针对传统统计方法在企业财务困境预警应用中存在的问题，本文提出神经网络在财务困境预警应用上的优势和潜力。本文依据对财务困境的具体界定，采集了2002-2005年间84家制造业上市公司作为建模的训练样本，并使用同期40家公司作为检验样本，建立了财务困境预警模型。通过对覆盖企业财务状况方方面面的59个财务指标进行筛选，确定在ST前第三年对财务困境具有较强判别能力的12个财务指标作为模型的输入变量，经过对样本的反复训练和学习，分别取得训练样本92.86％和检验样本92.5％的预测准确率，较国内同类预警模型的预测准确率有很大的提高。研究结果表明：BP神经网络是一种非线性映射模式，在指标间相关度较高、呈非线性变化或数据缺漏不全等情况下仍可得到比较满意的结果，克服了传统统计方法在建立制造业预警模型时假设限制严格与样本不足等缺点。因此，BP神经网络在分析和研究我国上市公司的财务困境预警方面，具有广泛的应用前景和应用价值。