【摘要】审计风险的准确识别有助于提高会计师事务所执业质量、规范上市公司行为，对于促进资本市场健康运行至关重要。因此，本文提出了一种机器学习框架，主要由因变量增强、自变量筛选和LightGBM模型训练三部分组成，以准确识别上市公司的审计风险水平。通过利用沪深两市A股上市公司2005—2019年的28918个样本进行实证分析，结果表明本文所提出的机器学习框架在高审计风险样本中的识别准确性达到94%，显著优于传统的审计风险识别方法，并且发现真实盈余管理、市场化程度、会计稳健性、预付账款和其他应收款占总资产的比重、每股经营活动现金流量等变量对于准确识别审计风险起到重要作用。