上市公司作为国家经济发展的基石，其财务状况和经营成果是否正常、是否客观涉及到千千万万利益相关者的利益。反映上市公司财务状况和经营成果的财务指标异常的原因有很多，可能是由于企业经营不善造成的，也可能是企业舞弊造成的。无论是哪种原因，财务指标异常并非是独立的，当某一个财务指标异常时，一定会有一系列的表现呈现在企业的财务报表中。这些异常表现也受到企业利益相关者的极度重视，企业投资者比较关注企业的经营业绩和经营风险；税务机构比较关注企业的盈利及交税情况，有没有偷税、漏税的迹象；审计部门比较关注企业是否存在重大错报、是否存在舞弊风险。本文跳出这些局限，从整体的角度去分析，并非只关注某一方面的信息。本文利用中国上市公司汽车制造业2008-2013年的A股上市公司的财务指标数据，通过SPSS软件中分析工具K-S（Kolmogorov-Smirnov）检验判断财务指标是否服从正态分布。采用3σ的原则界定服从正太分布的财务指标是否异常；采用均值聚类分析（K-means）的方法界定不服从正太分布的财务指标是否异常。运用数据挖掘软件Clementine关联分析的Apriori算法，建立异常财务指标之间的关联模型，找到异常财务指标之间的关联关系。另外，通过财务报表之间的勾稽关系以及分析原理建立财务指标关联关系网络图，找到异常财务指标之间的关联通道并结合数据解释其经济含义。这样的关联通道有可能是唯一的，也有可能是不唯一的。这些异常传导路径，既可以运用在管理者有效建立企业的内部控制，提高企业经营绩效上；也可以运用在投资者的决策分析上；注册会计师也可以将其作为审计手段，用于发现企业错报；税务、政府等监管部门还可以通过异常传导路径有效地去管理和监督企业。在建立异常传导路径的过程中，也存在一些缺陷，由于异常和偏高或者偏低没有严格的界限，当通过异常传导路径得出一个财务指标异常会引起其他财务指标异常的结论时，有些反映追溯到基本数据中，却和根据财务指标异常界定标准界定的异常财务指标不一致，只能观测到这个财务指标偏高或者偏低。研究方法：在异常财务指标的界定上，本文采用3Sigma（3σ）原则和均值聚类分析（K-means）结合的方法。并采用数据挖掘软件Clementine关联分析的Apriori算法对这些异常财务指标进行关联分析。首先，找到关系密切、出现频率较高的异常财务指标；其次对异常的表现梳理出一个或多个通道，可以在不用看数据的情况下，对这些异常有一个合理的、有意义的解释和判断。研究思路：以往的研究大多数都是通过财务异常公司（破产公司、被特殊处理公司、被出具非标审计意见公司）的财务指标特征分析，进行回归分析和建立模型进行诸如风险舞弊预测、财务危机和财务困境预测以及信用风险评估的研究。在本文中，并非将异常财务指标作为自变量，而是运用数据挖掘的方法通过建立异常财务指标之间的关联，找到一条或几条异常传导路径，并对其进行经济意义上的解释。