财务困境是一个世界性的问题,自上世纪60年代以来,随着企业破产问题的日益严重,各国学者纷纷试图通过定量分析对企业破产提前做出预测。近五十年来,从多元判别分析等线性预测模型,到以神经网络模型为代表的各种非参数预测模型,相关的研究成果层出不穷。但是,在国内对企业财务困境预测的研究才刚刚起步,并且主要集中在对上市公司财务困境预测的研究上,其主要原因有两点:一是1993年7月1日之前我国并没有实施统一的会计准则,缺乏可靠规范的研究数据;二是非上市公司财务数据的获取十分困难。但鉴于目前国内非上市公司的数量远远多于上市公司,因此,研究如何利用国内外现有的研究成果,结合中国的实际对众多国有企业的财务困境做出准确的预测,是摆在我们面前迫切需要解决的问题。沈阳市作为新中国的一个老工业基地,国有企业众多,而且存在着严重的资不抵债和亏损现象。从2003年开始,沈阳市国有企业使用了统一规范的“企业财务会计决算报表软件”,这为进行财务困境预警研究打下了坚实的基础。因此,如果能依靠现有的财务数据建立财务困境预警模型,并借助该预警模型对沈阳市国有企业的财务困境提前做出预测,对于沈阳市国有资产管理者、银行或者企业员工来说,都具有十分重要的意义。本研究以沈阳市的国有企业为研究对象,将亏损额大于折旧额作为企业陷入财务困境的标志。首先对从事本研究的前提进行假设,然后挑选出财务困境企业和非财务困境企业,并把它们按一定条件划分到样本组和检验组。接着对样本组企业的财务指标先进行比较分析,然后利用Logistic回归和BP神经网络两种方法建立财务困境预警模型,并对检验组用财务困境预警模型进行预测,最后比较样本组和检验组的预测准确率。研究发现,由流动资产周转率、资产负债率、销售收入增长率、扣除投资收益的税前销售利润率和税前资产利润率这五个财务指标建立的数学模型具有较强的预测能力。比较两种方法,发现BP神经网络模型对样本组的预测能力好于Logistic回归模型,且对沈阳市国有企业发生财务困境前一年的预测准确率高达95%;但对检验组的预测效果同Logistic回归模型相当。通过本研究,证明了即使企业实行不同的行业会计制度,也可以用数学方法找出事物的本质。本研究用少数的财务指标建立了财务困境预警模型,极大地减少了财务分析工作量,克服了传统的财务分析复杂、费时、费力的缺点。本文共分五部分:第一部分介绍了国内外财务困境预警研究的文献,阐述了本