1.人工神经网络（ANN）模型

20世纪80年代末期，神经网络理论开始进入财务预警研究领域。Rmenlhart、McClelland等（1986、1988）研究并设计了基于误差反向传播算法（Back-propagation）即BP神经网络。Odom（1990）运用人工神经网络进行财务困境预测的成功探索，通过建立输入层、隐藏层和输出层人工神经网络，模拟构建财务预警模型，克服了对样本数据的统计分布要求，具有较好的容错能力和模式识别能力，也能处理资料遗漏和错误，适用于今日复杂多变的企业经营环境。杨保安等人（2001）利用BP神经网络对中信实业银行的30个企业客户进行预测，认为该方法是较好的应用工具，并能为银行贷款授信、预警提供有效决策。杨淑娥等（2005）也利用BP神经网络工具，以120家上市公司为建模样本，通过选取截面财务指标，并使用同期60家公司作为检验样本建立了财务预警模型，得到了较为满意的结果。虽然人工神经网络模型是建模方法的重大创新，但实际效果并不稳定，相关研究成果表明，该方法也并不比多元判别分析和逻辑回归分析等方法具有更明显的预测效果。但随着遗传算法模型思路的不断完善，该方法可能代表着未来的一种重要趋势。

2.专家系统法（ES）(www.daowen.com)

专家系统法是运用数学工具，将专家的经验知识、推理程序和解决问题的演算过程进行模拟重现，从若干固定属性描述的已知分类中获得共性变量，以建立企业财务危机的评价系统。Messier和Hansen（1988）首次将专家系统法引入到财务预警领域，将专家系统应用于信用分析领域并建立了ES模型，通过运用71家公司的数据将ES与线形判别分析、决策树法等加以比较，结果证明ES模型效果最好。Kim和Mcleod Jr.（1999）运用专家系统法构建线形和非线形的破产预测模型，结果发现非线形模型效果较好。但该方法消耗的时间和人力较多，而且一些经验性的知识无法清楚地表示出来，使该法的应用规模和实用性大大降低。

此外，国内外学者还结合其他学科的新技术、新理论，形成了多种财务预警模型，如Gregory-Allen、Henderson（1991）提出用灾害理论来预测公司股票收益率的结构性漂移，Lindsay、Campbell（1994）应用混沌系统进行财务预测；还有姚靠华、蒋艳辉（2005）提出的决策树法，胡挺、廖爱清（2005）提出的状态空间模型，舒晓惠等（2005）的雷达图法，高艳青、栾甫贵（2005）的模糊综合评价法以及联合预测模型等，从而使财务预警模型得以较大丰富和发展。