درماندگی مالی و ورشکستگی شرکت‏ها به عنوان یکی از مهمترین موضوعات در مدیریت و سرمایه گذاری مالی محسوب می شود. پیش بینی ورشکستگی شرکت ها پدیده ای است که سرمایه گذاران، اعتباردهندگان،شرکت های استقراض کننده،و دولت به صورت فزاینده به آن علاقه مند شده اند. مدل‏های تشخیص درماندگی مالی یکی از مهمترین ابزارها در تعیین وضعیت مالی شرکت‏ها می‏باشد لذا در نظر تحلیل گران مالی بسیار با اهمیت هستند. هدف از انجام این پژوهش، مقایسه قدرت پیش بینی کنندگی دو مدل هوش مصنوعی در تشخیص درماندگی مالی شرکت‏های پذیرفته شده در بورس اوراق بهادار تهران می‏باشد. در سال های اخیر، تکنیک های هوش مصنوعی بیشترین توجه را در حوزه های دانشگاهی و تجربی، در جهت حل مسائل بسیار پیچیده به خود جلب کرده است. به این منظور دو مدل شبکه عصبی مصنوعی و شبکه عصبی فازی برای نمونه انتخاب شده از شرکت‏های پذیرفته شده در بورس اوراق بهادار تهران ارائه شده است. مدل شبکه عصبی مصنوعی و مدل شبکه عصبی فازی که مبتنی بر نسبت‏های مالی طراحی شده است به ترتیب با دقت 75% و 80% شرکت‏های سالم و درمانده را درست پیش بینی نمود. بصورت خلاصه نتایج حاصل از این پژوهش بیان می‏کند که مدل شبکه عصبی فازی نسبت به مدل شبکه عصبی مصنوعی دقت بالاتری در تشخیص درماندگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران دارد.