1、財務困境已成為一個世界問題，因為它會極大地影響投資者、信貸者以及銀行官員的財務決策，審計人員也需要通過財務困境的判別和預測來獲取財務信息．公司陷入財務困境是一個逐步的過程，不但具有先兆，而且可以預測．正確預測公司財務困境，對于保護公司投資者和債權人的利益、對于管理者防范財務危機、對于政府管理部門監(jiān)控上市公司質量和證券市場風險，都具有重要的現(xiàn)實意義。 有很多方法可以用于解決財務困境預測問題，其中用的最多的是統(tǒng)計方法，包括多元判別分

2、析法(MDA)、Logit法和Probit法。由于有些變量分布并不符合MDA所需要的統(tǒng)計假設，所以使用MDA方法有可能導致判別結果產生偏差．決策樹、Logit法和Probit法是MDA的替代方法。但它們同樣要求樣本滿足一定的統(tǒng)計假設，而這些統(tǒng)計假設也限制了這些方法的應用． 本文首先依據對財務困境的具體界定，選取了60家處于財務困境的企業(yè)和同期60家正常企業(yè)為研究樣本，參考國內外的研究模型，對上市公司t-3年的常規(guī)財務指標數(shù)據和現(xiàn)

3、金流量財務數(shù)據進行了正態(tài)性檢驗、均值差異非參數(shù)檢驗和Spearman非參數(shù)相關分析，從28個財務指標中選取了具有較強判別能力的14個財務指標作為模型的輸入變量．然后針對傳統(tǒng)統(tǒng)計方法的局限性，建立了BP神經網絡財務困境預警模型．最后針對BP網絡的不足建立了粒子群優(yōu)化BP神經網絡財務預警模型．研究結果表明：在上市公司ST發(fā)生的t-3年，這14個指標都能具有較強的信息時效性，兩種預警模型對檢驗樣本的預測準確率分別為80％、85％，實證結果顯示