国内医改新政策措施的不断出台,同时也面临着与国外医药公司进行的激烈竞争的背景下,一个良好的财务状况是医药流通类企业可持续发展的根本保证。由于我国医药流通企业是一个资金投入高、科技含量高的产业,因此,在我国医药流通企业中,存在着大量的药物的销售成本扭曲、资产结构不合理等问题。如果处理得不够好,就会造成公司资不抵债,可能亏损,或者资金链断裂,最后还会有破产的危险。但在实际操作中却未引起足够的重视。正确的财务预警有助于企业审慎投资,优化资产结构,增强企业的市场竞争能力,从而有效地减少企业发生财务危机的可能。在此基础上,本文利用可解释机器学习模型和案例分析,对医药流通企业的财务预警进行了研究。机器学习应用于财务预警大都只给出企业是否陷入危机的结论,而财务危机形成路径的相关研究明显不足。考虑医药行业的特殊性,本文选取了74个上市公司指标构建财务危机预警指标体系,搜集医药行业上市公司经营数据,首先利用Logistic模型对数据进行训练学习,模型训练完成后对新疆同济堂健康产业股份有限公司进行实例分析,再用SHAP模型分析上市公司财务风险与企业各项指标间的内在关联,结合系统结构模型刻画上市公司财务危机形成的具体路径,弥补了机器学习“黑箱”特性带来的缺陷。模型从对企业危机情况的判断出发,分析不同指标对财务危机的影响程度,最终识别出企业财务危机的形成路径,分析该公司财务风险形成的不同路径,并根据路径重要性提出相应改进措施。本文构建适用于医药行业的新财务预警模型,打破传统机器学习财务预警模型的局限,识别风险的同时可以挖掘出风险形成路径,为可解释机器学习相关理论提供了一个新思路,也为上市公司财务危机干预及管理者决策提供有效参考,对医药行业公司的财务预警具有一定实践参考意义。