目前,我国经济正面临严重的压力和挑战,我国上市企业在内部经营管理和外部行业环境、宏观经济的综合因素影响下,不断发生亏损、陷入财务困境,甚至面临退市和破产的威胁。如果不能提前预测财务危机,及时调整经营策略,等到企业出现亏损后,必然会减少投资者和债权人的投资收益,同时也会影响企业自身经济利益和未来的发展。因此,研究上市企业的财务状况和发展走向是有现实意义的。财务预警研究已经持续了几十年,期间有很多学者从不同的角度出发建立了适合不同假设条件的预警模型。但是在如何充分利用财务数据的时间连续性来提高预警模型的准确度方面还有很多研究空白,因此使用合理的方法将历史信息因素加入到模型中,构建动态财务预警模型是近年来的研究重心所在。显然上市企业从出现亏损到最终被特别处理甚至被迫退市不是一朝一夕形成的,而是一个日积月累、逐步恶化的过程。单独使用某一期的财务状况来预测危机过于武断,而且不同危机阶段的表现形式是不同的,不可能使用一个模型准确的监测出所有危机阶段的样本,因此建立一个可以区分不同危机程度的预警系统,动态的分析危机情况十分必要。本文选取了符合要求的71个危机样本和410个正常样本四年的面板数据进行实证研究,基于CHAID(Chi-Square Automatic Interaction Detection卡方自动交叉诊断器)模型建立了单纯财务指标动态预警系统和包含非财务因素的综合指标动态预警系统,为了增强预警系统的实用性并且使企业能够尽早识别其所处危机程度,本文提出模型区分度的概念,并按照CHAID模型的特点对区分度的算法进行了改进。通过比较两个系统中的模型回判精确度发现引入市场信息和股权结构后的预警系统有更高的预测准确度。即在模型中引入非财务因素是必要且有意义的,可以提高模型的预警精度,特别是在远期预测时优化效果更大。综合指标预警系统中,按照区分度的概念对测试集进行分类时将危机样本错分为正常样本的总数为11个,相比常规的直接分类减少了26.67%。对区分度进行改进后的预警系统分类效果更好,危机样本错分为正常样本的总个数减少为2个,相比直接分类错分率下降了86.67%。本文建立的动态预警系统的特点是:(1)利用CHAID模型进行分类,该算法可以分析变量间复杂的交互作用、从多个变量中筛选出差异最显著的变量组合、依据统计显著性确定分割点、处理共线性的数据并且不要求样本数据呈正态分布;CHAID的结果呈树状,是对危机情况的一个简单直观的描述,更容易被那些没有专业知识和分析技术的企业决策者理解;(2)从实际应用的角度出发提出模型间区分度的概念来确定最终的分类,在提高危机预测准确率的同时,可以得到样本的危机程度,从而便于企业管理者尽早改进经营策略,提高预警模型的准确性和实用性。