在政策的影响下,房价高涨得到控制,房地产企业也开始转型发展。从房地产企业的发展来看,房地产企业大部分具有较高的负债率,在资金来源以及销售端受控的情况下,对房地产企业的发展带来较大的挑战。随着政策的收紧,部分房地产公司,如恒大集团,多笔债务违约并爆发财务风险事件,带来不利的社会影响。因此,在房地产企业转型的背景下,需要进一步关注房地产企业可能存在的财务风险问题,对可能发生的房地产企业的财务风险进行预警。本文以房地产企业为研究对象,分析对房地产企业财务风险具有影响的指标,并构建房地产企业财务风险的预警模型。首先,对房地产行业的企业从宏观因素以及微观因素出发,分析影响其财务风险的各项因素,并构建房地产企业财务风险评价的指标体系。其次,采用因子分析以及TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS）方法,对上市房地产企业的财务风险进行评价,根据评价结果确定存在较高风险的房地产公司。第四,采用GMDH（Group Method of Data Handing,GMDH）神经网络模型构建房地产企业的财务风险预警模型,阐述构建财务风险预警模型的详细过程以及采用遗传算法优化预警模型的详细过程。第五,基于83家上市房地产企业2013年到2021年的财务风险评价结果样本,进行实证分析。最后,提出加强房地产企业财务风险预警的对策建议。本文的研究结论如下:（1）基于对房地产上市企业财务风险影响的内外部环境因素,构建偿债能力、营运能力、盈利能力、发展能力、现金流量、综合能力、治理能力、宏观因素等用于评价上市房地产企业财务风险的指标体系。采用TOPSIS与因子分析,得到不同房地产企业每年的财务风险评价结果,其中万科等房地产企业的财务风险状况相对较好。（2）基于上市房地产企业的财务风险评价样本数据,对GMDH神经网络模型进行实证分析。GMDH神经网络模型对上市房地产企业的财务风险等级的预测具有较好的效果,对比BP神经网络模型,在查准率上提高0.164,在查全率上提高0.26,在准确率上提高0.166,在真负率上提高0.279,在AUC上提高0.157。（3）从上市房地产企业财务风险预警指标的中重要性评分可见,在内部影响因素中,资产负债率、现金流动负债比率、应收账款周转率、流动比率的影响排在前列。从宏观指标来看,政策密度与GDP增具有重要影响,再次印证房地产企业发展具有与经济发展相关的周期性,并且与受到宏观政策调控的影响较大。