当前我国社会主义市场经济转向高质量发展阶段,资本市场在企业投融资行为和资源配置活动中发挥着越来越重要的作用,其持续健康发展的重要前提是要保护利益相关者的合法权益,这就对企业信息披露质量提出了更高的要求。然而,近年来全球不断爆出财务造假的新闻,一系列重大财务舞弊事件引起了社会公众的广泛关注。尽管监管部门对企业舞弊行为进行了严格的监督和控制,但上市公司管理层出于完成财务计划、保持公司上市资格、维持股价等目的,往往会采用各种舞弊手段编制虚假的财务报告。企业舞弊的动机不尽相同,舞弊的手段复杂多样、形式隐蔽,给甄别上市公司舞弊行为带来了严峻挑战。随着现代信息技术的发展,单一信息源已不能满足人们对数据可靠性的要求,这就需要用到信息融合技术来增加数据的可信度。信息融合技术能够将多源数据及信息进行综合处理,以提升模型的识别精度,信息融合技术广泛运用于军事、图像识别、自动驾驶、遥感等领域。本文基于机器学习算法与信息融合技术构建了舞弊识别模型,以提高舞弊的识别效果,为审计工作提供辅助决策。本文基于两组舞弊指标,分别构建了机器学习模型、信息融合模型对舞弊进行识别。第一章绪论部分在分析了舞弊研究的现实背景及意义的基础上,从舞弊理论、舞弊特征以及舞弊识别方法三个方面回顾了国内外相关文献并进行简要评述,并对本文的研究内容与方法、创新之处进行了总结。第二章对研究的理论与方法进行了阐述,具体包括舞弊概念界定、舞弊有关理论以及机器学习相关方法。第三章根据是否受到证监会或者其他相关机构的处罚选取了2015-2020年的193个舞弊样本,并按照1比1配比原则选取了193个非舞弊样本;同时参考学界主流观点,构建舞弊识别指标体系,在传统的财务与非财务指标体系基础上,本文还基于管理层讨论与分析构建了管理层语调的衡量指标体系作为文本变量。第四章构建了基于机器学习的舞弊识别模型,并对构建的三种机器学习模型进行了实证分析,结果显示随机森林识别模型在正确率、准确率、召回率以及F1-score等评价指标上相较于神经网络、支持向量机具有更好的表现。第五章构建了基于信息融合的舞弊识别模型,在机器学习的基础上,利用D-S证据理论对机器学习的舞弊识别结果进行融合,得到信息融合的舞弊识别结果,实验结果证明运用信息融合模型能够有效提升舞弊识别的效果。第六章对本文的工作进行了总结,阐述了本文的不足之处,提出了对未来研究的展望。