到2009年7月为止,我国上市公司的数量已经超过1600多家,境内资本市场累计为企业融资5.4万多亿元。然而从整体情况来看,我国上市公司的经营业绩不容乐观,突出的问题就是上市公司的亏损面和亏损额有逐年增加的趋势。对于上市公司而言,如果陷入财务危机,不仅危及其自身的生存和发展,也给投资者、债权人带来巨大的损失。因此,对财务危机进行预警研究,具有很重要的意义。本文共选取了120家上市公司为研究对象,其中ST40家,非ST80家。收集这些公司T-2年,T-3年的数据作为样本,共240条记录。并将其分为两组,其中180条(120条非ST和60条ST)作为训练样本,剩余的60条(40条非ST和20条ST)作为检验样本。本文的主要工作有：第一,借助SPSS Statistics 17统计分析软件,研究样本公司财务指标的数据特征,并对ST公司和非ST公司21个财务指标进行显著性检验,得出12个主要指标。第二,利用因子分析精简变量并避免多重共线性的影响,筛选出6个因子,建立Logistic回归模型。第三,借助Matlab建立并实现基于BP神经网络的财务预警模型。第四,通过比较BP神经网络和RBF神经网络的性能得知,RBF神经网络的训练速度和泛化能力都优于BP神经网络。第五,把RBF引入财务预警模型,并用遗传算法优化RBF神经网络。首次提出基于遗传优化RBF神经网络的上市公司财务预警模型。用同样的样本检验结果显示：Logistic回归模型,BP神经网络模型,GA-RBF模型检验样本预测的准确率分别为73.3%,80%,91.7%。而且GA-BP模型训练模型迭代次数是45次,低于BP网络116次。研究结果表明：不论与传统的Logistic回归预警模型相比,还是和BP神经网络的预警模型相比较,该模型具有较高的判别准确率和可靠性,具有较强的优越性和应用价值。最后，本文探讨了本研究的局限性和进一步研究的可能。