经济的迅猛发展使得当前的市场环境愈加复杂,企业所面临的财务风险愈加多元化,投资者、债权人等利益相关者面临的不确定性也更高,制造业由于在所有行业中,数量、金额占比最高,其发展的稳定健康与否对整个市场经济有着至关重要的影响,因此,我们应当重点关注制造业公司的财务风险预警问题。即如何通过企业披露的内外部指标来构建一个高效的财务危机预警模型,对企业当下和未来的财务状况做出预测,对存在财务危机的企业发出警示,实现企业良好的运转,是目前急需解决的问题。结合国内外专家学者的研究,我们发现:(1)之前关于财务危机预警的研究,建模数据集中ST公司与非ST公司的数量大多是处于平衡状态或特定比例下,而未考虑其他比例下预警模型的性能;(2)当前有关于企业财务危机预警的研究中预警指标体系的构建通常只考虑了财务指标,而忽视了非财务指标;(3)在考虑概念漂移(CBR)的基础上,以CBR作为基本分类器所构建的模型忽视了新样本比旧样本更具有参考价值这一自然特性,即未考虑样本时间权重对模型性能的影响。本文从上述研究不足出发,以11146家A股制造业上市公司2007—2017年的财务数据和非财务数据为基础展开对企业财务危机预警动态建模问题的研究。首先,对样本公司中的两类样本分别进行不同程度的重抽样处理,以比较重抽样对模型性能的影响;其次,考虑到新旧样本的重要性不同,本文构建了考虑样本时间权重的CBR模型,并将其结果与未考虑时间权重的模型作对比;最后,考虑到动态模型相对于静态模型的优越性,本文构建了考虑概念漂移的动态CBR模型和同时考虑概念漂移和样本时间权重的动态CBR模型,并将其性能与静态CBR模型的结果作对比。实证发现:(1)通过重抽样处理提高少数类样本在总样本中占比可以显著提高模型对少数类样本的预测准确率,特别是当两类样本数量达到平衡状态时,各模型对少数类样本的预测准确率达到最高;(2)考虑样本时间权重的预警模型在保证总体预测准确率的同时,对少数类样本的预测准确率显著提高;(3)动态预警模型对两类样本的预测准确率均优于静态预警模型。综上,本文研究了样本时间权重对静态模型和动态模型性能的影响,为财务危机预警动态建模的研究提供了一种新的思路,为制造业公司的财务状况预测提供了一种新的可行的方法。