هدف اصلی این پژوهش مدل‌بندی و تعیین توان مدیریت سرمایه در گردش در پیش‌بینی ورشکستگی مالی شرکت‌ها با استفاده از الگوریتم‌های هوش مصنوعی است. جامعه آماری پژوهش متشکل از ۱۲۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های ۱۳۸۷-۱۳۹۸ است. در راستای دستیابی به اهداف پژوهش، ابتدا با مطالعه پژوهش‌های پیشین در حوزه درماندگی مالی 12 نسبت مالی اثرگذار بر ورشکستگی مالی انتخاب شده است. پس از محاسبه نسبت‌ها از آزمون مقایسه میانگین استفاده شده است تا نسبت‌هایی که تفاوت معناداری میان دو گروه ورشکسته و غیرورشکسته مالی دارند، برای محاسبه در مدل‌های پیش‌بینی در نظر گرفته شوند که نتایج نشان داد هر 12 متغیر برای استفاده در مدل‌ها مناسب هستند. سپس، به منظور بررسی توان مدیریت سرمایه در گردش در پیش‌بینی ورشکستگی مالی شرکت‌ها، به مقایسه مدل‌های پژوهش با توجه و بدون توجه به متغیر مدیریت سرمایه در گردش بر مبنای پنج مدل شبکه عصبی پرسپترون چند لایه، ماشین بردار پشتیبان، درخت تصمیم، رگرسیون لجستیک و تحلیل ممیزی چندگانه پرداخته شده است. نتایج مقایسه مدل‌های پیش‌بینی ورشکستگی نشان داد مدل شبکه عصبی پرسپترون چند لایه، نسبت به سایر مدل‌ها دارای بیشترین قدرت در پیش‌بینی شرکت‌ها از لحاظ ورشکستگی مالی و سالم بودن است. همچنین، نتایج مقایسه مدل‌ها نشان داد با توسعه مدل پژوهش، از طریق وارد کردن متغیر مدیریت سرمایه در گردش، خطای آموزش مدل شبکه عصبی پرسپترون چند لایه بـه مقـدار 036/0 کـاهش و بر دقت مدل تا 75 درصد افزوده می‌شود. Manuscript profile