محمد جعفری - دانشکده مدیریت و اقتصاد، دانشگاه جامع امام حسین (ع)، تهران، ایران
ندا رضایی - دانش آموخته کارشناسی ارشد موسسه آموزش عالی تابران، مشهد، ایران
محمد سلگی - استادیار گروه مدیریت مالی اسلامی، دانشکده مدیریت و اقتصاد، دانشگاه جامع امام حسین (ع)، تهران، ایران

هدف: هدف مقاله استفاده از شبکه عصبی پیشخور چندلایه در تشخیص گزارشگری مالی متقلبانه در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. بر اساس استاندارد ۲۴۰ حسابرسی تقلب عبارت است از هرگونه اقدام عمدی توسط مدیران اجرایی، کارکنان، مدیران ارشد و اشخاص ثالث که سبب فریبکاری در جهت برخورداری از مزایایی ناروا گردد.روش شناسی: روش آماری مورد استفاده در این پژوهش شبکه عصبی پیشخور چند لایه (لگاریتم سیگموئید) است. جامعه آماری پژوهش پس از اعمال برخی محدودیت های موجود در این پژوهش، شامل ۵۲۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی ۱۳۹۹ است.یافته ها: نتایج پژوهش در رابطه با عملکرد شبکه عصبی مصنوعی در تشخیص گزارشگری مالی متقلبانه مثبت است. به بیان الگوی ANN توسعه یافته می تواند گزارشگری مالی تقلبی را در صورت های مالی شناسایی کند.دانش افزایی: یافته های این پژوهش به ادبیات روش های کشف نشانه های تقلب در صورت های مالی کمک می کند و هم چنین می توان از آن برای کمک به نقش حسابرس در کشف تحریف های با اهمیت منتسب به تقلب استفاده کرد.