随着我国证券市场的不断发展和完善，上市公司的发展状况备受关注，合理界定并有效预测财务困境，建立财务困境预警机制有着重要的理论和实践意义。在这样一个越发开放和紧密联系的市场中，企业一旦陷入财务困境，将影响包括企业自身、企业债权人、企业投资人等所有与之利益产生联系的群体。然而，当前国内外关于财务困境问题的理论研究还非常有限，尚未形成一套全面、系统的关于财务困境问题的理论研究体系。财务困境预测模型的研究主要还停留在使用财务指标进行统计学分析的层面上，如:回归分析法、多元判别分析法、Logit法等。这些统计学方法通常具有的严格的假设前提越来越不能适应研究样本所处环境的要求。　　上世纪70年代一场以混沌为核心的复杂性科学革命的爆发，带来了混沌经济学、演化经济学的迅速兴起，其基本假设适应了经济体所具有的多样性、差异性、可变性、非均匀性等特征，为复杂性科学在经济领域的应用提供了可能性。人工神经网络技术在财务困境上的应用始于上世纪90年代，它特有的非线性和复杂性特征很好的适应了企业生存发展的环境，对传统的统计学方法起到了很好的替代作用。　　本文依据“最大流理论(MFP)”建立了关于财务困境的“自组织人工神经网络模型(SOM)”。该模型假设经济体是一个远离平衡态的复杂开放系统，而这样的一个系统又总是希望能在给定的约束或代价下从外界所获得的广义流最大，并最终达到相对稳定状态。SOM网络模型输入的大量信息经过自我学习和自我适应的动态竞争和变化过程，最终形成样本的稳定运行状态。　　本文的实证研究中，先后选用了两类数据分别建立财务困境的预测模型。第一类数据选用2003年信息技术行业全部上市公司的7项指标作为神经网络的输入，将所有样本的输出信息所代表的运行模式与2004年至2011年该行业所有被ST处理的上市公司作对比验证。第二类数据是从2005年所有未ST的上市公司中随机215家企业的7项财务指标作为输入信息得出动态平衡状态，与215家在2006至2011年间被ST的企业的平衡状态做了对比分析。结果显示，本文中所建立的模型经两类样本数据的验证，对ST企业的判定正确率分别为75％和80％，取得了良好的预期效果。SOM人工神经网络模型无论是从其基本假设条件的适应性，还是判定结果的精确度上来说都能够用来解决上市公司财务困境的判定和预测问题。本文的最后总结部分，对研究方法的创新点，以及可能存在的不足之处也做了说明。