近年来,世界经济一体化进程步伐加快,各国间的联系日益紧密。但是,各国的舞弊案件也先后曝光,从美国的安然公司、环球电讯、世界通信公司,到我国的琼民源、郑佰文、蓝田股份,这些财务舞弊事件给投资者们带来了巨大的损失,严重阻碍了经济的发展和社会的安定,上市公司财务舞弊成为全球性的焦点问题,迫切需要解决。而我国正高速前进的社会主义市场经济和尚不成熟的资本市场,尤为需要审计人员及时发现财务报告舞弊,减少上市公司各利益相关者的经济损失。所以,本文的目的就是尝试将偏最小二乘法和支持向量机相结合,运用于构建财务舞弊识别模型,期望可以建立基于公开财务报表信息的,适合中国证券市场的更为准确的上市公司财务报表真实性分类识别模型。本文以实证研究方法为主,结合规范研究方法。首先,回顾了上市公司财务舞弊识别的国内外相关文献,分别从舞弊的动因、征兆及识别方法几个方面对以往的研究成果进行阐述,结合我国国情特色进行评价,并对财务舞弊的概念进行分析,比较美国SAS NO.82和我国ATW.NO.1中提出的会计舞弊征兆,文章还介绍了偏最小二乘法和支持向量机的相关理论及优点。本文选取了2004—2007年深沪两市上市公司的财务数据为研究基础,共获得223个舞弊样本,4704个非舞弊样本。从公司的盈利能力、偿债能力、是否被特别处理、治理机制、盈余管理水平、聘请的会计师事务所规模以及所获审计意见种类几个方面,选取了十三个自变量。通过统计分析,我们发现：每股收益、董事会会议次数、第一大股东持股比例、流动比率、上市公司是否ST、是否亏损、高管是否变更以及获得的审计意见是否标准这几个变量与公司是否存在舞弊行为显著相关,而净资产收益率、独立董事比例、应收账款/主营业务收入、存货/主营业务收入、聘请的会计师事务所的规模这五个指标与公司是否舞弊并不显著相关。我们分别运用传统支持向量机模型和偏最小二乘法—支持向量机两种模型对样本数据进行训练和测试。结果表明：偏最小二乘法—支持向量机模型的分类效果更强于传统支持向量机模型,对于舞弊公司、非舞弊公司的识别正确率都达到了80%以上。偏最小二乘法可以有效降维、得出线性不相关的因子矩阵,支持向量机具有拟合度高,分类有效,鲁棒性强等特点,这两种方法相结合所得到的模型识别效果还是颇佳的。我们通过制作偏最小二乘法—支持向量机模型的ROC曲线验证了此模型价值较高。最后,根据前文的研究提出几点结论建议：观察被审单位有无舞弊征兆以指导下一步审计工作；观察被审计单位的治理机制是否完善；观察被审计单位是否存在盈余管理行为；利用数据挖掘技术改进审计方法,从而更有效地识别出上市公司财务舞弊行为。