近年来，世界经济日趋动荡，金融危机屡见不鲜。随着我国加入WTO，经济改革不断深化，资本市场快速发展。作为企业改革的先锋——上市公司，时刻面临经营失败陷入危机甚至破产的危险。上市公司一旦陷入财务危机，不仅危及自身，而且会给投资者、债权人带来巨大损失，甚至影响到资本市场及国民经济的稳定。因此，对上市公司财务危机预警进行研究具有重要的意义。 国外对上市公司财务预警问题的研究远远早于我国，现已建立了一系列完整和适用的方法。我国受客观经济因素、特有的破产制度及数据获取的困难性所限，对财务预警问题的研究起步较晚。国内研究上市公司财务危机的模型大多是参考国外研究的结果，较少从实证的角度建立适合我国上市公司财务危机预警的模型。 本文阐述了财务危机预警的基础理论，根据我国现实情况和预警模型自身特点，采用神经网络模型来预警我国上市公司财务危机状况。利用上市公司披露的财务报表所给指标，结合神经网络的固有特点，构建出上市公司财务危机神经网络预警模型结构，并就此模型进行建模预警。为了进一步提高预警精度和运算收敛速度，引入遗传算法对神经网络模型参数进行优化。通过两个模型的实证比较，得出GA-BP模型在性能上比BP模型有一定的提高。结果表明基于神经网络的财务危机预警模型预测能力较强，准确率较高，有较好的应用价值，可以为我国资本市场监管和发展提供帮助。