مالکان، مدیران، سرمایه گذاران، اعتباردهندگان، شرکتهای تجاری و همچنین موسسات دولتی علاقمند به ارزیابی وضعیت مالی شرکت ها هستند چرا که در صورت ورشکستگی هزینه های زیادی به آنها تحمیل می شود. امروزه از الگوهای مختلفی مانند: تکنیک های آماری (تحلیل تشخیصی، لوجیت و آنالیز فاکتوری)و تکنیک های هوش مصنوعی(شبکه های عصبی، درخت تصمیم گیری، استدلال مبتنی بر موضوع، الگوریتم ژنتیک، مجموعه های سخت، ماشین بردار تکیه گاه و منطق فازی) و یا ترکیبی از این دو تکنیک برای پیش بینی ورشکستگی استفاده می شود. هدف از این پژوهش تعیین الگوهایی با استفاده از متغییرهای مالی (نسبت های مالی صورتحساب سود وزیان و ترازنامه) جهت بالا بردن توان تصمیم گیری استفاده کنندگان صورتهای مالی در پیش بینی ورشکستگی شرکتها می باشد. در این تحقیق سه الگوی پیش بینی ورشکستگی(تکنیک تحلیل تشخیصی چندگانه mda ، رگرسیون لجستیک و شبکه عصبی) برای پیش بینی ورشکستگی دو سال قبل از وقوع آن تدوین شده است. سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. با توجه به نتایج آزمون مشخص گردید الگوی مبتنی بر شبکه عصبی دارای بالاترین توان در پیش بینی ورشکستگی شرکت ها می باشد.