近年来金融乱象频发,金融风险是国家和社会关注的重点问题,构建金融预警模型对防范金融风险意义重大,本文以国内外相关研究文献为基础对我国金融风险预警进行了深度研究。理论方面,总结国内外文献中有关金融风险预警的理论方法和研究成果,比较分析了国内外现有的主流金融风险预警模型及其优缺点。基于理论采用创新方法对我国金融风险进行研究:运用神经网络分位数回归算法以及两种机器学习算法分别对2018年及2019年前三个季度的金融稳定状态进行预测,通过理论与实践相结合的方法研究我国金融风险预警。本文选取了2010年至2017年24个指标季度数据建立初始金融预警指标体系,在此基础上运用聚类分析以及非参数统计方法中的秩和rank-sum检验和Kruskal-Wallis单向评秩方差分析进行指标筛选,最终保留14个金融预警指标。由k均值聚类和主成分分析方法将金融风险分为安全、基本安全、警惕、危险四种风险状态,继而基于神经网络分位数回归模型、随机森林算法建模、逻辑回归算法建模分别建立了我国金融预警模型对金融系统的运行情况进行预测。预测结果表面神经网络分位数模型相比于其他模型准确性更高,能对我国金融环境的稳定状态做出更合理的解释,具体结果显示出2018年第三季度和2019年第一季度金融风险均处于高度警惕状态,2019年第二季度和第三季度金融风险处于危险边缘。基于逻辑回归算法得到2018年和2019年我国金融稳定状态均不安全,需引起重视。本文创新性地采用了具有前瞻性和时效性的指标体系,将互联网金融等领域的统计指标纳入本文指标体系,应用神经网络深度学习算法与分位数回归相结合来预测风险,并通过两种热门前沿的机器学习算法建模对比来验证神经网络分位数回归算法的科学性和准确性。