上市公司的财务舞弊行为破坏了证券市场信息公开透明的原则,会使报表的使用者因为虚假信息的误导而无法做出正确的判断和决策,从而造成投资者和其他利益相关者损失,影响到投资者对证券投资的信心。因此财务舞弊的识别工作具有重要的作用。然而随着我国证券市场的飞速发展,上市公司的数量也快速上升,在2005至2014年的十年间A股上市公司数量增加了一倍多,这对上市公司财务舞弊识别工作产生了巨大的考验。由于人工识别的方法对审计工作者的专业素质要求较高,同时也需要耗费大量的人力物力,因此寻找新的高效识别上市公司财务舞弊行为的方法就显得重要和有现实意义。本文将数据挖掘技术应用于上市公司财务舞弊的识别工作中,在深入理解财务舞弊相关理论的基础上,综合运用数据挖掘技术对舞弊公司和非舞弊公司进行分类。文章首先通过文献研究的方式对财务舞弊和数据挖掘的相关概念进行了介绍,并简要介绍了数据挖掘的常用工具。其次,采用Boruta和Relief两种特征选择算法分别对2007至2014年间的舞弊公司与非舞弊公司进行指标筛选。然后运用逻辑回归、支持向量机、神经网络和随机森林四种分类方法与上述特征选择算法筛选出来的指标相结合建立模型,并运用模型评价方法对四种分类模型进行评价。最后,对遏制上市公司财务舞弊提供了一定的建议。