因财务危机导致企业经营陷入困境，甚至宣告破产的例子一直屡见不鲜。但任何财务危机都有一个逐步显现、不断恶化的过程，因此有必要对企业的财务运营过程进行跟踪、监控，以便及早地发现财务危机征兆并对此采取行之有效的措施，以降低企业的经营风险。创建财务预警系统，对财务运营做出预测预报，无论从哪个立场来分析都是十分必要的。经营者能够在财务危机出现的萌芽阶段采取有效措施改善企业经营，预防失败；投资者在发现企业的财务危机萌芽后能够及时处理现有投资，避免更大损失；银行等金融机构可以利用这种预测，帮助做出贷款决策并进行贷款控制；相关企业可以在这种信号的帮助下做出信用决策并对应收帐款进行有效管理；注册会计师则利用这种预警信息确定其审计程序，判断该企业的前景，降低审计风险。因此现代企业管理应以稳健经营为原则。在发现经营风险和财务危机时，及时制定出应急方案，化解财务危机，降低财务风险。 在国外已经形成了一套比较完整的财务预警系统，因此借鉴国外一些成功的经验并结合我国的国情建立一套比较实用的财务预警系统是完全有可能的。当前国内外的财务预警系统大多采用定量预警中的多变量财务预警模型，这些模型是建立在统计学的基础之上的，因此财务指标必须符合统计学对数据的严格要求，如：回归、正态分布等，也就是对财务指标的处理非常困难。为解决这一问题，笔者利用BP神经网络技术试图建立一种便于操作的财务预警模型，一种无需对财务指标进行人工处理的方法。 BP(Back-Propagation)神经网络是一种具有定向学习特点的计算机技术，是模拟人的大脑进行自我调整、自我学习的人工智能技术。典型的BP神经网络由输入层、隐含层、输出层组成，每层含有多个节点，相邻两层之间节点形成相互连接，但同层各节点互不连接。由于该网络具有自我调整、自我学习的特点，可以把所有影响财务风险大小的财务指标考虑进去。其计算原理是BP算法，然后对样本进行训练与测试，具体的计算过程是： 根据企业所处的行业确定财务状态，从不同状态中取一定数量的样本数据作为输入层的节点；再把理想财务状态输入输出层的节点；利用计算工具MARBLE6.5进行计算，为了把误差率控制在一定的范围之内，在计算的过程中计算机会根据输入层与输出层的数据进行附权值与阀值。这样就会得到一组权值与阀值。得到权值与阀值之后，把要测试的样本数据输入输入层的节点对其进行测试，看得到的输出结果与理想财务状态结果的误差是否在一定的范围之内。若在范围之内则可以作为财务预警模型，对要做决策的企业的财务风险进行判定。实证研究的结果表明，基于BP神经网络的财务预警方法是可行的。当然该模型也有其自身的缺点，那就是隐含层的节点数为多少的问题。节点数的确定需要不断的对样本进行训练、测试，最后在达到收敛时的节点数才符合要求，这一过程的工作量极大。