非参数密度估计的出现标志着统计学的发展与进步。非参数密度估计的方法有很多，其中核密度估计的应用最为广泛，其范围涉及到医学卫生、天文地理、经济金融等。但是由于非参数核密度估计的大样本性质，实际应用通常需要大量的样本数据和较为复杂的计算过程，这在一定程度上又限制了自身的发展。但随着计算机技术的发展，处理大批数据、进行复杂运算已经不再是一个难题，非参数核密度理论将会在更多领域发挥其重要作用。　　随着我国经济的发展，人们对企业财务预警分析的重视程度越来越高。目前，企业财务预警分析很多都是采用传统的Bayes判别方法，这种方法相比其他参数方法有很好的效果，但是在理论和实际方面也存在着一定的缺陷。传统的Bayes判别分析事先假定总体服从正态分布，而在实例中，并不一定所有的总体满足这个假定，这种情况下传统的Bayes方法就显得不大合适。为了解决这个问题，本文介绍一种非参数的判别方法。将非参数核密度估计和Bayes方法相结合而成的非参数判别方法，即非参数核密度Bayes判别分析方法。这种方法克服了传统方法的不足，事先不需要假定总体的分布，因此适用范围更广。　　为了检验非参数核密度Bayes判别分析方法的优越性，本文首先采用统计模拟的方法进行验证，然后选取一个实例进行实证分析，分别用传统的Bayes判别方法和非参数核密度Bayes判别方法对我国上市公司的财务状况进行判别分析，分别得出两种方法的判别结果。根据模拟结果和实证分析的结果，可以对这两种方法的判别结果进行比较分析，最终证明了非参数核密度Bayes判别方法确实要优于传统的Bayes判别方法，说明非参数核密度Bayes判别分析方法在财务预警中是十分有效的，具有一定的理论意义和现实意义。