پژوهش حاضر به مطالعه پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران به وسیله شبکه های عصبی مصنوعی می پردازد. بهترین نسبت های مالی پیش بین در پژوهش های صورت گرفته در پیشینه موضوع به عنوان ورودی شبکه های عصبی انتخاب شده اند. شبکه عصبی به کار گرفته شده در این پژوهش از نوع پرسپترون چند لایه می باشد که به روش الگوریتم پس انتشار خطا آموزش دیده اند، و شامل شبکه عصبی پیشخور سه لایه با ترکیب (5:18:2) در آرایش نرون هاست. نمونه های انتخاب شده در برازش الگو شامل یک گروه 54 عضوی از شرکت های ورشکسته و یک گروه 64 عضوی از شرکت های غیرورشکسته بورس اوراق بهادار تهران است که گروه ورشکسته بر مبنای مشمولیت ماده 141 قانون تجارت طی سال های 1381 تا 1389 و گروه غیرورشکسته بر اساس روش نمونه گیری تصادفی از شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی تحقیق انتخاب شده اند. از مدل تحلیل تمایزی چندگانه به منظور مقایسه دقت پیش بینی مدل شبکه های عصبی استفاده شده است. با توجه به نتایج بدست آمده، مفروضات تحقیق،هر دو، تایید شدند. از آنجا که نتایج پیش بینی شبکه های عصبی بسیار با واقعیت منطبق بودند مدیریت مالی می تواند در سال های قبل از وقوع ورشکستگی با استفاده از این مدل، ورشکستگی احتمالی شرکت را پیش بینی کرده و اقدامات لازم را انجام دهد. ملاک صحت پیش بینی مدل ها سطح زیر منحنی rocمی باشد. با توجه به اینکه سطح زیر منحنی roc مدل شبکه عصبی بیشتر از سطح زیر منحنی roc در مدل تحلیل تمایزی است فرض دوم نیز تایید می شود.