一个真实、完善的会计信息披露体系是经济健康发展的前提,也是对市场中各种经济活动进行分析和研究的基础。这对代表了上市公司运作状况的会计信息提出了更高的质量要求。会计信息质量指会计信息产品符合会计准则(制度)规定要求的程度,是会计信息满足明确和隐含需要能力的特征总和。通俗的说,会计信息质量的高低可以通过会计信息能否满足人们的需要及其满足的程度来衡量。然而近年来,上市公司发生会计信息质量问题的案例层出不穷,凸显了市场监管的薄弱之处,也引起了监管机构和市场投资者对会计信息质量问题更加深入的关注。本文在阐释了会计信息质量概念的基础上对模型的变量进行了选取,提取了2006——2014年A股金融板块上市公司的部分财务数据,并以Benford’s Law为质量检测的基础,进行Benford检验,找出表现异常的财务数据,并对表现异常的财务数据进行面板模型建模,运用残差分析确定该项财务数据出现异常值的具体位置,再与公司披露的重大违规违法事件进行比对,从而检测会计信息质量与运用该方法来发现会计信息质量问题的有效性和适用性。对27家A股金融板块上市公司进行分析的结果表明：考虑到时间因素,17个异常值中,4个异常值所对应的上市公司在当年存在问题,正确率为23.5%,且部分上市公司存在不止一项违规事实。在披露重大事项违法违规处罚的13次中,有4次存在残差异常,正确率为30.8%。问题集中在国信证券、光大证券,模型适用性较好。本文针对A股金融板块的上市公司而不是A股所有上市公司进行会计信息质量问题的研究,更加具有针对性,并且在面板模型分析前利用Benford检验大大缩减了会计信息质量存疑的财务数据的范围,为构建面板模型、选择被解释变量提供了一种更加快速便捷的方法。但也由于针对金融板块进行研究,导致本文选取的变量难以形成规模,在一定程度上影响了模型的精确度。