本文研究的主要目的是论证基于粗糙集和神经网络的预警模型来进行财务危机预警的可行性和有效性。首先利用粗糙集的约简技术知识对上市公司的财务数据进行属性约简,然后利用改进的BP算法即添加了动量添加法和自适应参数调整法的神经网络算法训练网络,并检验模型的预警效果并结合包钢稀土对上市公司财务危机预警进行案例分析,文章最后对构建预警系统过程中所应当注意的问题进行了深入的思考。首先,当今时代不确定性的经营环境和风险因素使企业面临着更为激烈的竞争和严峻挑战,财务危机预警成为研究的热点。总的说来,目前财务危机预警的研究主要有单变量分析、多元线性分析、Logistic回归分析法以及类神经网络模型四种方法。其次,随着粗糙集和神经网络技术的出现和发展,财务危机的动态预警研究已成为可能和发展趋势。正是基于这一现状,本文根据我国证券市场和上市公司的现状,在借鉴国内外学者研究成果的基础上,以沪深两市的A股上市公司为样本进行实证研究,构建了适合我国国情的粗糙集神经网络财务危机预警模型,样本的检验结果显示模型具有一定的有效性和可行性。再次,构造粗糙集神经网络财务危机预警模型的思路主要是,首先利用粗糙集的约简技术知识对公司的财务指标进行属性约简,简化预警指标,然后再利用神经网络的学习功能训练网络,从而预测检验样本企业的危机状况。最后,本文的预警研究主要利用了粗糙集和神经网络的相关技术,采用了SPSS、Rosetta和Matlab等工程软件进行有关数据的分析和处理。