财务风险是企业发展过程中,时刻要防范的主要风险之一。财务风险广泛存在于企业的经营过程或企业的决策过程中,威胁着企业的健康经营。关注企业财务状况,对企业可能发生的财务风险进行评价及预警,对于企业安全稳定的经营至关重要。学术界对于企业财务风险的评价一直是重要的课题方向之一,通过方法和工具对企业的财务状况进行评价,对可能发生的风险进行防范预警,将成为学术界重要的研究成果。本文采用模型评价法,利用TensorFlow框架和DNN深度神经网络模型,结合IT服务业的典型经营特征和财务特征,以企业偿债能力、企业运营能力,企业盈利能力和企业发展能力为风险评价标准,收集了63家公司近4年的财务数据,建立了一个可用于IT服务业财务风险评价的神经网络模型,对IT服务业中的典型代表---神州信息进行了财务风险评价,针对评价结果,对比了企业目前所处行业中的典型竞争对手,进行了进一步的分析与评价,得出了较为客观的评价结果。在本文的研究中,结合前人的研究经验进行了以下的拓展性工作。首先,在判断财务风险标签的过程中,利用SPSSPRO工具对252份上市公司财报进行了风险判断,分别用到了数据缺失值填充、z-score数据标准化、数据降维、PCA主成分分析、聚类分析技术,得到了252份财报数据有风险和无风险的标签,为后续的建模提供了数据基础。其次,使用TensorFlow框架,结合深度神经网络方法建立了一个神经网络模型,对252份数据进行了学习、测试和验证,数据准确度相对较高。最后,在得到深度神经网络的评价结果后,利用比较研究法,对神州信息公司进行了同业对比分析,验证了深度神经网络的评价结果,得到了相对客观的评价结论。最终,本文将多种研究方法相结合,在深度神经网络的模型基础下,结合评价结果,给出了神州信息公司一定的风险建议,为企业规避未来财务风险提供了一定的思路,丰富了现有的文献和研究方法,为后续学者的研究提供了一定的参考。