随着我国市场经济体制改革的深化和资本市场的快速发展,经济领域中的复杂性、不确定性日益凸显,企业发生财务危机乃至破产倒闭的情形越来越多,尤其是上市公司,它是中国证券市场的基石,其质量的好坏与证券市场的稳定与发展息息相关,因此,需要建立一个有效的财务危机预警系统,已经是刻不容缓的财务管理研究课题之一。　　本文利用上市公司所披露的会计信息建立财务危机预警模型,将Fisher判别模型、主成分分析模型、Logistic回归模型以及BP神经网络模型这四种模型从理论和实证两个方面进行比较分析。首先阐明了财务危机预警基础理论,界定了财务危机概念。其次,结合公司治理结构、审计意见、关联交易等非财务因素,设计一套包括27个财务变量和12个非财务变量的财务预警指标体系。然后以我国沪深两市 A股170家上市公司为研究对象,研究财务危机发生前两年至四年内39个变量的差异,挑选出16个变量进入模型。本文选取50家ST公司和50家非ST公司为建模样本,建立三年的财务危机预警模型进行实证分析,并利用70家上市公司作为检验样本,对几个模型的预警效果进行比较检验。　　实证结果表明,这四种模型都具有良好的预测效果,BP神经网络模型优于Fisher判别模型和 Logistic回归模型,主成分分析模型的预测效果次之;模型前两年的判别率都在81.43％以上,模型具有很强的判别能力,可用于外推预测。这些模型进一步完善了财务危机预警理论,模型适用于预测上市公司财务危机问题。