目前,我国经济正处于快速发展阶段,证券市场欣欣向荣,上市公司层出不穷,但相关审查机制和监管法规相对不够完善,导致上市公司财务舞弊行为频发,虽然目前采取的监管措施在一定程度上减少了财务舞弊的发生,但财务舞弊依然是近几年监管部门的心头大患。企业为了谋取自身利益从而通过某些不正当的手段进行财务舞弊不仅影响上市公司自身的发展,让公司时刻面临着停市的风险,还影响公司内外各利益相关者的权益,阻碍了我国资本市场经济的稳步发展。所以如何有效过滤和抵制上市公司财务舞弊对现在的中国证券市场来说具有重要意义。本文将数据挖掘技术应用于上市公司财务舞弊识别的研究中,在对现有文献进行梳理之后,从CSMAR数据库中选取2011-2020年因财务舞弊受到惩罚和披露的上市公司的违规信息,并且为了保证样本质量避免重复样本,最终确定了两千多个舞弊样本,根据配比原则选择同年、同规模和同行业的四千多个非舞弊企业的数据作为对照;在变量选取上,本文以风险因子理论为基础,从财务指标和非财务指标层次对公司整体情况进行刻画,初步选出了42个初始指标,然后分别用树算法、RFE搜索算法、lasso回归和随机森林进行特征选择;将四种特征选择算法选择的指标与未经指标筛选的原始指标相结合,形成的数据集分别在逻辑回归、支持向量机、随机森林、K近邻算法和神经网络这五种单一识别模型下进行检测。为了得到更好的模型识别效果,我们基于之前的单一识别模型分别用平均法、投票法和集成学习的方法构建了三种不同的综合识别模型,最后再对各模型的识别效果进行比较分析。最终得到本文的结论如下:第一,舞弊类型多样化并且行业分布存在明显差异。舞弊类型最多的前三项分别是违规买卖股票,推迟披露和重大遗漏,归根结底是公司为了获取某种不正当的利益;从行业类别上看制造行业舞弊数量最多,所以审计人员应对制造业的上市公司进行重点监督。第二,在财务舞弊识别指标的变量选取方面,舞弊识别的关键变量主要集中在财务指标当中,说明这些指标对财务舞弊的识别更加显著。第三,在单一数据挖掘模型的财务舞弊识别效果方面,随机森林在不同的条件下都具有较好的识别效果,不管是针对初始指标还是经过特征选择后的指标,其准确率均处于较高水平。第四,在财务舞弊识别模型方面,通过混淆矩阵的相关评估指标和ROC综合曲线比较了各模型的识别效果,最终发现综合识别模型的识别效果普遍高于基础的单一模型,其中效果最好的是基于stacking集成学习法下的综合识别模型,说明Stacking集成算法集成了各个分类算法的特点达到了博采众长的目的,对于识别上市公司是否财务舞弊的问题上更加高效和可靠。