财务报告舞弊不仅影响广大投资者的利益，而且威胁到一国资本市场和经济的健康发展，所以各国政府均采取了各种手段遏制财务舞弊的发生，不过财务舞弊现象并没有因之消失，虚假的财务报告仍然像地雷一样时刻威胁着广大的投资者和一国的资本市场，所以为了保护广大投资者和规范国内资本市场，对财务舞弊识别的研究具有重要的意义。　　 为了能找出识别财务舞弊报告的识别变量，首先分析了财务舞弊的动机、财务舞弊的手段、财务舞弊公司的公司治理结构和股权结构特征，从而获得了66个财务舞弊识别备选指标，然后利用中国资本市场的真实数据对这些变量的识别效果进行检验。在此过程中，首先选取46份舞弊公司的财务报告和46份正常公司的财务报告，然后对财务报告中的备选指标进行正态性检验，再对服从正态分布和非正态分布的指标分别采用T检验和Kruskal-Wallis检验，筛选出能有效识别财务舞弊样本的31个指标，最后利用主成分分析法对这些指标进行约简，得出了12个综合指标。在此基础上，利用60个建模样本、32个测试样本和学习矢量量化(Learning Vector QuantizatioN,LVQ)神经网络技术建立财务舞弊识别模型，此模型对测试样本的判断准确率高达90.6％，验证了模型的有效性。最后把用LVQ神经网络建立的财务舞弊识别模型与用BP神经网络、GA-MLP神经网络和SVM建立的财务舞弊识别模型进行比较，得出基于LVQ神经网络的财务舞弊识别模型对测试样本的预测精度最高，验证了基于LVQ神经网络的财务舞弊识别模型具有很大的应用价值。