僵尸企业的存在扰乱了正常的市场秩序,造成社会资源的无端耗费,且易触发系统性的金融风险。因而,关于僵尸企业的预警研究对于新常态下推动经济发展质量的提升,有着极大的现实意义。本文以沪深两市制造业与采矿业两个产能过剩重灾区板块的个股样本作为研究对象,在广泛文献研究的基础上,以“在t年度首次被FN-CHK识别为僵尸企业,且至少持续至t+1年”作为识别方案,通过显著性检验、主成分分析、数据清洗、数据归一化等多种预处理手段建立基于合并年报财务比率的预警体系,利用二分类Logistic回归模型和BP神经网络模型进行实证研究,对模型进行了合理的解释,并分别从企业自身与监管层面给出了相关政策建议。研究结果发现,采用所构建模型均具备良好的预警能力。同时,由于企业经营效益的发展演化是一个渐进累积的过程,相较于以Logistic回归为代表传统的线性、结构化的预警方法,BP神经网络更能做出充分的反馈,对于僵尸企业的预警具有积极的意义和价值。盈利能力和创现能力在对僵尸企业的预警中起着关键的作用,具体地,每股收益和总资产报酬率、净利润(同比增长率)和经营活动产生的现金流量净额(同比增长率)是影响企业是否被判定为僵尸企业的最重要因素。