企业财务危机预测作为有效防范企业财务危机的关键环节,一直是理论界和实业界关注的焦点问题,专家学者和从业者一直对可以预测经营失败的工具很感兴趣。财务危机是指企业因遭受严重的外部挫折或内部财务活动失去控制而导致财务状况所处的危险或紧急状态,是内部危机因素和外部危机因素的综合反应。企业财务危机预测研究旨在对企业较差财务报表提出警告或管理策略,并进一步完善财务危机预测模型。本研究在对国内外有关企业财务危机预测理论及实践分析总结的基础上，通过对企业财务危机预测指标体系的深入分析,基于模糊层次分析法确定指标权重,建立了基于非线性规划评价方法和椭圆概率神经网络方法的新型企业财务危机预测模型,并对预测模型进行了实证研究。　　本研究在明确企业财务危机预测定义、特征、目标和功能的基础上，深入剖析了财务危机的内外部因素。进而阐述企业财务危机预测的经济理论、预测理论以及拓展理论,以此构建企业财务危机预测研究的理论框架。　　本研究在确定指标权重的过程中,将层次分析法扩展为模糊层次分析法,对模糊层次分析法的性质、算法步骤和优缺点进行论证。这种新的指标权重评判方法不仅可以适用于本文讨论的财务危机预测指标权重的分析,还可以用于决策分析,为科学地预测企业的财务危机奠定了基础。在企业财务危机预测实证研究中采用非线性规划评价方法和椭圆概率神经网络方法构建企业财务危机预测模型。两种方法各有优势,互为补充。基于非线性规划评价方法的企业财务危机预测模型可以通过系数反映专家的主观偏好,使得多目标规划问题具有保序性,具有以下三方面的特点:(1)适用范围广。适用于给出偏好的情况、或者是给出具体评估值的情况;(2)建模的理论依据严谨。应用最优化的理论建立模型,并探讨了模型相关的性质定理;(3)空间复杂度低。该方法可直接用统计软件进行计算;基于椭圆概率神经网络方法的企业财务危机预测模型对于数据的要求较低,允许存在一定量含有噪声的数据。它拥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及代表样本可靠程度的权值指标。这些网络参数可以提高模型的准确度,并计算出重要性指标,预测输入变量重要性。实证结果表明:(1)重要性指标可以显示输入变量对输出变量的重要程度;(2)在分类问题上，该模型准确度较高;(3)无论训练样本多少,椭圆概率神经网络都有较强的预测能力。本研究利用中国上市公司的数据对模型进行了实证分析,实证结果表明,所建模型能够很好地适应财务危机数据的特征,具有较高的预测精度,从而为企业财务危机预测提供了全新的有效模型,也丰富了非线性规划评价方法和椭圆概率神经网络方法在企业财务危机预测领域的应用。　　本研究的主要创新点在于:(1)构建了基于非线性规划评价方法的企业财务危机分级预测模型;(2)构建了基于椭圆概率神经网络方法的企业财务危机分类预测模型;(3)构建了基于模糊层次分析方法的企业财务危机预测指标权重确定模型。　　本研究是针对财务状况两分类的情形进行研究的,将来可以针对财务状况多分类的情形进行研究;此外,结合计算机技术以及信息系统和决策支持系统理论,将来也可以进行财务危机预测支持系统的设计及原型开发工作。