近年来国内财务造假案件频发,各种财务造假手段屡禁不止,给投资者带来了难以估量的经济损失,也给资本市场的健康发展带来严重的负面影响,如何快速准确的识别出财务造假的公司已引起投资者、审计机构以及政府机关的极大关注。本文参考Kirkos[12]等人基于希腊上市公司财务数据利用神经网络、决策树等数据挖掘技术对造假行为进行甄别的研究思路以及Ophir Gottlieb[22]等人基于美国上市公司财务数据对不同数据挖掘技术的识别效果对比,采用中国上市公司财务指标数据库,对国内上市公司财务造假情况进行数据挖掘识别技术的研究和分析。本文对财务报告造假相关的理论及现状进行了大量的研究,基于舞弊风险因子理论,从压力因素、机会因素以及财务造假被发现的可能性三个方面作为本文筛选特征变量的切入点,选择48个财务指标及非财务指标参与实证分析。然后通过统计资本市场近年来财务造假数据的年份分布情况以及行业分布情况,选择造假案件高发的2010年-2016年作为时间轴,财务造假重灾区——制造业、批发零售业以及房地产业三个行业的上市公司年报数据作为实验样本进行实证研究。利用神经网络模型(BP神经网络、RBF神经网络)以及决策树模型(C&AT、QUEST、CHAID以及C5.0算法)对三个行业分别进行财务报告造假识别研究。实证研究结果表明:两种神经网络模型中BP神经网络识别效果较好,决策树模型中C5.0决策树算法表现突出,总体来看,C5.0算法的适用性以及识别准确率优于其他算法,此外在判断上市公司年报是否造假的时候,综合三个行业需要重点关注的几项指标分别为:内部控制是否存在缺陷、留存收益资产比、总营业成本率、营运资金(资本)周转率、审计师的审计意见。