我国证券市场创立近30年以来,规模不断壮大,但是相伴而生的财务舞弊问题始终牵绊着资本市场的发展,在搅乱市场秩序、打击投资者信心的同时,也浪费了大量的国家资源。财务舞弊案件层出不穷、屡禁不止,如何有效地识别财务舞弊,成为各国实务界和学术界共同探讨的话题。国内对于财务舞弊识别的研究比较有限,各研究采用的特征变量各不相同,评估模型准确度的方法不够详尽,而且缺少关于阈值设定的讨论,投资者缺少一个简单有效的舞弊识别方法。本文通过对国内外财务舞弊相关研究成果进行梳理,选用了国外广泛使用的M-score模型进行研究。但M-score是根据美国的市场环境和企业舞弊特点来选取的指标,无论是会计制度还是构建背景,都与中国存在较大差异。本文利用我国A股上市公司数据对M-score进行检验,结果发现模型在中国市场的适用性较差,一类错误率高达70.37%。为了构建适用于我国市场的财务舞弊识别模型,本文从M-score模型构建背景入手,以其不适用于我国市场之处作为指标新增的依据和模型优化的方向,在文献梳理和统计结果归纳的基础上,添加了7个财务指标和3个非财务指标。通过Mann-Whitney U检验,证明了新增指标在两类样本下存在显著性差异,可以表征我国上市公司舞弊特征。然后通过基于Wald的逐步向后回归法构建了包含有毛利率指数、销售增长指数、折旧指数、杠杆指数、应计系数、固定资产比率、流动比率、股权集中度和审计意见类型这9个指标的Logistic模型,可以分别从动机、行为和后果三个维度来对财务舞弊进行解释,并通过Beneish期望成本法选出了最优阈值。最后修正模型的检验结果显示,其识别舞弊的准确率相对于原M-score模型有了显著提高,一类错误率由70.37%降至19.75%,ROC曲线检验也再次证明了修正模型显著的识别作用。本文最后基于构建的模型提出了舞弊的识别方法,并结合舞弊三因素理论给出了具体治理措施。本文不同于现有研究普遍采取的将大量变量直接筛选回归从而选出指标的方式,而是从模型的构建背景入手,有针对性地添加能表征中国上市公司舞弊特点的变量指标。同时将研究样本细分到了舞弊发生的具体财年,使得构建的修正M-score模型能更适用于中国市场。