在经济全球化的过程中，由于资本市场的快速发展，企业竞争日趋激烈，加上企业自身内部的认识缺陷，企业陷入危机的风险越来越大。所以，对企业财务危机预测的研究具有很重要的理论及实践意义。本文在分析企业财务风险的基础上，根据企业财务危机评价指标体系的选取原则，进而构建了含有20个指标的评估体系，经过因子分析最终形成5个经济含义较为明确的公因子，并以此作为企业财务危机预测模型的输入。同时，本文根据公因子的得分得出每个样本的综合得分，以企业是否ST作为辅助参考，来划分了三个财务状况的得分区间，其对应了三个财务状况：健康、关注、危机，摒弃了单纯以ST与非ST的划分标准。目前，运用神经网络进行企业财务危机预测，被许多研究者重视，但神经网络每次的预测效果有一定的不稳定性。鉴于此，本文介绍了概率神经网络的原理及Adaboost集成算法，首先对现有的神经网络进行改进得到椭圆概率神经网络，该网络具有三种可通过训练来修正的网络参数：代表输入变量重要性的变量权值、代表样本有效范围的核宽倒数、代表样本可靠程度的样本权值。进而采用能够将任意弱分类器进行组合，改进为强分类器的Adaboost算法去集成该神经网络建立企业财务危机预测模型。该方法考虑了各子神经网络分类器的预测结果和各子神经网络分类器的预测对最终结果的影响程度，为相关研究提供一种新思路。最后进行实证研究，本文选用了作为我国资本市场基石的上市公司中200家作样本，为了增加模型的实用性，本文利用企业(t-2)年的年度财务报告来预测其t年的财务状况，将模型的预测结果与单一神经网络以及传统的概率神经网络进行比较，可见基于椭圆概率神经网络集成的模型对企业财务危机的预测准确率相对较高，证明了该方法是有效的、可行的，对我国企业的财务危机预测有一定的指导意义和应用价值。