近些年,中国市场经济和股市迅猛发展,企业之间存在着激烈的竞争,各类上市企业时刻都面临着陷入财务困境的危险,其中,制造业企业尤为突出。因此,对制造业企业进行财务危机预警,有很重要的现实意义。本文构建了制造业上市公司财务预警指标体系,并使用BP神经网络模型进行预警分析。选取了相同规模以及相同时间段的175家制造业上市公司作为研究对象,其中,115家制造业上市公司作为训练样本,60家作为测试样本。以下三方面内容是这篇论文的特色：第一,不同于以往研究中仅仅利用盈利能力、偿债能力、现金流状况等方面的一些经验指标,本文对21个指标进行因子分析,筛选出具有代表性的8个财务指标,把较多的变量,减少为少数有代表性的变量,在未减少信息含量的基础上降低了模型计算的复杂程度。第二,BP神经网络模型在进行制造业上市公司财务预警方面准确性较高,可以广泛推广。第三,使用案例分析,进一步证明BP神经网络模型适合制造业上市公司的财务预警分析。本文的结论为：第一,选取同一阶段,相似规模,相同时间段的制造业上市公司作为研究对象,预测结果较好。第二,相对于单一变量模型、Z值判别模型、逻辑判别模型,BP神经网络模型拥有容错性、自学习性,预测精度更高,适用性更强。第三,BP神经网络模型对于预测我国制造业上市公司的三种警度的财务状况,预测精度能达到86.7%,预测准确性较高。第四,本文构建的制造业上市公司财务危机预警模型不仅可以帮助制造业上市公司的投资者和债权人正确判断上市公司的财务状况,在他们做出投融资决策时提供有效的参考依据,而且能帮助制造业公司的管理者及时察觉公司的危机征兆,尽早做出补救措施。