随着中国证券市场的发展和进步,上市公司正日益成为推动中国经济良好运行的重要力量,其中利润作为衡量企业绩效的核心指标,在上市公司中又具有越来越重要的影响和作用。然而,由于目前中国证券市场信息披露制度尚不完善,政府监管手段和监管经验尚存不足,造成投资者与机构之间信息的不对称,进而为一些不良上市公司进行利润操纵行为提供了空间和机会。也正因为上市公司的利润操纵行为,致使会计信息大量失真,影响了投资者进入证券市场的积极性,对证券市场的健康发展造成十分不利的影响。因此,加强利润操纵行为管理成为了政府管理部门与投资主体关注的热点问题。而在利润操纵行为管理中,准确识别利润操纵行为是关键所在,特别是随着2014年4月10日沪港通正式批复试点,中国证券市场与国际证券市场关联性越来越强,致使监管难度越来越大。只有及时识别上市公司的利润操纵行为,才能有效维护市场秩序,稳定经济发展。因此,构建科学有效的中国上市公司利润操纵识别模型,对于维护利益相关群体的投资利益,促进中国证券市场交易的公平与规范,具有重要的理论价值和现实意义。基于以上分析与认识,本研究以中国上市公司为研究对象,首先在样本选择上,从A股上市公司中剔除金融、保险类与存在缺失值样本后搜集到2421家样本公司,其中存在利润操纵行为的公司119家,不存在利润操纵行为的公司2302家;其次在指标选择上,根据利润操纵手段和财务报表表现形式选取了14个外部操作指标,并运用因子分析方法约减为6个主因子,同时根据舞弊三角理论分析企业进行利润操纵行为的压力、机会与自我合理化因素选取了10个内部动机指标,并运用独立样本T检验分析均值筛选了6个存在显著差异的特征指标;再次在模型的选择上,选择非线性支持向量机(SVM)智能技术对利润操纵进行识别,但同时又引入将过抽样和欠抽样相结合的混合抽样方法来克服SVM模型的数据失衡问题,从而挖掘出一种具有最优学习能力与泛化推广能力的改进的SMOTE-Tomeklinks-SVM利润操纵识别模型,进而运用该模型对中国上市公司利润操纵行为进行科学的识别及合理的分析与评价。最后实证结果表明,在利润操纵样本远远少于正常公司样本的情况下,传统SVM模型无法有效识别利润操纵行为,而将过抽样的SMOTE方法与欠抽样的Tomeklinks方法相结合的混合抽样方法引入SVM模型能够最有效地增强SVM对利润操纵行为的识别精度;内部动机指标能够充分解释上市公司进行利润操纵行为的原因,以此弥补利润操纵手段隐蔽性所导致的模型误判问题,帮助改进SVM模型识别利润操纵公司样本,从而外部操作指标与内部动机指标相结合能够更准确的识别上市公司利润操纵行为;而在同等样本与指标水平下,相较其它人工智能模型,改进的SMOTE-Tomeklinks-SVM模型又具有更好的泛化能力;此外,在四种核函数中,线性核函数与RBF核函数下的SMOTE-Tomeklinks-SVM模型相对具有更好的识别能力,但总体来看,四种核函数对改进SVM模型对利润操纵行为的识别效果影响不大,同样,除了利润操纵样本参数?,模型参数的变动对改进SVM模型的识别结果也不存在显著影响,说明SMOTE-Tomeklinks-SVM具有良好的稳定性。因此,本论文认为,综合外部指标与内部指标的SMOTE-Tomeklinks-SVM模型能够更加有效地识别中国上市公司利润操纵行为,从而为政府管理部门以及投资主体提供宝贵决策借鉴。