金融证券市场是一个极为复杂的经济系统,已成为资产管理者和金融研究学者广泛关注的领域,是影响我国国民经济的重要组成部分。虽然近几年我国上市公司的数量不断增涨,规模也在不断扩大,但大多数上市公司都普遍存在经营业绩不佳和抗御风险能力较弱等问题。建立有效的财务危机预警系统能够帮助企业预防财务危机,保障企业的正常运营,进而促进国民经济的发展。本文在对财务危机概念进行界定时,结合我国上市公司的实际情况,将被ST(特别处理)的上市公司作为财务危机标志,以制造业上市公司为研究对象。并根据一定的指标选取原则从反映制造企业财务状况的七个方面初步确定28个财务预警指标,建立了制造企业的财务预警指标体系。为解决BP神经网络容易陷入局部最优和收敛速度慢的问题,提出用人工蜂群算法优化BP神经网络的初始权值和阈值,并构建了人工蜂群优化BP神经网络(ABC-BP)模型。本文首次将ABC-BP模型用于财务危机预警,通过训练样本和检验样本t-2年至t-4年的数据对第t年的财务状况进行预测,将仿真实验结果与传统的BP神经网络模型和遗传算法优化BP神经网络模型比较,证明本文构建的ABC-BP模型具有更高的预测能力,且优化后的网络模型加快了收敛速度。并以“上海贝岭”上市公司为例进行模型的应用,结果证明了模型的有效性。本文的主要结论如下:(1)本文所建立的财务危机预警指标体系系统且全面,预测效果显著。(2)应用人工蜂群优化BP神经网络的预警模型预测精度较高,有较强的推广实用价值。(3)本文以制造业为例构建的财务预警模型,为企业管理者提供一定的参考价值。