资本市场的良好运行离不开公开、透明和真实的信息披露,而财务造假层出不穷、手段多样,对资本市场的投资者带来了巨大的损失,也阻碍了资本市场的健康发展。如何通过公司特征提前判断出可能进行财务造假的公司就成为了实务界、资本市场监管机构和学术界共同关心的重要问题。为了建立财务造假预测模型,本文搜集了中国上市公司违规统计数据中,违规内容包含“虚增”、“虚减”、“收入”、“成本”、“利润”、“年报”和“年度报告”的公司,之后通过逐个检查,共获得93家在2001年至2016年对年报进行财务造假的公司。在进行数据清理之后,共获得175个造假年样本及608个行业相对应的非造假年样本。本文首先将Mscore与Fscore模型提到的变量应用于本文的数据,并进行Logistic回归,从回归结果中发现,Mscore与Fscore模型对中国财务造假的预测结果不佳。其原因在于模型提出时间较早,且主要应用于美股,而中国A股市场与美股之间存在着差异。因此在后续研究中,本文深入研究了93家公司财务造假的原因,并从非财务数据出发,选取了年报文字数据、股票交易数据、年报发布时间、公司管理层变动情况等数据,总结成12个财务造假预测变量用于预测中国A股市场的财务造假。研究结果表明,本文提出的模型相对Mscore模型和Fscore模型更加准确。其中研报个数、发布时间差、涨跌停次数和投资比率与财务造假正向相关,年报相似度与财务造假负向相关。论文的主要创新点在于使用了一些较为新颖的变量用于预测财务造假,同时在模型回归过程中调整了财务造假与非财务造假的权重以消除造假与非造假样本之间的数量不相等所造成的影响。在变量的选取过程中,本文没有过多地使用财务数据,变量的选取也是经过的长时间的研究与思考所做出的决定,它们都没有跟公司的财务数据有直接的联系,但是却与公司的经营状况紧密相关,甚至相对于财务数据来说更加贴近公司的真实情况。