本文研究证券交易市场中的庄股和庄家识别问题。基于Logistic回归、支持向量机等数学理论，我们提出四个庄股识别模型和五个庄家识别模型，并进行了实际应用。 针对庄股识别，我们建立了持股集中度模型、基于Logistic的持股集中度模型、基于支持向量机的持股集中度模型与基于收益率和换手率的Logistic模型。这些模型不仅能够识别庄股，还具有辨别潜在庄股的能力。根据持股集中度模型，通过Fisher精确检验，我们发现持股集中度模型的分类结果与实际情况无显著性差异；根据基于Logistic的持股集中度模型，庄股命中率为85.62﹪，庄股覆盖率达95.65﹪，潜在庄股命中率为88.89﹪，潜在庄股覆盖率为80﹪；根据基于支持向量机的持股集中度模型，庄股和潜在庄股判别正确率均高达90﹪以上；根据基于收益率和换手率的Logistic模型，提出了Logistic模型中存在的临界值选取的基准原则。 在找出庄股后，针对庄家识别，本文先系统地分析了各种市场操纵行为的监控，然后分别从帐户交易、帐户转托管、席位几个方面建立了对倒模型、帐户转托管模型、席位转托管模型、关联席位识别模型和涉案帐户特征的Logistic回归模型五个庄家识别模型，并结合实际数据对模型进行了实证分析，我们发现模型都能较好地找出庄家。