راعی و فلاح پور(۱۳۸۳) در تحقیق خود با بهره گرفتن از شبکه های عصبی مصنوعی (ANN) به پیش‌بینی ناکامی مالی شرکت‌های تولیدی و مقایسه آن با یک مدل تحلیل تشخیصی چندگانه(MDA) پرداخته‌اند. نمونه آن ها شامل ۸۰ شرکت تولیدی در بازه زمانی ۱۳۸۰-۱۳۷۳ بود. نتایج این تحقیق نشان داد که مدل شبکه عصب مصنوعی در پیش‌بینی بحران مالی از دقت پیش‌بینی بالاتری برخوردار است.
احدیان پور(۱۳۸۴) در تحقیق خود به پیش‌بینی ورشکستگی با بهره گرفتن از شبکه های عصبی مصنوعی و مقایسه آن با تحلیل ممیزی چندگانه آلتمن پرداخته‌اند. دوره زمانی تحقیق آن ها ۱۳۸۴-۱۳۷۹ می‌باشد. نتایج تحقیق آن ها نشان داد مدل ایجادی توسط شبکه های عصبی مصنوعی دارای توانایی پیش‌بینی بالاتری نسبت به تحلیل ممیزی چندگانه آلتمن است.
خوشطینت و قسوری(۱۳۸۴) در تحقیق خود با عنوان «مقایسه بین نسبت‌های مالی ترکیبی مبتنی بر صورت جریان وجوه نقد و اقلام تعهدی با نسبت‌های مالی صرفاً مبتنی بر اقلام تعهدی در پیش‌بینی ورشکستگی شرکت‌ها» مدل کی سی و بارتزاک را برای محیط اقتصادی ایران تخمین زدند. آن ها از روش تحلیل تشخیصی چندگانه استفاده نمودند. آن ها ابتدا شش متغیر تعهدی را وارد نمودند که در این مرحله دقت مدل ۸۳% بود در مرحله بعد سه متغیر نقدی را نیز وارد مدل نمودند که باعث شد دقت مدل ۹۵% گردد. البته آن ها در تحقیق خود هیچ اشاره ای به بازه زمانی تحقیق خود ننموده‌اند.
مهرانی و همکاران (۱۳۸۴) در تحقیق خود با عنوان «بررسی کاربردی الگوهای پیش‌بینی ورشکستگی زیمسکی و شیراتا در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران» به ارائه ی مدل‌هایی جدید بر مبنای الگوهای پیش‌بینی ورشکستگی زیمسکی و شیراتا متناسب با شرایط محیطی ایران پرداخته‌اند. تحقیق آن ها نشان داد که هر دو الگو توانایی تقسیم شرکت‌ها را به دو گروه ورشکسته و غیر ورشکسته دارند و متغیر های مستقل الگو تاثیر یکسانی در پیش‌بینی ورشکستگی شرکت‌ها ندارند.
کمیجانی و همکار (۱۳۸۵) در تحقیق خود به پیش‌بینی ورشکستگی شرکت‌های فعال در بازار بورس اوراق بهادار تهران طی دوره زمانی ۱۳۸۶-۱۳۸۵ با بهره گرفتن از شبکه های عصبی مصنوعی پرداختند. آن ها همچنین روند ورشکستگی این شرکت‌ها را ترسیم نمودند.
فرج زاده دهکردی (۱۳۸۶) در پایان نامه کارشناسی ارشد خود با عنوان «کاربرد الگوریتم ژنتیک در مدل بندی پیش‌بینی ورشکستگی» به ارائه مدلی برای پیش‌بینی ورشکستگی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. نمونه وی شامل ۷۲ شرکت ورشکسته و ۷۲ شرکت غیر ورشکسته بود. مدل وی توانست با دقت ۹۴% شرکت‌های نمونه را درست طبقه بندی نماید.
رهنمای رود پشتی و همکاران(۱۳۸۷) در تحقیق خود با عنوان «بررسی کاربرد مدل‌های پیش‌بینی ورشکستگی آلتمن و فالمر در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران» به مقایسه نتایج این دو مدل پرداختند. نتایج تحقیق نشان داد بین نتایج این دو مدل تفاوت معنی داری وجود دارد و همچنین مدل آلتمن در پیش‌بینی ورشکستگی محافظهکارانه تر از مدل فالمر عمل می‌کند.
