1998年，我国进行了住房货币化改革。随后，房地产行业被确定为我国的国民经济支柱产业。近年来，我国房地产行业仍然处于高速发展的状态。但是，伴随着大规模的地域扩张，房地产行业的优胜劣汰进程也越来越快。随着我国宏观经济调控政策（如土地供应、房屋预收、银行贷款、个人按揭等方面）的出台，房地产行业所处的经营环境也发生了很大的变化。从房地产行业所处的外部条件来看：2005年“国八条”、2006年“国六条”、2013年“国五条”的相继出台，土地房屋交易方式、交易费用的变革，以及国家对房地产行业的宏观调控（政策环境严厉、融资环境欠佳、项目成本攀升），整体形势较为严峻。我国的房地产企业起步晚、基础差、规模小，远未实现规范化，许多房地产企业由于较高资产负债率已经出现了资金紧张、经营困难的局面，现实的各种风险和危机都给房地产上市公司带来了诸多不确定性的影响，财务危机成为其中最为关键的影响因素。房地产行业其资金投入大、开发周期长、变现能力差以及受不确定因素影响明显的特点更决定了房地产行业必然会面临巨大的财务风险。因此，根据目前的财务数据进行财务危机的提前预测，在财务危机出现萌芽的状态给予提醒，使公司采取相应的措施，从而预防财务危机发生与发展对于公司来说是十分重要的。人工神经网络作为一种非线性建模和预测方法，具有良好的非线性品质及较高的数值逼近能力和泛化能力。它通过模拟大脑神经元处理、记忆信息的方式对各种错综复杂的信息进行知识识别分类和目标预测。人工神经网络已被广泛应用于预测研究，并获得了良好的效果。本文采用神经网络的方法，根据最新的数据资料，构建房地产上市公司的财务状况评价模型并检验其成果。本文在对财务状况评价的机理和关键财务指标分析的基础上，提出了基于粗糙集的财务指标属性约简方法，设计了财务状况评价模型的构建流程和检验标准，建立了基于BP神经网络的财务状况评价模型。在此基础上，利用matlab软件采用146家房地产上市公司的2007‐2012年财务数据进行了研究，结果表明，基于BP神经网络的财务状况评价模型是可以对房地产公司的财务状况作出评价。为财务状况评价、财务危机预测提供了一种新的方法。