自上个世纪90年代起,财务危机预测一直是人们关注的话题,许多知名公司财务危机等金融丑闻频频曝光,使投资者信心受损,危害了资本市场的正常运转,产生了极大的负面影响。我国证券市场经过三十余年的发展,证券规模不断扩大,已经在国民经济体系中占据了非常关键的位置部分企业在不断扩张的同时,财务部分也隐藏了巨大风险。如果能够根据已有的财务数据,判断企业当前的财务状况,及早发现财务危机,不仅企业管理者可以及时发现并采取相应措施,投资者也可以调整投资战略,避免投资有财务危机风险的公司,减少自身损失。在这样的背景下,建立上市公司财务危机预警模型有着重要的意义。上市公司财务状况受到多方面因素影响,本文根据诸多影响因素选取20个指标,构建了上市公司财务预警指标体系。本次研究收集了2008年至2017年共计663家上市公司的有效财务数据,将公司种类分为ST企业、正常企业、取消ST企业,使用主成分分析方法对收集到的财务数据进行降维,为进一步预测企业财务危机困境,提出了基于K-means++和改进RBF神经网络的财务预测模型,并与BP神经网络和RBF神经网络计算结果进行对比分析。实证结果表明,采用K-means+-改进RBF神经网络的组合方法,有助于更好预测企业财务危机,对财务管理风险控制有效。