财务报告舞弊是会计信息失真的一种主要表现,具体表现为企业有意识的伪造会计造假,错、漏报会计信息的行为。早在三百多年前,财务报告舞弊就已经开始发生。随着人类社会经济的不断发展,全世界范围内,财务报告舞弊现象不断涌现,严重阻碍了社会经济健康稳定持续发展。因此,财务报告舞弊识别模型的研究对规范我国资本市场有着极为重要的现实意义。同一行业往往具有自己的行业经济特征。为了达到精准的预测和检验的目标,同时考虑样本数据获得的难易程度,本文以制造业上市公司作为研究样本建立财务报告舞弊识别模型。目前学术上,不断有学者对财务报告舞弊领域进行研究,也提出了各种各样的识别模型,但是每种模型都有其各自的优缺点。本文通过研究发现,Logistic回归分析模型和人工神经网络技术中的BP神经网络技术相结合来研究财务报告舞弊,不仅能互相克服单独使用各自模型时候所产生的缺点,而且提高了识别模型的精准度。因此,本文采用Logistic回归分析模型和人工神经网络技术中的BP神经网络技术相结合的方法,建立基于Logistic分析和BP神经网络技术的混合模型。此外,为了提高本文建立的财务报告舞弊识别模型的检验质量,在建立该识别模型后,不仅对建立模型的识别样本进行回代检验,并且对预测样本进行检验,检验模型的识别能力。