随着全球经济一体化的到来,市场竞争更加激烈,每一个企业在其经营中,企业面临的市场不确定性及风险也在不断加大,随时都必须防范财务风险,财务困境是每个企业都可能面临的问题。所以,财务困境预警已成为现代企业财务管理的重要内容。公司陷入财务困境,不仅危及其自身的生存和发展,也给投资者、债权人带来巨大的损失。因此,创建财务困境预警系统,对财务运营做出预测,对于经营者、投资者、银行等金融机构、相关企业、注册会计师等做决策都是有重大意义的,无论从哪个立场来分析都是十分必要的。人工神经网络主要具有自适应、泛化、非线性映射、高度并行处理等优越的功能。本文以企业现代管理理论为指导,神经网络模型与仿真试验相结合,构建基于神经网络模型的具有特色的财务困境预警指标体系,试图建立一种便于操作的财务困境预警模型,一种无需对财务指标进行人工处理的方法。本研究利用Matlab工程软件,对上市公司的财务数据训练样本按照神经网络算法进行迭代和处理,使面向对象神经网络的建模及其样本学习训练的可视化得以实现,最后对网络进行预警能力检验。本文分五部分论述:第一部分,阐述了企业财务困境预警系统的选题背景,研究的目的、意义、思路、方法及国内外研究现状;第二部分,阐述了神经网络模型与企业财务困境预警系统的概念、特点、功能框架、构建原则与建立流程;第三部分,分析了传统的预警系统的方法及缺陷,对神经网络方法在财务困境预警中应用的优势及具体实现方法进行了论述;第四部分,阐述了预警系统的总体功能设计方法与程序,以及基于ANN的预警模型新构思,介绍了神经网络预测程序设计以及企业预警系统的功能开发;第五部分,基于神经网络方法的预警系统设计与实证研究,利用所收集的上市公司财务数据,通过使用Matlab软件,在基于神经网络模型下进行了软件实现,并对企业财务预警结果进行的分析论证;第六部分,全文总结和展望,阐述了本文的主要观点、成果以及存在的不足,并对该领域的未来提出展望。实证研究的结果表明,基于人工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,那就是财务指标无法使用上市公司所处行业的平均指标,如果能以所处行业平均数值为标准来分类收集样本数据的话,则其准确性更高,其说服力更强。