随着我国经济的不断发展,企业的经营环境越来越复杂,加上外国资本的冲击,上市公司的财务风险需要得到关注。财务风险的不断积累,最终会形成财务危机,这是一个渐进性的过程,因此财务危机是可以提前预警的。目前,已经有很多方法应用于财务风险预警领域,例如多元线性模型、概率模型、BP神经网络等方法。但是这些方法均存在一定的缺点,因此本文希望将深度学习的方法应用于财务风险预警,发挥该方法的特点,进而得到更好的预测效果。深度学习网络的应用目前正蓬勃发展,理论与实践相结合,不断促进其发展,在实际应用领域也取得了显著的成果,例如谷歌的人工智能围棋系统Alpha GO就是使用深度学习的方法构建,在图像识别、语音识别领域也取得很好的成果。由于,深度学习具有自我学习的效果,能够处理从新的数据中不断学习特征,因此是一种适应性很高的方法,这是传统财务风险预警方法所不具有的。本文首先建立了财务风险预警的指标体系,包括反映企业特征的七大类指标,下分23个二级指标,以此较全面的反映企业的状况。由于深度学习网络需要进行训练,才能得到可用于财务风险预警的网络参数。因此本文选取A股全部非ST上市公司2014年的数据,同时选取2008至2016年被ST企业前两年的数据作为训练样本,其中不包括测试样本的数据;测试样本从2016年和2015年被特殊处理的公司前两年的样本中选取,其中正常企业从2014年非ST公司选取。经过训练后得到可以用于案例分析的深度学习网络,选取ST博元作为本文的案例企业,用所得深度学习网络对ST博元2013和2014年的数据进行的预警,结果均显示为具有财务危机,进而对ST博元失败的原因进行了总结。从分析结果来看,深度学习方法应用于财务风险预警能取得较好的效果。最后,以不同主体划分,分别提出了该方法在具体应用中的建议。