هدف اصلی این پژوهش ارائه مدلی برای کشف تقلب با استفاده از رویکرد ترکیبی مدل تحلیل عاملی و روش شبکه عصبی مصنوعی از نوع شبکه عصبی پیش خور با الگوریتم پس انتشار خطا است. شبکه‌ای که برای پیش‌بینی تقلب مالی شرکت‌ها استفاده می‌شود دارای 17 نرون (مجموعه نسبت‌های مالی انتخاب شده) در لایه ورودی و 1 نرون (وضعیت تقلب شرکت‌ها) در لایه خروجی است. تابع تبدیل مورد استفاده در لایه خروجی از نوع خطی و برای لایه میانی یک تابع غیر خطی سیگمویدی انتخاب شده است. جامعه آماری پژوهش، شرکت های پذیرفته شده دربورس اوراق بهادار تهران دربازه زمانی1392-1393 می باشد که 140 شرکت به عنوان نمونه در پژوهش حاضر استفاده شده است . برای دسته بندی شرکت ها با احتمال گزارشگری متقلبانه وغیر متقلبانه از مدل نمرهM بنیش استفاده شده است که 78 شرکت دارای احتمال گزارشگری متقلبانه و62 شرکت دارای احتمال گزارشگری غیرمتقلبانه بوده است. برای انتخاب نهایی متغیر های ورودی درشبکه عصبی مصنوعی ازمدل تحلیل عاملی تائیدی و تحلیل مولفه‌های اصلی استفاده شده است. نتایج نشان داد که ساختار گزارش شده مدل شبکه عصبی که دارای 7 نرون در لایه پنهان است از دقت و عملکرد بالاتری نسبت به سایر ساختار‌های بررسی شده بوده است. نتایج حاکی است که دقت دسته بندی شرکت های متقلب و شرکت های غیرمتقلب وعملکرد کلی در روش شبکه عصبی مصنوعی به ترتیب57.69 %و72.73 % و62.16 % بوده است. پرونده مقاله