تعیین نرخ سود یکی از مشکلات عمده بانکداری اسلامی است. چراکه بیشتر بانک های اسلامی معیار مستقلی از هزینه فرصت سرمایه که منطبق بر کارکردها و مجوزهای غیرربوی باشد، ندارند و از سیستمی شبه ربوی برای تعیین نرخ سود بهره می برند. عقود اسلامی به دو دسته عقود مشارکتی و غیرمشارکتی (عقود مبادله ای) تقسیم می شود که در این بین چون عقود مبادله ای مبنای تخصیص منابع برای عقود مشارکتی است، تعیین نرخ سود آن، از اهمیت به سزایی برخوردار است که به دلیل عواملی چون دخالت دولت، عدم استقلال بانک مرکزی، عدم ارتباط مناسب بین بانک و بنگاه های صنعتی و در نتیجه شناخت کافی برای اعتبارسنجی آنها، قیمت سرمایه با انحراف مواجه شده و درنرخ سود اعلامی هم تاثیر می گذارد. در پژوهش حاضر با توجه به قابلیت بالای شبکه های عصبی مصنوعی پرسپترون چندلایه (mlp) و تابع پایه شعاعی (rbf) به محاسبه و برآورد تابع هزینه سایه ای نهاده های تولید که امکان برآورد میزان انحراف سرمایه را هم فراهم می سازد، پرداختیم، داده های مورد استفاده در کار تحقیقاتی با اتکا به اطلاعات درونی واحدهای تولیدی یا بنگاه های با بیش از 10 نفر کارکن بود. نتایج حاصل از مقایسه دو شبکه حاکی از آن است که اگرچه دو شبکه از دقت نسبتا خوبی برای تخمین ضرایب تابع هزینه سایه ای برخوردار است و اکثر ضرایب در صدم اعشار با هم تفاوت دارد، ولی شبکه rbf در زمان و دورهای کمتری پاسخ می دهد، و شبکه mlp از دقت نسبتا بیشتری (خطای کمتری) برخوردار است. همچنین تعداد نورون های لازم برای آموزش شبکه mlp بیشتر از شبکه rbf است. طبق نتایج حاصل برآوردی که برای نرخ سود عقود مبادله ای انجام گرفت نشان داد که این نرخ با انحراف مواجه است و انحراف سرمایه 15 درصد به دست آمد در صورتی که در سال 1386 معادل 12 درصد اعلام شده بود.