企业发生财务危机甚至破产，将造成投资损失、员工失业、信贷无法收回，从而影响到国家经济发展、金融安全和社会稳定。因此研究财务危机产生的原因，建立精準的预测模型，提早预测并防範危机的发生，一直为各国所重视。我国在该领域研究起步稍晚，主要使用统计方法建模，许多人工智慧方法尚未得到套用，本文试图填补这一空白，建立了多种预测模型并进行比较，以便寻找更优的预测方法。 本文以我国沪深A股上市公司为研究对象，将被特别处理的ST公司视为财务危机公司，选取了376家公司数据做样本，其中ST公司188家，与其配对的健康公司188家，使用21个财务比率建立了Fisher判别、Logistic回归、遗传算法、神经网路、案例推理和粗糙集预测模型，并比较了各模型的优缺点。 结果表明，使用遗传算法、案例推理等智慧型方法可以获得不受统计约束且预测準确率更高的模型。遗传算法模型成为本文最优预测模型。 本文创新点主要包括：建立了基于遗传算法的规则积分财务危机预测模型Score-sign、基于遗传算法和适度财务指标的改进型规则积分预测模型Score-sign-Ⅱ，以及基于遗传算法、适度指标和Gauss函式的改进型规则积分预测模型Score-sign-Ⅲ；建立了基于遗传算法和Sigmoid函式的规则积分预测模型Score-Sigmoid；建立了遗传模拟逻辑斯蒂模型GA-Logistic及遗传模拟线性判别函式模型GLS；使用遗传算法建立了IF-THEN判别模型；建立了主成分BP神经网路财务危机预测模型；建立了使用遗传算法确定权重、Logistic回归标準化係数绝对值做为权重、Logistic回归模型预测準确率的灵敏度做为权重、粗糙集属性重要度做为权重的案例推理预测模型；进行了基于ERP的财务危机预警子系统的系统分析和系统设计。