Finansal başarısızlık olgusu işletmelerde finansal yeterliliklerin yerine getirilememesini ifade etmektedir. Bununla birlikte ülke ekonomisinin mikro birimleri olan işletmelerin yaşadığı finansal başarısızlıklar makro boyutlu başarısızlıkları hem ülke ekonomisinin başarı ölçütü olması açısından hem de firmaların finansal yeterliliklerini yerine getirebilirliğinin belirlenmesi açısından önem arz etmektedir. Finansal başarısızlıkların belirlenmesinde çok farklı yaklaşımlar bulunmaktadır. Bu çalışmada finansal başarısızlıkların tahmin edilmesinde kullanılan yapay sinir ağları modeli ele alınmıştır. Bu kapsamda Tekstil ve Kimya Petrol ve Plastik sektörlerinde faaliyet gösteren işletmelerin finansal başarısızlıklarının bir yıl öncesinden belirlenmesine yönelik bir model geliştirilmiştir. Çalışma sonucunda yapay sinir ağı modeli toplam 11 başarılı işletmeden 9 tanesini doğru sınıflarken 2 tanesini hatalı sınıflandırmıştır. Yani model başarılı işletmelerin yaklaşık % 82’sini doğru tahminlemiştir. Yapay sinir ağları test setinde yer alan 10 tane başarısız işletmeyi de %80 oranında doğru sınıflandırmıştır. 10 tane başarısız işletmeden 8’i doğru olarak sınıflandırırken 2 tanesi de hatalı sınıflandırılmıştır. Yapay sinir ağlarında toplam sınıflandırma doğruluğu incelendiğinde eğitim setinin tamamı doğru sınıflandırılırken, test setinin toplam sınıflandırma doğruluğu yaklaşık % 81 olarak gerçekleşmiştir

The concept of financial unsuccesfulness indicates financial inability in the corporation. Financial unsuccefsulnesses experienced by micro units of a country, corporation, needs to be evaluated at macro level. In this sense, the financial unsuccesfulnesses are critical in measuring both the succes of a national economy and firms’ financial abilities. There are different approaches for determining the financial inabilities. This study is on the neural Networks model that are used to determine the financial inabilities.The study develops a model to determine financial inabilities in sectors of textile, chemistry, petroleum, and plastic a year ahead. According to the results of the study, the neural network model has classified 9 of eleven succesful corporations correctly and 2 of them incorrectly. This means that the model has forecasted approximately 82% of the ressults correctly. Moreover, the model has classified 8 of 10 unsuccesful corporations in the test set correctly and 2 of them incorrectly. This means that the model has classified 80% of the results correctly. Regarding the total classification correctness of the model research indicates that the model has classified the education set %100 correctly while the total correctness of the test set is approximately 81%.