我国作为一个制造业大国,制造业公司的发展在强国之路上扮演着重要的角色,而评判制造业上市公司财务发生风险状况的几率在制造业的管理过程中起着重要的作用。如何有效的从若干财务指标中提取出适合进行风险预警的财务指标,并对上市公司财务状况进行精准的分析,对评估一家上市公司的风险等级影响巨大。在本文中,从制造业上市公司的多个财务数据中进行有效数据的提取,就建立一个精准度高的风险预警模型这一问题进行分析,建立Cox逐步回归模型并对其进行检验和比较,从而确立了一个适合制造业财务风险预警的模型,为制造业进行上市公司的评估提供合理的参考依据。本文中,首先分析了上市公司财务风险预警模型在这91年中的发展历程,梳理出前人们曾经使用过的财务数据种类以及优质数学模型,从而选择出本文所使用的财务数据,并分析使用生存分析模型建立财务风险预警模型的适用性以及其优势所在。然后,对制造业上市公司在中国的发展状况以及近年来所使用的财务预警模型进行分析,对比各模型中所存在的优势和劣势,为本文确定样本指标以及研究方法提供理论支撑。通过Kuskal-Wallis H非参数检验法进行指标选取,并对数据中的异常值进行剔除,确保使用的数据真实有效并适合用来建立风险预警模型。最后,运用2016-2017年被ST的制造业上市公司以及2017年未被ST的上市公司的提前三年的财务数据建立Cox逐步回归模型,然后对模型进行有效性检验,并对财务预警模型中具有显著性影响的因素进行分析。本文还通过对比基于Cox风险比例模型、二项Logistic回归模型和随机森林模型的预测数据的Acc、F值还是G-mean值,得出基于Cox风险比例模型所得制造业财务风险预警具有较好的预测结果,且Cox风险比例模型自身可以有效地处理删失数据,比普通的二分类模型有更高的优越性。故当评价制造业上市公司的财务风险状况时,可通过基于Cox逐步回归模型进行检验分析,更精准的得出各公司的财务状况并对其及时采取有效措施。