企业财务失败预测一直是过去30年间西方财务管理研究的一个热点，在学术界和实务界引起了极大的关注，判别方法和模型层出不穷。企业财务失败预测模型具有不可忽视的重要性：一、作为早期警告系统，判别方法和模型可以告诫管理者企业是否在变坏，是否应采取有针对性的措施防止失败；二、判别方法和模型可以用来帮助金融机构的决策者对企业作出评价和选择，因为这些模型和贷款决策模型相通。三、预测模型有助于投资者了解公司的运营状况，作出投资选择。 鉴于企业财务失败预测的重要性，国内外运用了诸多方法，如财务比率综合分析法、统计方法(判别分析、Logit方法、近邻法)、专家系统(分类树)和神经网络技术等等。神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，毋需分清存在何种非线性关系，给建模与分析带来极大的方便。神经网络在决策方法中表现得像一个“黑匣子”，它可以模仿专家的思维过程。但目前国内关于运用神经网络方法对企业财务失败预测的研究还不多。鉴于我国二板市场即将开启，在二板市场上市的公司有较大一部分是高科技公司，高收益的同时也预示着高风险，所以对于高科技公司进行财务状况的监控是非常有必要的。 本文运用神经网络首次对我国上市的高科技公司进行了财务失败预测。由于银行对公司的信用评级和对公司财务失败预测所用的方法在很大程度上是一致的，专家的评级结果较好的体现了目前公司距离财务失败边界的远近。所以本论文模拟了银行对上市公司的无担保信用评级结果，据此来划分上市公司目前的状况距离财务失败的远近。本文构建了反映上市公司经营业绩的综合财务预警指标体系；以2000年沪深股市的电子信息、通信、计算机软件、计算机硬件和生物医药板块的共110家上市公司作为样本，通过自学习自检验方式和推广能力检验方式检验了所设计的神经网络的分类能力。结论是总体来说，神经网络的判别能力比较令人满意。样本数的多少和样本本身的质量问题对模型的判别效果有着重要的影响。随着训练样本中样本数的增多，公司财务信息真实性的增强，模型就会训练得越完善，模型的判别能力也越好，检测过程中的误判率也随之减小。神经网络具有诱人的应用前景，神经网络的判别结果会给经营者、债权人、投资者极有价值的信息。