پیشرفت های اقتصادی ، تغییرات وسیع در محیط های کسب و کار ، افزایش رقابت بین شرکت ها ، ابزارهای جدید و متنوع مالی و روابط پیچیده تجاری که در دهه های اخیر حاصل شده ، مسائل مالی شرکت ها را به گونه ای پیچیده کرده که با کوچکترین بی توجهی به وضعیت مالی ، شرکت ها با شرایطی مواجه می شوند که نمی توانند تعهدات خود را ایفا کنند و با مخاطرات جدی و خسارت های جبران ناپذیر مواجه می شوند . احتمالا ورشکستگی دردناک ترین رویدادی است که شرکت درطول حیات خود با آن رو به رو می شود . از سوی دیگر ، ورشکستگی یکی از عواملی است که منجر به هدر رفتن منابع و عدم بهره برداری از فرصت های سرمایه گذاری موجود می شود . از این رو در سراسر جهان تحقیقات گسترده ای در جهت شناخت ورشکستگی و پیش بینی آن انجام شده است . پیش بینی ورشکستگی می تواند با ارائه هشدارهای لازم موجب آگاهی بنگاههای اقتصادی از این پدیده نامطلوب شده و به آن ها کمک می کند تا درکوتاه ترین زمان ممکن اقدامات مقتضی را جهت جلوگیری از ضرر و زیان انجام دهند . هدف از این تحقیق طراحی و پیاده سازی مدلی هوش مصنوعی مبتنی بر الگوریتم ژنتیک است تا بتواند ورشکستگی شرکت ها را پیش بینی نماید . نمونه مورد بررسی در این تحقیق شامل نسبت های مالی 180 شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران در دوره مالی سال 1386 است . نتایج به دست آمده از اجرای مدل نشان دهنده آن است که مدل توانسته 92 درصد شرکت های نمونه آموزشی و 90 درصد شرکت های نمونه آزمایشی را به درستی در دو گروه ورشکسته و غیر ورشکسته طبقه بندی کند که نشانگر توانایی بالای مدل طراحی شده در پیش بینی ورشکستگی است . برای سنجش اعتبار مدل ، داده های تحقیق به وسیله مدل ایجاد شده توسط روش تحلیل تمایز چندگانه مورد بررسی قرار گرفت و مشخص شد که مدل طراحی شده توسط الگوریتم ژنتیک توانایی بالاتری در طبقه بندی شرکت های ورشکسته و غیر ورشکسته دارا است . بر اساس یافته های تحقیق شرکت هایی بیشتر در معرض ورشکستگی قرار دارند که با توجه به توانایی نقدینگی و سود آوری پایین تر ، سهم حقوق صاحبان سهام در تامین دارایی های آن ها کمتر و همچنین هزینه های بهره آن ها نسبت به سود شرکت پایین تر است .