财务舞弊泛世界化,严重阻碍了证券市场公开、公平及公正的发展,成为各国资本市场健康有序成长的屏障。在此背景下,如何有效的识别财务舞弊以净化资本市场的诚信环境成为一个亟待解决的问题。因此,本文的研究重点即建立一套行之有效的财务舞弊识别模型。本文首先阐释国内外财务舞弊识别模型的相关文献,为设计识别模型的识别指标提供基础及依据；第二,明确财务舞弊的概念并对财务舞弊进行经济学理论分析；第三,分析财务舞弊的动机、手段及征兆,并就本文应选取何种技术手段构建识别模型做出说明；第四,以1998-2009年期间的120组舞弊样本和配对的非舞弊样本为研究对象,选取相关的识别指标,建立四种财务舞弊识别模型,包括多元逻辑回归识别模型、BP神经网络识别模型、概率神经网络识别模型和Elman神经网络识别模型；第五,以“期望错误分类成本法”为依据对比四种识别模型,分析得出Elman神经网络技术在财务舞弊识别问题上识别准确率最高；最后,基于上述研究结论,总结全文并提出研究的不足之处。本文的创新点在于为财务舞弊识别引进了一种新的技术手段——Elman神经网络,分析发现因其具有历史回溯性等特点,因此可在庞大的财务数据信息中准确地把握财务舞弊识别规律,对提高监管部门判别财务舞弊的准确性和效率方面都起到了积极作用。