目前为止,很少有研究能够从我国市场的实际状况出发全面的探讨占上市公司中绝大部分的工业企业的财务预警模型。而工业企业在社会发展中的重要性不言而喻,虽然我国工业企业相比于其他的发达国家起步较晚,但是增长的速度较快,并且随着中国经济发展进入了“新常态”,这种快速的增长也带来了一系列的问题,工业企业的转型也成为了急需解决的问题。其一,工业企业产业结构不平衡、不合理,不同地区的轻工业和重工业的比例失调;其二,由于起步相对滞后,而大部分的精密工业制造技术掌握在国外的高科技技术公司手中,我国的工业企业也因此处于较为被动的状态;其三,大部分工业企业都会面临融资难、融资贵的问题,我国的工业经济发展还未能实现与金融发展深度结合。我国的科技、经济体制的不断完善和改革的过程中,工业企业的创新能力和水平也逐渐的提高,但随着企业国际化、全球化的推进,也带了更多的压力,若企业受到外部环境的冲击而无法应对或者战略的选择和转变失败,很容易使企业陷入财务困境。因此,对我国的工业企业的财务风险进行深入的探讨和研究,并且在前人的研究基础之上对财务预警的样本、模型以及变量选择进行更新,构建出一套切实可行的财务困境预警系统,是一个迫切需要解决的现实问题。如果能够构建出预测准确率较高的财务困境预警模型,将会对企业在预防风险的方面得到提高,对投资者在选择企业时也具有参考价值。为此,本文主要从以下几方面探讨高预测准确率财务预警模型的搭建思路,并且根据得出的结论结合我国工业企业的现状,给出适当的政策性建议。在样本选择方面,以往的大部分研究在选择样本上都是分别在戴帽和非戴帽公司中选择规模相近的公司进行研究,这样就会使模型的只能够在判断这些特定规模的公司时,才具有说服性,并且在选取的过程中也具有一定主观性,而本文从我国市场的实际状况出发将所有的样本都纳入其中,以保证该模型能够适用于不同规模的工业企业上市公司。在变量选择方面,传统的模型中使用的都是财务数据中体现企业盈利能力、偿债能力、成长能力、运营能力和现金流量指标,而本文,加入了非财务数据,包括体现企业管理成本的管理费用/主营业务收入、体现股权结构的第一大股东持股比例、第二大股东持股比例、股权质押比例、外部审计意见。然后,通过对比两种模型,来判断非财务数据指标的加入是否能够提高模型预测的准确性。对于数据不平衡的问题,以往的大部分研究都是在戴帽公司和非戴帽公司里各抽取相同数量的公司进行研究,但是,由于戴帽的公司和非戴帽的公司的数量相差特别大,所以其实非戴帽的公司的数据不能够被完全的利用。而本文通过过采样的方式使戴帽公司的样本量提高至与非戴帽公司相同,能够更有效的利用所有的信息,使模型的更加的完善。在模型选取方面,本文考虑随机森林稳健性方面的优势,没有假定具体形式的回归模型,所以可以处理非线性回归数据;它能够处理很高维度的数据,并且不用做特征选择,对数据集的适应能力强,数据集无需规范化,实现简单、精度高、抗过拟合能力强。