2008年金融危机的再次爆发,波及的国家范围在不断扩大,给各国的金融体制、实体经济带来了不同程度的冲击和危害,各上市公司的财务管理面临着更深层次的挑战,本文以此为切入点,深入研究了上市公司的财务危机预警。本文首先具体分析国内外对财务危机预警的研究现状,对前人的研究成果进行分类整合,结合我国具体国情,界定出适合本文研究的财务危机样本的选取方法。同时认识到传统的统计方法在财务危机预警的应用中存在的不足,本文提出BP神经网络在财务危机预警应用上的优势和潜力,同时将组合预测方法确定为研究的另一突破点,从而确立了基于BP神经网络的上市公司财务危机预警模型的思路。本文选取制造行业的110家上市公司作为研究样本,分别采用主成分分析方法和独立样本T检验方法对原始财务指标进行筛选,建立两个单预警模型(Fisher预警模型和Logistic预警模型)的研究指标,采用SPSS软件构建了单预警模型。最后将两个单预警模型的预测结果作为BP神经网络的输入节点,运用MATLAB7.0神经网络工具箱,做出财务危机的预测结果。研究结果表明:BP神经网络克服了传统统计方法在建立预警模型时假设限制严格和样本要求严格等不足,具有较强的可操作性和显著的预测效果,在财务危机预警方面应用前景广阔。