随着我国市场经济的改革和资本市场的发展，我国的企业已逐渐被推向了市场，企业财务困境预警这一国际性的问题也日益被提上了议事日程。上市公司的财务状况，极大地影响了投资者、债权人、管理层等多方面利益主体的财务决策。建立有效的预警模型，提前察觉危机，已成为当前亟待解决的问题。 有很多的方法可以用于建立财务困境的预测模型，一般可分为定性法和定量法两大类，其中定量法运用较为广泛。定量法主要包括了多元判定方法、Logit回归分析法和Probit法，此外，就是本文要采用的神经网络方法。 本文结合企业财务管理学和会计学相关知识，将BP人工神经网络模糊分类技术应用于上市公司财务困境的预测中，采用MATLAB7.0神经网络工具箱，尝试探索一种新型的不依赖输入变量线性要求的上市公司财务状况预测分类方法，为上市公司财务预测的研究提供一种高效而可靠的预测模型。 本文以我国深、沪两市的上市公司作为研究对象，以2004-2006年作为选定样本公司的年限，以*ST作为财务困境公司的定义，经过显著性分析从初选的18个财务指标比率筛选出10个，以首次*ST 3年前的数据矩阵，构建训练和检验神经网络的特征输入矢量；以0,1特征量对财务状况进行分类，财务正常公司目标输出用1表示，反之用0表示。本文选取了96个训练样本，23个检测样本，经过多次反复试验之后，训练样本的预测精度达到了99.06％，检验样本的预测精度达到86.96％，较国内同类预警模型的预测准确率有一定的提高。