西南地区是从我国总体疆域上来看位于我国偏向西南范围的区域，从行政划分上来看西南地区包括五个省市自治州:四川省、西藏自治区、贵州省、云南省、重庆市。截止2015年12月30日，西南地区共有199家中国A股上市公司，涉及传媒、医药生物、房地产、有色金属等26个行业。这些企业作为行业龙头、区域经营龙头，利用股票市场的融资能力吸纳了大量资金用于支持企业发展经营和扩大企业规模，增强企业竞争力对于发展区域经济有着不可忽视的重要作用。但是，根据2014年年报中，西南地区共有30家亏损企业数量占全国亏损企业数量121家的11.3％，而西南地区上市公司数量仅占全a股企业数量的7.03％。西南地区部分企业由于公司治理不够科学，管理层素质不高，公司经营发展中发生决策失误，企业经营发展混乱，公司业绩逐年下降一些，导致企业发生亏损、甚至被交易所对企业股票实行特殊处理(ST)。特别处理制度是上世纪90年代末上海和深圳两地交易所发布，对于达不到财务要求或其他异常的企业可能会面临在a股市场上终止上市的处理，这些企业可能失去在交易所融资的资格。西南地区上市企业而言，把控企业财务状况，了解财务动态，十分有必要构建企业财务预警体系。从我国股票市场发展以来，西南地区上市公司共有53家企业被交易所进行过特别处理，占该区域上市企业总量的25.12％，远高于a股的整体水平。可以看出西南地区被特殊处理的企业占比高于市场水平8％，可以看出西南地区上市企业整体财务质量要低于整个市场水平。　　本文从区域研究角度考虑来研究西南地区上市企业的财务危机预警体系。文章首先回顾了前人对于财务危机预警体系的大量探索成果，然后决定选取logistics回归这一方法用来构建适用于西南地区上市企业的财务危机预警模型。　　国外专家学者对财务危机这一概念相对统一的解释是:企业存在无力偿还到期债务、已经破产清算、申请进入破产清算程序、资不抵债等情况可以将该企业认为存在财务危机。在实际运用中，部分国外专家学者为了方便进行实证研究直接将破产企业选为存在财务危机的企业样本进行研究。国内专家学者对财务危机预警体系进行实证分析时，关于存在财务危机企业样本的选取基本都是选择a股市场里的ST企业作为样本池。　　本文研究对象为西南地区上市公司，总结前人的经验，本文对于西南地区上市财务危机企业的界定为西南地区上市公司因公司财务异常而被上海交易所或者深圳交易所特殊处理而导致上市公司名称名之前加上“ST”或者“*ST”的上市企业。　　本文选自Logistics回归模型分析方法来构建西南地区上市公司财务预警模型。上文对构建财务危机预警模型方法进行概述和总结，可以看出Logistics模型没有严格的假设条件，对于预警指标数据不需要满足正态分布或者等方差等条件，适用范围广，可以对非线性数据进行处理，财务和非财务指标都可以纳入分析系统中，并且预测准确性较高，所以本文选择logistics模型作为实证研究的主要分析方法。　　考虑本文实证需要，将15家存在财务危机的样本分两组，第一组为建模样本企业，对应2010-2013年存在财务危机的企业:;第二组为检验样本，对应2015年存在财务危机的企业。按照ST企业和非ST企业1∶3的比例进行筛选，从符合条件的健康企业，一共选出45家健康企业与15家上面存在财务危机的企业进行配对。然后初步筛选出用于构建预警模型的指标，其中23个财务指标和8个非财务指标。然后对预警指标进行依次进行正态性检验、显著性检验、主成分因子分析，得到构建T-1年西南地区上市公财务危机预警logistics回归分析的主要变量由上面4个主成分因子和一个非财务变量组成，即W1，W2，W3，W4，K6;构建T-1年西南地区上市公财务危机预警logistics回归分析的主要变量由上面4个主成分因子和一个非财务变量组成，即W1，W2，W3，W4，K6;构建T-3年西南地区上市公财务危机预警logistics回归分析的主要变量Z14和Z15。然后利用三个观测年份构建三个预警模型为T-1年西南地区上市公司财务预警模型:　　P=1/(1+e^(-(-82.887-10.450W1+16.493W2+4.710W3+1.1510W4+94.397K6)))　　T-2年西南地区上市公司财务预警模型:　　P=1/(1+e^(-(-117.903-0.630U1+2.017U2-15.379U3-0.313U4+121.764K6)))　　T-3年西南地区上市公司财务预警模型:　　P=1/(1+e^(-(-0.497+0.82215)))　　对观测年份T-1年，T-2年，T-3年分别构建财务危机预警模型后，需要检验这些模型的准备性和适用性。