近年来,我国股市发展十分迅猛,上市公司的数量也越来越多,这给金融市场监管部门带来了压力。一些上市公司为了达到稳定股价、吸引投资等目的选择对财务数据进行造假,破坏了金融市场秩序,造成了股民的损失。财务造假因其方式多样、难以防范、查处历时长和影响范围大的特点,一直以来都是证监会关注的问题。目前,已有很多分析方法用于财务造假识别,如:多元线性模型、Logistic模型、随机森林、支持向量机等,但是这些方法具有一定的缺陷且识别率并不是很理想。如今,飞速发展的互联网技术推动社会步入了大数据时代,许多学者进行大数据挖掘的研究以获取相关领域的知识。新闻情感已成功用于股价预测,但至今还未有用于财务造假识别的案例研究。大数据为研究财务造假识别提供了新的思路。本文的主要工作如下:(1)阐述了研究背景、意义和国内外研究现状。(2)介绍了财务指标、财务造假和财务造假识别的概念,分析了财务造假的原因、手段和影响以及财务造假识别的方法和意义。(3)介绍了新闻情感分析的概念、方法和步骤。(4)构建了财务造假识别模型。从上市公司选取2001到2015年存在财务造假的39家公司和财务诚信度良好的39家公司作为研究样本,利用5个反映公司财务状况的指标和3个反映新闻情感的指标,分别建立了基于财务指标和新闻情感的财务造假Logistic识别模型,进一步建立了综合新闻情感与财务指标的财务造假Logistic识别模型,并对这三种模型进行了对比分析,研究发现:综合新闻情感与财务指标的财务造假Logistic识别模型的准确率更高。(5)针对研究结果提出了若干政策建议。