رسوایی‌ها و شکست‌های شرکتی اخیر اطمینان سرمایه‌گذاران نسبت به درست و منصفانه بودن حساب‌های واحدهای تجاری را مخدوش کرده است. در بیش‌تر موارد گزارش شده، مدیریت از طریق دستکاری صورت‌های مالی شرکت برای انعکاس نتایج دلخواه خود به عموم به کلاهبرداری و پنهان ساختن آن مبادرت کرده است. از این رو، در محیطی پویا از تقلب در صورت‌های مالی، تکنولوژی‌های مبتنی بر آمار و یادگیری ماشینی یک راهکار اثربخش برای پیشگیری و کشف تقلب هستند. بنابراین در این پژوهش به بررسی این مساله پرداخته می‌شود که آیا می‌توان از طریق شناسایی و انتخاب متغیرهای اثرگذار در کشف تقلب در صورت‌های مالی و با بکارگیری تکنیک‌های داده‌کاوی مدلی برای کشف تقلب در صورت‌های مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران ارایه کرد؟ برای پاسخگویی به این سوال از 40 متغیر مالی و غیر مالی به همراه تکنیک‌های داده‌کاوی شبکه عصبی مصنوعی، شبکه بیزین و الگوریتم بوستینگ استفاده گردید. یافته‌های پژوهش بیان‌گر وجود شواهدی دال بر عملکرد مناسب مدل‌های پیشنهادی برای پیش‌بینی تقلب در صورت‌های مالی است. نتایج حاصل از انتخاب ویژگی به روش مبتنی بر همبستگی حاکی از سودمندی متغیرهای نسبت پوشش بهره، نسبت حساب‌های دریافتنی به کل دارایی‌ها، نسبت موجودی کالا به فروش خالص، نسبت نقدی، لگاریتم طبیعی فروش، نسبت سود خالص به فروش و نسبت جمع دارایی‌های جاری به کل دارایی‌ها برای کشف تقلب بود.