本文对模型的检验从四个方面入手:一是对模型系数的综合检验;二是模型的拟合优度检验;三是建模样本检验;四是检验样本检验。综合上述四个方面对构建的西南地区上市公司财务预警模型进行检验，可以得出本文对于模型构建总体情况是比较理想的。T-1年的模型，模型系统检验、拟合度检验、建模样本回代检验、检验样本检验四方面的检验中表现比较理想，说明模型构建比较成功。T-3年模型从以上四方面检验看来情况良好，但是事实上，T3年在建模样本回代检验和检验样本检验中都将存在财务危机的企业认定为健康企业情况，且误判比例很高，在建模样本回代检验将存在财务危机的企业误判率达到87％，在检验样本检验这一比例达到100％。所以在模型实际运用中，T-3年的西南地区上市公司财务危机预警模型预测作用不大。由此，我们认定T-3年模型是无效的。　　本文综合考虑前人对于财务危机预警的研究成果，以西南地区上市公司为研究切入点，完成了对西南地区上市公司财务危机预警模型的建立。本文从区域的角度来探索区域性的财务危机预警模型的构建，针对该区域企业自有特点建立的预警系统将会更加是用于该区域企业。本文通过以上内容的研究探索主要结论有:　　一是本文在选取样本时，总计60家，其中存在财务危机的企业15家，健康企业45家，以1∶3的比例取样，模型预测效果较好，P值取0.25作为临界值，成功率较高。　　二是在对指标显著性检验时，发现观测年T-1年、T-2年、T-3年筛选出来的指标数量呈递减趋势。即时间越久，能够用来预测企业财务危机的指标信号越难被挖掘到。从不同观测年筛选出来的指标数量也可以看出，对于西南地区上市公司用于预测财务危机的指标还是主要集中于财务指标，实际中看，财务危机的具体表现也集中于财务数据上，筛选出来的指标符合现实逻辑。在构建的T-3年模型也可以验证这一观点。　　三是在进行主成分因子分析时，发现能够影响西南地区上市公司财务危机集中于企业的盈利能力上。T1年的主成分因子的企业收益增长因子和企业资产成长因子，T2年主成分因子的企业业务盈利因子和企业资产盈利因子，T-3年Z14，Z15指标，这些指标都说明了西南区域企业盈利能力能较好表现出企业财务状况。T-1年指标更加精细，还包括了企业短期偿债因子和企业营运因子，到T-3年仅有2个表现企业盈利能力的指标，根据筛选出来的指标本文初步判断T-1年的模型会更加精细、准确。　　四是构建的三个观测年份的西南地区上市公司财务预警模型，对模型进行了模型系数检验、拟合度检验、建模样本代入检验、检验样本检验。模型系数检验中三个模型显著性水平值都分别为0.000、0.001、0.019，三个模型的显著水平值远远小于显著水平0.05，表示三个模型具有统计意义看，模型构建成功。拟合度检验中三个模型由T-1年预警模型至T-3年预警模型拟合度分别为0.788、0576、0243，逐渐变小，表明预测时间越长，模型的预测效果与实际情况差异越大。建模样本代入检验和检验样本检验中三个模型的准确性较好。建模代入样本检验中，观测年份T-1年，T-2年，T-3年构建的模型准确率分别为95.5％，79.5％，79.5％，三个模型的准备率较高，模型情况比较理想。检验样本检验中，构建的三个模型在T-1年的准确率达到93.5％，T-2年为81.3％，T-3年为75％，三个模型准备率逐步降低，也说明要提前2年或者3年预测出西南地区上市公司存在财务危机的概率远小于提前1年预测的概率。在企业实际生产经营情况也是如此，距离财务危机时间越远，财务危机被觉察到的可能性越小。建模样本代入检验和检验样本检验的准确率差别不大，侧面反映了模型构建是成功的。在建模样本代入检验和检验样本检验，本文发现了问题，就是T-3年构，建的模型将ST企业认定为非ST企业的比例较高，建模样本代入检验误判率为81.3％，检验样本检验中误判率为100％，这对于在预测企业是否存在财务危机的判断没有实际指导作用，由此本文判定T-3年构建的西南地区上市公司财务预警模型为无效模型。综上，T-1年及T-2年模型预测较好，可在实践中运用，T-3年模型将ST企业误判非ST企业的比率较大，本文判定T-3年模型为无效模型，不能用于预测西南地区上市公司财务危机预警。