（一）会计舞弊风险因素的识别
会计舞弊风险因素在审计学界常被称为“红旗”标志（redflag）或“警讯”（warningsignal），这标志着它在一般审计业务中的作用是增加独立审计师对管理者产生舞弊动机的职业关注，提高其对会计舞弊风险领域的警觉，而对于投资者的作用则在于增强其对会计舞弊的敏感性，从而提高防范会计舞弊的警惕程度，规避因会计舞弊而带来的非系统风险。
中小投资者在证券市场上是信息的弱势群体，也是受到会计舞弊损害最严重的群体，因为他们无法从上市公司内部获得有关会计信息合法性和公允性的任何证据，只能借助于上市公司对外披露的中报、年报、审计报告和宏观环境进行判断。因此，从中小投资者角度出发进行会计舞弊风险因素的识别就显得尤为重要了。
中小投资者在评价上市公司发生会计舞弊时，应当从公司的整体风险角度入手，包括公司内部风险因素和公司外部风险因素。公司的内部风险因素是公司在日常的生产经营活动中产生的，可以从财务、经营、公司治理（股权结构和董事会）、管理人员特征等方面分析。公司的外部风险因素则可以从经济、政策环境、行业状况等方面进行分析。虽然公司外部的风险因素已经超出了公司可以操纵的范围，但是却可能从某种程度上给公司进行会计舞弊形成一种环境压力，所以在识别会计舞弊风险因素时应将其包括在内。
（二）会计舞弊风险的评估
会计舞弊风险的评估阶段也可以被称为会计舞弊风险的预警阶段，即当会计舞弊风险水平超出中小投资者可以接受的程度时就会发出预警信号。我们根据风险因素的特点，总结并提出了几种评估会计舞弊风险水平的方法，具体如下：
1.模糊综合评价方法。在风险评估过程中，有许多事件的风险程度是不可能精确描述的。比如，某公司发生会计舞弊的可能性到底有多大，往往无法简单地由高或低去描述，也难以准确地用数字表述出来，这类事件就属于模糊事件。对于这类模糊事件的风险评价，完全可以根据模糊数学的原理来进行。
采用模糊综合评价法进行会计舞弊风险评估的基本思路是：综合所有风险因素的影响程度，并设置权数区别各因素的重要程度，通过构建数学模型，推算出舞弊风险水平的各种可能性程度，其中可能性程度最高者为风险水平的最终确定值。
2.风险判别模型。根据风险判别模型中包含的因素的多少，我们将其分为：（1）单因素风险判别模型。单因素风险判别模型是以单一舞弊风险影响因素为判别标准，运用数理统计方法推导而建立的模型。陈亮，王炫（2003）运用单因素方差分析法，对我国的上市公司会计舞弊进行了实证研究，并从所有11项指示中选择出4个在舞弊公司与配比公司之间差异较为显著的指标。（2）多因素风险判别模型。多因素风险判别模型是以多种舞弊风险影响因素为解释变量，运用数理统计方法推导而建立的模型。运用此模型预测会计舞弊风险发生的可能性，及早发现会计舞弊的预警信号，使中小投资者能够及时防范会计舞弊的发生，从而减少由此带来的损失。目前在该研究领域中，这类模型的应用是最有效的，概括起来有线性回归模型、概率回归模型和逻辑回归模型，其中逻辑回归模型最受青睐。逻辑回归模型是采用一系列与舞弊相关的变量来预测上市公司发生会计舞弊的概率，然后根据中小投资者的风险偏好程度设定风险警戒线，以此进行决策。
3.人工神经网络（ArtificialNeuralNetwork，简称ANN‘s）是从神经心理学的认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。
EtheridgeandBrooks（1994）对美国上市公司的管理舞弊进行了预测，取得了一定的效果。Green＆Choi（1997）研究发现审计师通过使用人工神经网络方法对是否存在舞弊行为进行判别分类，将大大改善审计师发现舞弊行为的能力。该模型几乎不会将不存在舞弊行为的情况错分在存在舞弊行为的类别中，从而向审计师发出错误信号而实施额外的审计测试。