内幕操纵行为严重破坏了市场公平的投资秩序，损害了中小投资者的利益，而且加剧了股价的异常波动，但是其行为往往非常隐蔽而难以甄别。本文以数据挖掘为基础，系统研究市场微观结构，从上市公司二级市场交易数据中提取Beta值、流动性、自相关性、信息含量甄别因子，系统研究了数据挖掘方法在内幕操纵行为甄别中的应用。本文首先对内幕操纵行为进行经济学分析，然后建立相应的甄别指标体系，在传统判别方法Logistic回归模型之外，本文引入决策树模型和人工神经元网络模型，按照数据挖掘的流程建立并研究内幕操纵行为甄别体系。在模型一致性和稳定性方面，本文利用训练样本集和测试样本集对各种模型的识别结果进行比较。研究结果表明，在拟合训练样本集上，Logistic模型、决策树模型、人工神经元网络模型都具有很高的识别率，而在测试样本集的识别上，模型之间表现出一定的稳定性。