در پژوهش حاضر یک سیستم استنتاج فازی عصبی انطباق‌پذیر (ANFIS) مبتنی بر تحلیل مولفه‌های اصلی (PCA) جهت پیش‌بینی درماندگی مالی شرکت‌ها پیشنهاد شده‌است. این سیستم نه تنها توانایی سازگاری و یادگیری را دارد، بلکه خطا را نیز کاهش می‌دهد؛ زیرا از پارامترهای اضافی هنگامی که متغیرهای ورودی بیش از حد هستند، اجتناب می‌کند. برای تأیید اثربخشی این مدل، تعداد 181 شرکت پذیرفته شده در بورس اوراق بهادار تهران (905 شرکت-سال) با استفاده از نمونه‌ای سیستماتیک در دوره زمانی 1390 تا 1394 انتخاب شدند که از این تعداد، 58 شرکت-سال درمانده مالی و تعداد 847 شرکت-سال سالم بودند. این شرکت‌ها به طور تصادفی به دو مجموعه تقسیم شدند: مجموعه آموزش جهت طراحی مدل و مجموعه وارسی جهت اعتبارسنجی مدل. نتایج حاصل از پژوهش نشان می‌دهد سیستم استنتاج فازی عصبی انطباق‌پذیر (ANFIS) مبتنی بر تحلیل مولفه‌های اصلی (PCA) قابلیت پیش‌بینی وقوع درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران را دارد و زمانیکه مدل پیشنهادی با الگوریتم فراابتکاری ازدحام کبوتر ترکیب می‌گردد با کاهش مقدار خطا دقت مدل افزایش می‌یابد. بنابراین مشاهده می‌شود که استفاده از یک الگوریتم مکمل می‌تواند دقت پیش‌بینی مدل PCA-ANFIS را افزایش دهد. Manuscript profile