非金融企业作为国民经济的主要价值创造者,在经济的发展中起着至关重要的作用。而自08年金融危机之后,我国非金融企业的负债率持续增长,至16年达到顶峰。尽管政府在近两年注重防范化解风险,实行供给侧改革以及“去杠杆”政策,通过宏观调控来降低非金融企业的负债率,但我国非金融企业的负债率仍然居高不下。在经济周期下行的压力下,浙江省和山东省相继爆发非金融企业债务违约浪潮。可见非金融企业的财务风险问题需要予以重点关注。企业陷入财务困境通常是一个连续的过程。在该过程当中,企业自身必然会显现出某些财务状况恶化的征兆。通过观察这些征兆的变化趋势,企业的利益相关者能够增强对公司的监测能力,采取对应的措施遏制财务状况恶化的趋势。故而,及时全面反映企业财务状况的预警方法,对于企业利益相关者来说显得尤为重要。回顾国内外的文献,财务困境的研究无论是在实务界还是理论界,都备受关注。在过去的几十年间,国内外专家主要借助财务信息指标、现金流量信息指标和市场收益率信息指标来构建预警模型。但现有的对非金融企业债务危机的研究大多是宏观层面的研究,缺乏深入的微观分析。本文结合当前的宏观经济情况,综合考虑表内表外的影响因素,借助带MCP惩罚项的Logistic回归分析法和贝叶斯判别分析法来构建非金融企业财务困境预警模型,目的是找出高效精确的预警方法,研究财务指标的变化与财务困境的关系,进而提供及时有效的政策建议。本文的创新内容如下:第一,采用非平衡数据建立预警模型,运用ROSE算法合成人工数据,使得数据更贴合实际的经济情况,降低因对正类样本过度抽样导致的预测误差;第二,在当前经济周期下行的压力下,综合考虑表内表外的影响变量,将对外担保这一或有负债纳入模型的考虑范围之内;第三,基于T-2年和T-1年的财务数据,借助带MCP惩罚的Logistic回归分析法和贝叶斯判别分析法构建预警模型,探究样本数据所属区间对模型预测正确率的影响,同时比较两种分析法的优缺点。本文的结论如下:第一,相比于T-1年,运用T-2年的财务数据建立预警模型能够有效的提升预测正确率;第二,通过综合比较,T-2年带MCP惩罚的Logistic回归模型的预测准确率最高,为最优模型;第三,模型拟合的结果表明,变量X1(总资产收益率ROA)、X9(资产负债率)和X11(对外担保占净资产比率)与财务困境有显著的相关性,影响能力较强。