财务危机的发生是一个逐步、渐进的过程,因此财务危机不但具有先兆,并且是可以预测的。正确地预测企业财务危机,对保护投资者和债权人的利益,对经营者防范财务危机,对政府部门监管上市公司质量和证券市场风险,都具有十分重要的现实意义。上市公司财务危机预警的实证研究不仅具有较高的学术价值,而且有着巨大的社会应用价值。本文通过对国内外财务危机预警模型研究领域经典文献回顾,在对已有研究成果进行总结和评价的基础上,选取了我国上市公司中60家财务危机公司和60家财务正常公司为样本,分别采用Logistic回归、贝叶斯判别和BP神经网络模型方法进行研究,建立了预测精度比较高的预警模型。本文的实证研究主要分三个阶段来逐层推进:首先,运用方差分析对反映盈利能力、现金流量、偿债能力、资产负债管理能力和成长能力五大类共22个财务指标进行筛选,选取了能显著区别ST公司与非ST公司的10个指标。在研究的第二阶段,以40家ST公司与同期的40家非ST公司作为分析样本,分别采用Logistic回归、贝叶斯判别和BP神经网络模型方法,建立判别模型。在研究的第三阶段,对以上已建立的三种模型,分别用由20家ST公司与同期的20家非ST公司组成的预测样本进行检验,结果表明:Logistic回归、贝叶斯判别和BP神经网络模型的预测精度都是95%,因此可以认为这三种模型都具有较高的预测精度,管理者可以根据其公司的具体情况选择合适的模型进行财务危机预测,同时结合其他非定量的因素,分析财务危机出现的原因,就可避免财务状况的恶化。