汽车制造业作为我国经济发展的重要组成部分,在为国家创造利税方面有着不可替代的作用。同时《中国制造2025》提出将新能源汽车作为未来十大重点领域之一。但是,近年来我国汽车制造业呈现出一种高基数、低增速的新常态。在新常态经济下,汽车制造业上市公司往往处于一个动荡环境中,如果没有及时控制企业可能会面临的负债风险,公司的资金流通和财务运转就会在转变过程中出现各种问题。同时考虑到汽车制造业是属于分期付款的一种经营模式,其资金周转能力不足,经常会带来负债风险,因此立足汽车制造业建立负债风险预警模型就显得尤为重要。本文在负债风险预警理论基础之上,系统研究了我国汽车制造业负债风险预警模型,并进行了实证分析。首先,梳理了国内外负债风险预警模型的相关文献,并以此为理论依据来分析我国汽车制造业现状,以及我国汽车制造业负债风险的特点及形成机理。其次,结合相关学者的研究构建了汽车制造业负债风险预警指标体系。再次,将经过因子分析约简后的指标数据作为模型的输入项,建立了基于FA-SVM的负债风险预警模型。实证分析表明,本文建立的负债风险预警模型对我国汽车制造业负债风险具有良好的预测效果。最后,在对全部内容进行概括总结的基础上,就我国汽车制造业负债风险预警提出了相应的政策建议。本研究得到以下结论:（1）通过对我国汽车制造业发展现状研究发现,汽车制造业依据其产业关联性促进了我国其他产业发展,为我国的GDP增长贡献了力量;行业整体呈现出一种高基数、低增速的状态;在节约资源、节能减排和循环经济的政策指引下,汽车轻量化以及新能源汽车成为了我国汽车制造业发展的新方向。（2）通过将T-2年和T-3年的数据加入到网格搜索算法优化后的FA-SVM预警模型中发现,模型预测效果较好,均为85%,汽车制造业负债风险可以通过FA-SVM模型进行负债风险预警。同时这两年数据对于ST公司和非ST公司的预测准确性上存在差异,若企业更注重ST公司的预测准确性,则可以选择T-3年的数据进行研究,若企业更注重非ST公司的预测准确性,这时可以选择T-2年的数据进行预测研究;相比初始模型,参数优化后的模型在T-3年的数据上预测准确率提升了25%,在T-2年的数据上预测准确率提升了20%,网格搜索算法有助于提升模型的预测效果。本文可能的创新点为:模型上选择了FA-SVM组合模型。对指标进行了Mann-whitney检验和因子分析来降低指标间的共线性,从而达到简化指标,加快模型预测的目的,支持向量机模型通过十折交叉验证和网格搜索算法来对模型进行优化。从两个维度对模型的效果进行对比分析,一方面为网格搜索算法在参数优化前后模型对比分析,另一方面为时间数据为T-2年与T-3年时模型的预测效果对比分析。