中国大陆上市公司的财务报表的欺诈行为由来已久,对投资人、债权人以及整个国民经济环境的危害十分严重,但同时对于注册会计师、审计师来说,对欺诈财务报表的鉴别却一直是难题。本文首先根据公开信息选择出财务报表欺诈的风险因子(red flags),建立起财务欺诈合理怀疑指标体系。然后利用中国沪市上市公司的财务报表历史数据训练出财务报表欺诈的预测模型,并对模型的预测效果做出评估。由于欺诈财务报表在总体中的比例很少,所以我们采用不等概率概率抽样,即在欺诈类别样本的抽样概率大于在非欺诈类别样本的抽样概率,在这种情况下传统的参数估计方法需要修正。本文列举了logistic回归的在不等概率抽样条件下进行参数估计的方法,证明了神经网络模型在不等概率抽样条件下修正输出的方法。另外,由于论文的目的是估计财务报表欺诈的可能性,本文还分析的神经网络输出贝叶斯后验概率所需的条件。