目前,随着互联网技术和社会经济的发展,很多企业面临着外部环境竞争大、内部管理混乱和资金链断裂等各种问题,由于受到各种影响因素的制约,使得企业出现了严重的财务风险,不但危及企业自身的生存与发展,也给投资者、债权人以及众多利益相关者带来重大损失。因此,建立一个适用于我国企业的财务风险预警模型具有重要的现实意义,以期通过预警模型及时地发现问题,提出有效措施,降低财务风险,让企业健康的、持续的发展。本研究采用定性与定量相结合的方法,以目前财务风险较为严重的电子信息行业为对象,以2013年至2020年为研究期间,以126家上市公司为样本,对企业财务风险预警问题进行了系统研究。首先,对财务风险预警基本概念、预警方法、国内外研究现状进行了梳理;其次,根据行业特征、企业内部管理结构以及证交所对企业退市预警的条件,从财务与非财务两大视角选取36个财务风险预警指标。其中,财务指标包括企业的盈利、偿债、发展、营运及现金流量等方面,非财务指标包括股权结构、公司治理、审计报告、诉讼仲裁等。通过指标的检验和约简,最终确立由9个指标构成的财务风险预警指标体系。并根据证监会新发布的股票上市规则,利用指标界定法结合相关指标划分财务风险等级;最后,运用粒子群算法优化BP神经网络模型,构建PSO-BP神经网络的财务风险预警模型,并进行仿真实验。为检验模型的有效性,同时构建BP神经网络模型和GA-BP网络模型,对比三种模型的财务风险预测精度,进而明确模型优劣性,得出研究结论。研究结果表明:新增加的商誉和股权质押指标对财务风险预警有显著作用。基于PSO-BP神经网络的财务风险预警模型的预测准确率达到86.4%,并且通过模型稳健性检验,说明本文构建的财务风险预警模型合理,具有应用价值;通过与基于BP神经网络和GA-BP神经网络算法的预警模型的预测结果对比发现,PSO-BP神经网络预警模型优于其他两种模型,预测精度更高,能够更好地对企业财务风险进行预警。