近年来,随着世界经济的快速发展,国家间联系同益加强,跨国投资日益增长和经济全球化、自由化的不断深入,世界各国的经济系统相互依存度越来越高。在世界经济高速发展的今天,新兴市场国家逐步展现出其在全球经济中的重要作用。但是,在过去的几十年中,许多新兴市场国家的经济系统危机频现,这对全球经济造成了巨大冲击。在多次危机之中,尤以债务危机与货币危机发生频率最高。为此许多学者将目光集中于寻找一种能够对危机进行预警的数学模型之上。由于数据的易得性和对危机的定义相对简单准确等原因,多年来多数文献倾向于对于货币危机的研究而忽略了另一重要的危机类型,即债务危机。近年来,随着技术手段的不断提升以及网络,电视等媒体的快速发展,对于债务危机预警的研究变得更加容易。　　本文以新兴市场国家为研究对象,共选取560个研究样本,并根据相关文献定义,将其划分为发生危机国家与未发生危机国家。通过对债务危机发生原因的相关文献的研究分析,选取了一系列能够反映一国债务健康状况的经济指标,并利用BP神经网络和自组织竞争网络这两种人工神经网络中的代表性网络进行研究。　　通过使用上述方法对样本进行建模并模拟后,发现BP神经网络对新兴市场国家债务危机有着良好的预警能力,能够以较高准确率发出预警信号。而自组织竞争网络则由于其自身特点,无法得到理想结果,经过分析,主要原因可能为所收集到的数据不满足使用该网络的条件,在以后的研究中,应注意这一问题。