近年来,虽然我国对于证券市场的监管制度愈发完善,但是上市公司的财务欺诈行为并没有随着制度的完善而消失,各种财务欺诈案层出不穷。该行为不仅会造成报表使用者的利益损失,还会冲击整个市场的资本环境。在面对财务欺诈这一棘手的问题时,如何构建出准确高效的财务欺诈识别模型,成为了财务报表使用者以及市场监管者最关心的问题之一。现有研究表明,基于财务指标和财务文本能有效地识别出存在财务欺诈行为的样本。本文以上市公司财务报表数据和上市公司年度报告文本作为研究对象,搭建了财务指标与财务文本相结合的财务欺诈识别模型,主要研究内容如下。（1）大部分已有的研究都基于财务指标构建机器学习模型来判别财务欺诈行为,但是这些研究通常只使用当年的财务指标,而忽略了历史数据的作用。如公司在经营期内的营业收入指标表现出快速稳定增长的趋势,这往往是财务欺诈的预警信号,因为该指标上下浮动才是公司正常运营的表现。对此,本文将构建同时包含历史财务指标时序信息和相邻年份间财务指标变化幅度的财务指标同比矩阵,然后利用带注意力机制的Bi LSTM模型从财务指标同比矩阵中挖掘出更深层次的财务指标特征来判别财务欺诈行为。（2）近年来,部分学者挖掘财务文本信息来进行财务欺诈识别,其中大多都是从财务文本中提取出情感特征,再结合机器学习模型来识别欺诈行为。随后,有研究结合财务指标与财务文本来进行欺诈识别,并取得了较好的结果。然而,这些方法都侧重于财务文本信息的研究,不仅没有对财务指标进行深入挖掘,也未对数据融合方法进行深入探索。对此,本文一方面从历史财务指标中抽取深层次特征,另一方面用预训练语言模型对财务年报进行文本表征。最后提出多种特征融合方法来判别财务欺诈行为。首先,从公司年度报告文本中提取出“经营情况讨论与分析”这一章节。其次,将其输入到Ro BERTa模型中进行文本表征,目的是利用预训练模型强大的表征能力得到财务文本的文本表征。最后,将挖掘出的财务指标特征和财务文本表征进行融合来识别财务欺诈行为。最终实验结果表明,本文构建的财务指标与文本相结合的财务欺诈识别模型的结果具有很好的效果。