在着千丝万缕的合作关系，一旦合作链条上的某个环节发生问题，就会产生一系列连锁反应。企业经
f营状况的好坏不仅会直接影响到其供应商的销售收入和应收账款的回收率，也会对销售商的供货来源产生影响。因此，对于供应商而言，利用财务风险预警可以及时改变合作策略，寻求替代的合作伙伴，避免由于企业破产产生的震动，保证企业生产经营有序进行；对于销售商而言，则可以提前寻找其他的供货来源，避免由于断货产生的不良影响。6、有助于监管部门加强监管有助于监管部门加强监管目前，我国证券市场的监管机制还是主要以事后监管为主，即通过对连续亏损两年的上市公司实行ST制度，对连续亏损三年的上市公司实行退市制度，从而对上市公司进行约束。证监会对上市公司进行监管所依赖的信息主要来源于公司当年所披露的财务报表，因而具有一定的滞后性。通过财务风险预警，监管部门可以利用该公司前几年披露的财务信息提前对上市公司进行监测，对于出现财务困境征兆的上市公司给予更多的关注，加强事前监管；此外，财务风险预警还有助于完善市场准入制度，防止证券市场成为“圈钱”的摇篮，从而有助于证券市场的健康稳定发展。除此之外，财务风险预警还可以应用于收购或兼并时对目标公司价值的评估，在会计报表审计中也有助于注册会计师出具正确的审计报告。由此可见，财务风险预警研究的应用范围很广，具有很强的理论和实践意义。
三、主要创新
本文的创新要点如下：1、本文在国内首次将神经网络技术应用到中国上市公司的财务风险预警并将其和多元判别分析模型、Logistic回归模型进行比较。2、本文选取了涵盖短期偿债能力、长期偿债能力、营运效率、盈利能力、风险水平、发展能力六大类共52个财务指标并通过逐步判别分析筛选模型的预测变量，用于财务风险预警的财务信息是目前为止最全面的，。3、在以往的研究中，许多学者只对估计样本进行预测，而且是在公司被ST的前两年进行预测，即在公司已经亏损一年的情况下进行预测，判断其最终是否会被ST，这样无疑会高估模型的预测能力。本文采用了新样本检验模型的预测能力，并且在上市公司被ST的前三年，即公司尚未发生亏损的情况下进行预测，模型预测能力的评价比较客观。研究结果表明BP神经网络模型对新样本的预测准确率可以达到87％。4、样本新，容量大。本文对1998－2003年间因为财务状况异常而被ST的所有上市公司进行分析，最终获得108个财务困境企业样本，并同时根据行业和规模配比原则r