基于粗糙集理论，本文有效地分析和处理了财务危机预警指标体系中不明确和不完 备的信息，同时利用贝叶斯正则化算法克服了标准神经网络BP 算法存在的易形成局部最小、 收敛速度很慢和过度训练等问题，改进了BP 神经网络泛化能力。在此基础上，本文建立了 一个基于粗糙集和神经网络的财务危机预警模型，通过应用分析，此模型预测精度非常高， 而且不需要对变量作任何特殊假设，能够很好的对企业财务状况进行预测。

本文采用定性与定量相结合的方法对财务危机预警中财务比率的选择进行了研究。首先根据初选原则对财务比率进行了初步选择，然后提出了一种基于神经网络的变量选择方法，对初选的财务比率进行定量筛选并进行了实证研究，结果表明，这是一种科学、通用的变量选择方法。