中小企业板自2004年在深圳证券交易所挂牌交易以来,为我国中小企业提供了可靠的融资平台。相对于大型企业,中小企业成立时间短、信誉记录少以及资金不足成为困扰企业发展的难题。IPO既可以让企业在资本市场上筹集资金,也可以提高企业的知名度,使企业获得更大的发展机会。但由于证监会对中小板公司上市额度与规模严格控制,一旦上市成功公司就能够获得IPO这种稀缺资源带来的外部收益,所以,公司管理者有强烈的动机通过盈余管理满足上市条件。IPO盈余管理导致报表过度粉饰,掩盖公司财务问题,上市后业绩下滑可能会损害投资者利益并影响企业长远发展。本文以中小企业板上市公司为研究对象,分析公司IPO前盈余管理的行为,挖掘生成及影响盈余管理的关键因素,引入支持向量机的机器学习方法对影响因素进行学习和分析,在此基础上,构建中小板IPO公司盈余管理判别模型,为判定公司盈余管理提供有效的机制和手段,论文主要工作和创新如下：首先,采用案例分析和数据统计的方法,阐释了中小板公司IPO盈余管理的存在、盈余管理的程度及具体表现和手段。选择2004至2010年间,在深圳中小板首发上市的公司共347家为样本,以频率分步法考察其盈余管理程度,同时选取主板IPO公司作为配对样本进行对比分析。和主板公司相比,中小板公司IPO盈余管理程度更严重,IPO前后其盈利能力、成长性、偿债能力及公司治理水平都发生明显变化,即业绩变脸现象普遍存在。中小板IPO公司盈余管理行为对企业未来经营发展造成负面影响。其次,结合拟首发上市的中小板公司高成长性、发行人高持股比例及IPO监管水平低等特点,采用博弈模型剖析了中小板公司IPO盈余管理的生成机理,研究发现中小板公司发行人持股、企业成长性及盈余管理成本会共同导致盈余管理的生成。除此之外,公司外部利益相关者、内部利益相关者及市场行情都会对IPO时的盈余管理产生影响。论文从多角度衡量中小板公司IPO盈余管理行为产生机理及影响因素,对盈余管理影响因素进行指标总结和处理,构建了中小板公司IPO盈余管理的指标特征体系,指标特征进一步应用到盈余管理判别之中。最后,论文将是否盈余管理视为分类问题,引入支持向量机(SVM模型)的机器学习方法对中小板公司IPO盈余管理进行判别。选取IPO盈余管理和非盈余管理公司样本的特征指标数据进行支持向量机训练,构造最优分类超平面对盈余管理进行分类判别。训练时通过计算比较不同的指标特征集合,选取最优的盈余管理判别特征集合。在SVM判别效果的验证中,选取2011年首发上市后股价和盈利均下跌严重的中小板公司作为检验样本,结合传统盈余管理判别方法进行比较分析。和传统Jones模型及线性回归方法相比,SVM方法可以更准确的判别中小板公司盈余管理行为,并能甄别出导致盈余管理的关键因素集中在公司治理水平中的发行人持股程度、代表公司盈利能力和成长能力的现金流水平及盈利结构、盈余管理成本和市场投资者情绪这几个方面。而中小板公司IPO时盈余管理不受其违规成本以及金融中介监督水平的影响,这也揭示我国证券监管部门对IPO盈余管理的监管惩罚力度不够,同时,金融中介在IPO过程中的财务审计核查功能有待提高,才能有效制约盈余管理行为。论文通过多角度综合分析盈余管理行为及影响因素,科学考量和判别盈余管理的程度,丰富了国内外盈余管理判别的实证研究,也为证监会及相关监管、审核部门提供了可借鉴的盈余管理识别方法。监管部门在引入市场化发行制度的同时,应加强对拟上市公司的财务审核,加大对上市过程中盈余管理严重且财务违规操作公司的惩罚力度,提高盈余管理的成本。同时,论文采用人工智能技术中机器学习的判别方法,也为相关财务审计部门提供了科学的盈余管理判别工具。