近年以来,对上市公司而言,对财务状况进行预测分析已经成为很重要的一项任务。如何建立良好的财务预警模型就更具有重要意义。 本论文首先回顾了国内外研究成果,总结了以前学者所采用的财务预警方法。并分析总结了这些建模方法的优缺点和适用性。在总结以前研究成果的基础上引出贝叶斯网络方法。根据贝叶斯网络的特点以及这种方法在其他领域的成功运用经验,分析出贝叶斯网络方法在应用到财务预警方面将会具有的优势。近年来,国外学者已开始运用贝叶斯网络技术研究管理领域中的问题,贝叶斯网络具有很多优点。由于这些特点,贝叶斯网络能克服传统统计方法研究问题时所要求的“静态”研究变量和必须服从多种常态分配假设等限制,同时也克服了ANN人工智能神经网络黑箱操作的弱点。 本文研究利用贝叶斯网络方法建立的财务预警模型,可以较好的提高预测的准确性。本论文介绍了贝叶斯网络的基本原理和数学基础。并详细介绍了贝叶斯网络的通用构建网络的步骤和具体算法。该方法涉及贝叶斯数学概率理论,并结合使用计算机软件。本论文在第四章中首先进行样本分析筛选,其次对财务指标进行选择,再对所选择的财务指标进行分级,最后进行条件概率运算,通过计算确定各个节点的相关性。根据这些节点的因果关系,来确定节点的位置。如果通过专家知识确定的财务比率之间的关系与通过计算得出的两个财务比率之间的关系不一致,将对节点位置进行调整。最后建立贝叶斯网络模型。 建立模型之后,本文通过2003年深市和沪市上市公司数据样本对所建立的财务预警模型进行测试,准确率达到了92%,结果证明获得了该财务预警模型具有良好的预测效果。并总结出贝叶斯网络方法在财务预警方面的优缺点。对后续研究者提出了一些建议。