中国逐渐成为世界能源生产和消费大国,中国经济快速发展可以归功于能源产业的迅猛发展,可以说能源产业占据了我国经济发展的重要位置。而能源问题早已成为各个国家经济发展的重点问题,面对如此激烈的竞争形势,能源企业也出现了种种财务问题导致企业发生财务危机。我国的能源企业具有高成长性、高风险的特点,这就决定了能源市场在运营过程中存在较大的风险,多数风险在前期可以通过企业的财务数据体现出来。因而出现了财务风险预警这一概念,利用反映企业经营情况的各种资料,如财务报告、年度审计报告和公司信息披露等以财务指标数据为基础建立模型,对财务风险进行预测并及时告知管理者。虽然学术方面对于财务预警的研究较多,然而针对传统能源企业的研究并不完善,希望本文的研究成果可以为能源类企业的财务预警提供一些参考。首先,文章阐述了研究背景和国内外研究成果进行,结合我国能源行业现状及特点,分析能源行业的财务风险成因。其次,进行模型基础设计部分,根据证交所对企业退市预警的条件,选择三项指标作为本文能源企业财务预警区间等级划分的依据。选取2014-2015年50家能源企业两年的数据作训练样本,20家数据作预测样本,通过检验最终筛选出12个可以反映能源企业财务问题的指标变量作为建模的基础。然后,分别使用Logistic和BP神经网络建模,利用2014-2015年的数据对后一年的财务风险进行预测,对比两个模型的结果并得出结论,能源企业建立财务预警模型时应加入非财务指标因素,从而消除财务预警模型的局限性,同时可以提升预测的准确性,更适合能源企业在实际中应用。针对两种模型存在的问题和局限性进行分析,通过实证研究验证两种模型都适合应用于能源企业,但两种模型中BP神经网络模型对能源类企业财务预警,无论拟合程度或者预测精准度都优于Logistic模型,因此BP神经网络模型效果更好更适合我国能源企业实际应用。最后对本文进行总结,结合能源企业的特点和模型的预测结果进行分析,提出能源公司应对财务风险的策略,提出本文的不足和展望。