上市公司通过财务信息将企业经营状况和经营成果等传递给企业利益相关者,使他们能够了解企业的过去、现在和未来。目前,上市公司财务欺诈问题严重干扰我国证券市场的健康发展,成为证券监管部门、广大投资者等利益相关者关注的焦点问题,建立一套精确的财务欺诈识别模型具有重要的研究意义。财务欺诈的识别方法有很多。本文详细阐述了如下的方法：单变量分析、基于案例的推理、Logstic、线性概率模型、神经网络、多元判别分析、支持向量机模型、决策树、贝叶斯分类模型、主成分回归模型。国内外对财务欺诈的识别大都把所有行业的欺诈公司放在一起研究,而针对按行业分类的研究却很少。本文首先提出研究背景及意义,总结国内外的研究现状,阐明了研究内容和研究方法,然后研究财务欺诈的内涵及界定、财务欺诈的识别方法以及财务欺诈的识别变量。在此基础上,选择了148家财务欺诈企业和与之配对的148家非财务欺诈企业作为研究对象,先用神经网络模型和逻辑回归模型建模,再选出表现最好的模型,最后用这个最好的模型对样本进行分行业建模,分析本研究对财务欺诈识别的效果,并指出研究存在的局限及后续研究方向。研究结果表明,分行业的建模能够明显提高财务欺诈识别模型的识别精度,它可以有效的帮助政府监管部门、投资者和审计部门正确的识别上市公司财务欺诈行为。