自证券市场产生以来，上市公司管理舞弊事件频频发生，愈演愈烈。层出不穷的舞弊案严重危害到投资者和社会各界的利益，给证券市场的健康有序发展带来极大挑战。如何有效甄别管理舞弊、抑制舞弊案件的发生是证券市场一直在探讨且亟待解决的问题。在此背景下，本文分析比较各类管理舞弊风险评价模型的识别效果并提出新的舞弊风险评价方法极具现实意义。本文首先从管理舞弊概念界定、管理舞弊动因理论、管理舞弊识别信号和管理舞弊识别方法四个方面进行文献回顾，借鉴并分析现有研究在管理舞弊领域取得的成果，以寻找显著的管理舞弊识别信号和较为有效的管理舞弊风险评价模型。然后选取2008年至2012年发生舞弊的A股上市公司255家作为研究样本，并按Beasley原则1:1确定配对样本255家。接着从股权结构、公司治理、特殊的交易和事项、经营压力、与审计师关系和财务稳定性等六个方面挖掘显著的舞弊识别信号，建立较为全面、系统的管理舞弊风险评价指标体系以作为舞弊风险评价模型的输入变量。之后将510个研究样本分为训练样本和测试样本，分别带入Logistic回归模型、BP神经网络模型、LVQ神经网络模型和SVM支持向量机模型中，分析比较这四个模型的舞弊识别效果。并在此基础上提出一种改进的模型思路：多个分类器叠加的综合舞弊风险评价模型。最后，基于以上理论分析和实证研究，总结全文并提出本文的不足之处与研究展望。本文的贡献在于建立了包含财务指标和非财务指标的管理舞弊风险评价指标体系以作为比较分析各个舞弊风险评价模型的输入变量，并在此基础上提出了多个分类器叠加的综合舞弊风险评价模型，模型的精度达到78.6%，综合风险评价模型提高了整体的判别率和判别结果的可信度，具有一定的应用价值。