体系不健全、风险意识薄弱等等。当内外部环境发生变化时,相对比大型企业,中小企业更难应对各种不利风险,容易出现财务困境。因此,对中小企业财务稳健性的有效评价,对于分析中小企业风险管控和运营管理就具有重要意义。针对目前我国对中小企业财务稳健性综合评价体系不完善、评价指标不健全、工具不统一等问题,本文通过分析疫情下我国中小企业关键财务指标,重新构建了中小企业财务稳健性综合评价体系。在传统的盈利能力、偿债能力、营运能力以及成长能力的基础上,本论文增加了另外一个疫情下的关键财务要素,现金能力的分析,共计20个财务指标。其次本文根据中小企业财务稳健性综合评价指标体系的特点,利用层次分析法（AHP）,结合神经网络模型（BP神经网络和ELM极限学习机）来构建中小企业财务稳健性的评价模型。把各项财务指标作为输入值,层次分析法AHP确认出的综合评价指数作为目标值,分别用BP神经网络和ELM极限学习机对样本集数据进行训练,然后通过测试集进行仿真。最后根据仿真结果,来比较AHP-BP和AHP-ELM模型在中小企业财务稳健性综合评价的表现。为了验证模型理论的适用性,本文收集了 A股上市的874家中小企业2020年前3季度的财务数据,分别使用AHP,AHP-BP和AHP-ELM模型进行模拟仿真。通过最后仿真数据结果分析,BP神经网络和ELM极限学习机在财务稳健性评价方面均表现出了很好的拟合力。从模型精度方面,AHP-BP模型优于AHP-ELM模型,但从时间开销方面,AHP-ELM模型要优于AHP-BP模型。训练好的神经网络模型可以作为一种有效的财务稳健性评价工具,对样本以外的数据进行相应的评价,可以即时做出响应,同时也减少传统评价模型人为带来的失误。