【摘 要】
【摘要】本文將遺傳算法與BP神經網絡結合起來，對我國制造業上市公司進行實證分析，結果發現遺傳神經網絡預測準確度達到91.67%，高于Logistic回歸模型的76.67%和BP神經網絡預測模型的88.33%，是一種準確度更高、性能更優的預警模型。
【關鍵詞】財務危機預警 BP神經網絡 遺傳算法 t檢驗
隨著全球化的不斷深入，企業間競爭日益激烈，企業發生財務危機甚至破產清算的現象越來越多，同時隨著信息技術、網絡經濟的迅速發展，留給企業應對風險的時間越來越短，如何盡早地發現并防范危機已經成為了企業界與學術界面臨的重大問題。因此，建立合適的財務危機預警模型，及時、準確地對財務危機預警，能夠幫助企業經營者預測并降低經營風險、提升企業的反應能力，為貸款者提供貸款的風險預警，為政府監管機構提供監視上市公司財務狀況新的手段，維護資本市場的穩定健康發展。
幾十年來，理論界圍繞如何更加準確的預測財務危機開展了多種多樣的研究，研究的重點主要集中在如下三個方面：①企業財務危機的界定；②財務危機預測方法的研究；③建模指標的選擇。本文主要介紹了基于遺傳神經網絡的上市公司財務危機預警方法，并進行了相關實證分析。