قدرتی و معنوی مقدم(۱۳۸۹) در تحقیق خود با عنوان «بررسی دقت مدل‌های پیش‌بینی (مدل‌های آلتمن، شیراتا، اهلسون، زمیسکی، اسپرینگیت، سی ای اسکور، فولمر، ژنتیک فرج زاده، ژنتیک مک کی) در بورس اوراق بهادار تهران» به تعدیل ضرایب مدل‌ها بر اساس شرایط محیطی بورس اوراق بهادار تهران پرداخته و توانایی آن ها را در پیش‌بینی ورشکستگی مورد آزمون قرار دادند. نتایج تحقیق آن ها نشان داد که تمامی الگوها توانایی پیش‌بینی تداوم فعالیت شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران را دارند و مدل‌هایی که با بهره گرفتن از تکنیک‌های هوش مصنوعی مدل سازی شده بودند، نسبت به مدل‌هایی که با بهره گرفتن از تکنیک‌های آماری مدل سازی شده بودند از قدرت پیش‌بینی بهتری برخوردار بودند.
سلیمانی (۱۳۸۹) در تحقیق خود با عنوان «ارزیابی کارایی الگو های پیش‌بینی بحران مالی برای شرکت‌های ایرانی» به بررسی کارایی و مقایسه مدل‌های زمیسکی، اسپرینگ و آلتمن در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی ۱۳۸۵-۱۳۷۶ پرداخت. نمونه تحقیق وی شامل ۳۰ شرکت موفق و ۳۰ شرکت ناموفق می‌باشد. نتایج تحقیق آن ها نشان داد این مدل‌ها توانایی پیش‌بینی تداوم فعالیت شرکت‌ها را برای یک و دو سال قبل از توقف عملیات دارند. همچنین نتایج تحقیق آن ها نشان داد که این الگوها، تفاوت معنی داری در پیش‌بینی تداوم فعالیت شرکت‌ها دارند.
پور حیدری و همکار (۱۳۸۹) در تحقیق خود با عنوان پیش‌بینی بحران مالی شرکت‌ها با بهره گرفتن از مدل تابع تفکیک خطی «ابتدا با بهره گرفتن از آزمون T-test، ۹ نسبت مالی را به عنوان متغیر های مستقل انتخاب نموده و سپس با بهره گرفتن از تابع تفکیک خطی مدلی جهت پیش‌بینی بحران مالی ارائه کردند. جامعه آماری تحقیق، کلیه شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران که در بازه زمانی ۱۳۸۶-۱۳۸۰ در بورس فعال بوده‌اند است. نمونه تحقیق شامل ۳۰ شرکت دارای بحران مالی و ۶۰ شرکت فاقد بحران مالی است. نتایج تحقیق آن ها نشان می‌دهد مدل ارائه شده در این تحقیق قابلیت پیش‌بینی بحران مالی را تا پنج سال قبل از وقوع با دقت بالا دارا است.»
مکیان و همکاران(۱۳۸۹) در تحقیق خود با عنوان «مقایسه مدل شبکه های عصبی مصنوعی با روش‌های رگرسیون لجستیک و تحلیل تمیزی در پیش‌بینی ورشکستگی شرکت‌ها» به مقایسه مدل شبکه عصبی مصنوعی با دو روش دیگر طی دوره ۱۳۸۶-۱۳۷۴ پرداختند. نمونه تحقیق شامل ۴۰ شرکت ورشکسته و ۴۰ شرکت غیر ورشکسته است. نتایج تحقیق آن ها نشان داد که مدل شبکه عصبی مصنوعی در مقایسه با دو روش آماری دیگر از دقت بالاتری برخوردار است.
فدائی نژاد و اسکندری(۱۳۹۰) در تحقیق خود تحت عنوان”طراحی و تبیین مدل پیش بینی ورشکستگی شرکت‌ها در بورس اوراق بهادار تهران “نشان دادند که استفاده از داده های بازار برای پیش بینی ورشکستگی مؤثرتر از استفاده از نسبت‌های مالی و یا استفاده هم زمان از داده های بازار و نسبت‌های مالی است و همچنین مدلی که از داده های بازار استفاده کرده و از طریق الگوریتم بهینه سازی تجمعی ذرات آموزش ببیند میتواند تا ۶/۹۲ درصد ورشکستگی شرکت‌ها را به درستی پیش بینی نماید.
کرمی و سید حسینی (۱۳۹۱) تحقیقی را تحت عنوان”سودمندی اطلاعات حسابداری نسبت به اطلاعات بازار در پیش بینی ورشکستگی ” ارائه نمودند و یافته های تحقیق حاکی از آن است که اطلاعات حسابداری در پیش بینی ورشکستگی از سودمندی بیشتری نسبت به اطلاعات بازار برخوردار بوده و ترکیب اطلاعات بازار با اطلاعات حسابداری نتوانسته است دقت الگوی حسابداری را بهبود بخشد.
