在“互联网+”的时代,世界经济日益全球化和信息化,企业的生产经营环境瞬息万变,我国企业的经营发展面临着前所未有的机遇,但同时也饱受环境因素的制约,经济市场因素、法律法规因素、社会文化因素、政策环境因素等变化莫测的环境因素,都给企业的财务状况带来了不确定性,企业所面临的财务风险日益加大。目前,很多企业仍没有从经济危机的阵痛中恢复过来,外部环境恶化,内部管理混乱,资产流失严重,资金链出现问题,财务状况也令人堪忧,而企业的整体发展与自身的财务风险状况的处理是紧密联系的。大多数企业后期遭遇严重的财务危机,甚至破产,是因为对早期出现的财务问题没有给予足够的重视,并及时采取有效的手段处理危机状况,这对企业的后续发展是及其不利的。因此,关于企业财务风险状况的研究越来越受到重视。本文主要通过分析上市公司财务风险的相关理论,并结合主成分分析法、粒子群优化算法(PSO)和人工神经网络的原理,得出我国上市公司的财务风险指标体系。为提高财务风险预测的准确性,运用主成分分析和粒子群算法优化BP神经网络模型,改进了预测模型的输入数据,利用粒子群算法寻优赋予BP神经网络最优的初始权值和阈值,据此构建了粒子群优化BP神经网络(PSO-BP)的财务风险预测模型。以我国的上市公司财务指标数据为样本集进行仿真研究,结果表明,相较于传统的财务风险预测模型,PSO-BP模型的预测精度更高。