随着我国互联网行业的发展，股权投资基金对于互联网电商企业的关注度越来越高，但近年来对于互联网电商企业的股权估值法却没有跟上电商企业的发展，现有的股权估值方法没有剔除电商企业内虚假交易（即“刷单”）对股权估值带来的影响，无法对电商企业的股权价值进行准确的评估。
　　本文研究了在电商企业快速发展的背景下，当前估值方法的适用性，并提出了对于识别虚假交易的具体理论与方法，并通过真实的企业数据进行实证分析。本文采用了文献分析法、决策模型分析法和实证分析法等方法进行分析，并得出相关结论。
　　本文分析了当前企业股权估值的成本估值法、收益估值法和相对估值法，并探讨了各种估值方法的优点与局限性。在此基础上针对相对估值法中的市盈率法、市销率法和P/GMV法进行深入分析，并阐述了电商企业中虚假交易对股权估值产生的影响。
　　本文分析了电商企业的业务模式和未来发展模式，并从行为主体出发分析了虚假订单的造假手法。同时在此基础上，针对虚假订单的识别方法进行了探讨，并引入了决策树模型分析方法，对决策树ID3模型、决策树C4.5模型、决策树SLIQ模型和随机决策森林模型进行了介绍，并对比了模型间的差异。
　　本文通过真实的电商企业数据对决策树模型进行了效果对比和虚假订单的实证分析，论证了不同决策树模型间的识别效果，并得出通过随机决策森林模型对互联网电商企业进行虚假订单识别的效果较好这一结论。
　　本文的结论与价值为提出了一套可以识别出互联网电商企业虚假交易的方法。通过决策森林模型可将股权估值期间订单数据中虚假交易（刷单）的数据进行识别，并将识别出的虚假订单GMV与P/GMV股权估值法进行结合，从而使电商平台的股权估值更为准确，为股权投资基金在对电商平台股权估值时提供更为准确的估值数据。