企业经营的不确定性风险随日益复杂的市场环境加剧,财务危机频发。企业发生财务危机常常表明企业可能存在综合危机,一旦企业深陷财务危机,可能无法保证企业正常的资金链,严重时可能影响企业持续经营甚至使企业破产清算。信息技术业高成长、高风险、高收益的特征使得该行业发生财务危机可能性更高,并且财务危机的发生会使行业内公司更迭更为频繁,危害性更大。因而就必须建立有效财务危机预警模型,防控财务危机风险发生。BP神经网络可以高度拟合非线性函数关系、具有良好的学习适应能力、高度并行计算及处理信息能力,将BP神经网络运用于预警财务危机可以快速适应经济环境变化的影响,预测结果准确度较高。本文选择中国信息技术业的全部上市公司为研究对象,借鉴国内外学者研究及信息技术行业特征,建立行业特征显著的财务预警指标体系。反映财务危机的指标多,指标间的关系复杂,财务危机预警工作开展难度大,应该对其进行初步筛选和优化。而BP神经网络方法具有分类准确度高、学习能力强的特点,使得其在财务预警方面具有一定的潜力。通过运用BP神经网络,以此构建信息产业上市公司财务风险预警模型,并对其进行仿真检验,以验证BP神经网络在预警财务危机的精确度,以期望对信息技术业预警财务危机提供思路。对发生财务危机的企业前3年的面板数据为样本进行预警,结果显示:BP神经网络预警信息技术业,模型训练性能较好,测试精准度较高,识别能力较强。无论是财务危机企业还是财务健康企业,t-1年的指标数据构建的BP神经网络模型测试的精确度均高于t-2年、t-3年的测试精确度,t-3年、t-2年、t-1年的综合正确率分别为87.74%、91.51%、95.28%。由此可以见,BP神经网络预警财务危机具有很好的适用性,模型的预测准确度均高于85%,并且越临近财务危机发生年份,指标数据中包含的预警信息越多,预警效果越好。