Este documento tiene como objetivo abordar el problema de la baja precisión en la predicción de la angustia financiera en las empresas industriales chinas, atribuible al desequilibrio de datos y a la información insuficiente. Utiliza datos anuales sobre indicadores de riesgo sistémico y métricas financieras de las empresas industriales chinas que cotizan en el mercado A de China entre 2008 y 2022 para construir el modelo adaptativo de XGBoost-Bagging ponderado para la predicción de la angustia financiera corporativa. Los hallazgos empíricos demuestran que los indicadores de riesgo sistémico poseen un potencial predictivo independiente de la información financiera tradicional, lo que los convierte en valiosos indicadores de alerta temprana no financieros para el sector industrial de China; además, ayudan a mejorar la precisión predictiva de varios modelos comparativos. El modelo adaptativo de XGBoost-Bagging ponderado que incorpora indicadores de riesgo sistémico aborda eficazmente los desafíos derivados del desequilibrio de datos y la escasez de información, mejorando significativamente la precisión de la predicción de la angustia financiera en las empresas industriales chinas bajo el colapso del mercado de valores chino de 2015, la fricción comercial entre China y Estados Unidos, y la epidemia de COVID-19; por lo tanto, puede utilizarse como una herramienta eficiente de alerta temprana de riesgos para el sector industrial de China.