伴随着人工智能的不断进步,机器学习引领的“金融科技”掀起一场新的浪潮,其应用遍及各个领域。与此同时,受外部金融危机和市场竞争的影响,企业面对的财务风险也不断增多,因此,寻找合适的财务预警模型一直是国内外学者研究的重点问题。不同行业的财务预警模型有不同的特点,本文以制造业上市公司为研究对象,制造业是国民经济的支柱,并且在A股市场中制造业上市公司占比重大。本文采用定性与定量相结合的方式。阅读了大量相关经典文献和书籍,总结了实践经验,从内外两个方面分析了上市公司财务危机形成的背景原因,梳理了财务危机预警的重要性和功能。在模型的构建方面,从财务因素和非财务因素归纳了影响财务危机的指标,选取2016年—2018年首次被特别处理的制造业ST公司,与之对应,按照1:1的比例选取资产规模与行业相近的非ST公司进行配对,共确定120家公司,其中训练样本100家,测试样本20家。运用多重共线性检验、KMO和Bartlett球形检验和因子分析检验后,筛选出了具有价值的六大预警指标。在此基础上,利用MATLAB中trainlm算法训练神经网络模型,最后检验测试样本得出模型的准确率达到80%,说明模型能够判断公司是否出现财务危机。最后针对制造业上市公司财务风险提出了五点建议:(1)建立透明和高效的内部控制制度,完善内控流程;(2)制定合理的借款计划和还款计划;(3)加强现金流管理,并使之与公司战略发展相融合;(4)增强上市公司盈利能力和成长能力;(5)提升上市公司市场价值,扩大销售市场的份额和资本市场的市值。