随着全面深化改革政策的实施,市场越来越开放的同时竞争也越来越激烈,数据显示制造业上市公司被ST处理的比例远远高于金融业,因此对制造业上市公司可能出现的财务危机风险进行准确预估具有重要作用,但企业的财务状况往往由很多因素决定,如何选择合适的指标构建模型是一个难点。这里首次在企业财务危机预警领域引入贝叶斯模型平均(Bayesian Model Average,简称BMA)方法,将对企业财务状况有影响的20个相关指标纳入指标体系构建模型,计算整个模型空间的后验概率,根据每个指标的后验包含概率、后验均值、后验标准差、符号确定率、t统计量显著率,全面展示各指标的重要程度,为企业可能出现的财务危机提供有效的评估预警技术,解决了模型不确定性问题。采用BMA方法的6种实现方式预测企业出现财务危机的风险概率,并与逐步回归法进行对比分析,得出结论:在实现BMA方法的6种方式中,结合MC~3筛选算法的积分似然近似计算方式所构建的模型综合效果较好,预测准确率最高为82%,且BMA方法在企业财务危机预警方面的预测准确率优于逐步回归法。将BMA方法所得到的指标后验包含概率与逐步回归法所构建模型中包含的指标系数及显著性进行对比,发现BMA方法更能准确地识别出关键性财务指标,不容易遗失信息。经过BMA方法计算,流动比率、应收账款周转率、固定资产周转率、营业净利率、总资产增长率、可持续增长率、每股现金净流量等7个指标的后验包含概率大于0.5,分别代表了企业偿债能力、经营能力、发展能力和每股指标,这些指标对模型预测的贡献度较大,属于应该重点关注的指标,对防范企业财务风险有极其重要的作用。