目前财务造假问题的研究在国内外已经是一个热点问题。国外有关财务造假的研究有着比较长的历史，国外对于财务造假识别方法的研究取得了较好的成绩。用到的主要方法有:logistic回归模型、贝叶斯判别模型、决策树、神经网络模型等，这些模型主要是利用统计和概率的方法来建立分类模型，通过统计不同的财务指标关系来构建识别模型。由于国内证券市场起步较国外较晚，所以国内有关财务造假的研究成果和国外的研究成果相比显得单薄些。由于国外的财务指标体系和国内证券市场财务指标体系有着一定的差别，因此国内研究者也需要根据具体的环境来构建适合国情的财务造假识别模型。
　　本文总结目前国内外已有的研究所成果，发现logistic回归模型、决策树模型等统计方法是常用的研究方法，所以本文结合国内证券市场利用logistic回归模型构建财务造假识别模型。
　　本文根据已有研究成果并结合国泰安CSMAR数据库，确定了盈利能力、经营能力、相对价值、风险水平、比率结构、偿债能力、披露财务、现金流分析八大类别财务指标。根据证监会、交易所披露的公告信息，筛选了2012年到2016年五年之间发生财务造假的128家上市公司作为财务造假样本，并根据造假公司行业类别及资产状况确定了256家非财务造假公司。最后对提取的财务样本按照4∶1划分为训练样本和测试样本，其中训练样本为了构建模型，测试样本为检验模型准确度。最后本文利用决策树模型选取显著财务指标，针对不同财务指标组合构建财务造假识别模型，分别对45个、14个、9个财务指标建立logistic回归模型，在测试样本上测试三种财务指标组合情况下财务造假识别效果，三种指标组合下模型综合精准度分别达到77.67％、79.69％、81.82％。通过实验结果可以看出本文基于logistic回归模型的财务造假识别研究有一定的应用价值。