物流产业作为国民经济中一个新兴的承载体,正在全球范围内迅速发展。但伴随着物流业的高速发展,上市公司也在不断增加,竞争强度也逐渐加剧,使得上市公司中面临破产的公司越来越多。而其中大部分公司是因为财务状况不佳才被特殊处理。所以,针对物流业建立财务危机预警模型是非常有必要的。分析相关文献后发现,现存的关于物流业财务危机预警模型及估计方法的研究中,基于极大似然估计方法的多元logistic回归模型表现最好,也被大多数学者认可。但现有研究表明,在小样本上贝叶斯bootstrap估计方法比极大似然估计方法有更好的表现,而且上市物流公司较少符合小样本特性。因此,本文对比了分别基于极大似然估计方法、参数贝叶斯bootstrap估计方法和非参数贝叶斯bootstrap估计方法的logistic模型的优良性。本文确定了2020年还在沪、深证券交易所A股市场中流通的100家上市物流公司作为研究对象,将它们分为财务正常、财务危机公司两类。然后从中选取80家公司作为建模组样本,20家公司作为检验预测组样本,并从盈利、成长、营运、偿债、现金流量五个维度收集了共19个指标的数据。在不考虑和考虑指标相关性两种情况下分别建立了传统财务预警模型以及基于因子分析法的财务预警模型;最后比较这两种指标构建方法下,三种估计方法构建的logistic模型在建模组以及检验组上的准确率,选出最优的财务预警模型为非参数贝叶斯bootstrap法估计的logistic模型构建的传统财务预警模型。在该模型中,检验组有65%的公司被认定为有财务良好,不存在财务危机;另外35%的公司被认定为有财务危机,有破产的危险,准确率为85%。并发现物流公司的财务状况更多的取决于盈利、偿债以及现金流量能力。其中现金流量比率和现金债务总额即现金流量能力对物流公司的财务状况较大,且都为正向影响。