هدف اصلی این مقاله پیش بینی ورشکستگی مالی شرکت ها در بورس اوراق بهادار تهران به وسیلهی شبکه های عصبی مصنوعی است. مقادیر میانگین مربوط به نسبت های مالی کلیدی در پژوهش های صورت گرفته در پیشینه موضوع به عنوان ورودی شبکه های عصبی انتخاب شده اند. شبکه عصبی بهکار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیده اند و شامل شبکه عصبی پیش خور سه لایه با ترکیب (1 : 4 : 5) در آرایش نرون های ورودی، میانی و خروجی است. نمونه مورد نظر شامل دو گروه شرکت های ورشکسته و غیر ورشکسته است. گروه ورشکسته بر مبنای ماده 141 قاتون تجارت طی سال های 1378 لغایت 1385 انتخاب شده اند و گروه غیرورشکسته نیز به صورت تصادفی انتخاب شده اند. مجموعه ای مساوی از داده های فوق با استفاده از شبکه های عصبی و تحلیل تمایزی چندگانه مورد تحلیل قرار گرفتند. مقایسه توانمندی پیش بینیهای شبکه عصبی و تحلیل تمایزی چندگانه نیز ارایه شده است. همچنین صحت پیش بینی شبکه های عصبی با استفاده از نمودار ROC ارائه شده است. نتایج نشان دادند که تفاوت معناداری بین MDA و ANN وجود دارد. همچنین طبق نتایج کم بودن خطای نوع اول بر خطای نوع دوم پیش بینی اولویت دارد.
