امینی، پ. (1385). بررسی امکان سنجی استفاده از مدل فولمر برای تخمین ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران. پایان نامه ارشد رشته حسابداری، دانشگاه تربیت مدرس.
رستمی، م.، فلاح شمس، م.، اسکندری، ف. (1390). ارزیابی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران: مطالعه مقایسه ای بین تحلیل پوششی دادهها و رگرسیون لوجستیک. پژوهش‌های مدیریت در ایران-مدرس علوم انسانی، دوره 15(3).
سپهری، م.، رحیمی مقدم، م. (1386). الگوریتم کلونی مورچگان و کاربردهای آن. انتشارات فرهنگ منهاج.
موسوی شیری، م.، طبرستانی، م. (1388). پیش‌بینی درماندگی مالی شرکتها با استفاده از تحلیل پوششی دادهها. تحقیقات حسابداری، (2) 158-187.
فلاح پور، س. (1383). پیش‌بینی درماندگی مالی شرکتها با استفاده از شبکه های عصبی مصنوعی. پایان نامه کارشناسی ارشد، دانشکده مدیریت دانشگاه تهران، تهران.
فلاح پور، س.، راعی، ر. (1387). کاربرد ماشین بردار پشتیبان در پیش‌بینی درماندگی مالی شرکتها با استفاده از نسبتهای مالی. فصلنامه بررسیهای حسابداری و حسابرسی، (4)15.
قادری، ا. (1390). بررسی اثر پارامترهای زمین شناسی مهندسی مؤثر در پهنه بندی خطر فرسایش با استفاده از الگوریتم بهینه سازی کلنی مورچگان. پایان نامه کارشناسی ارشد، دانشکده علوم پایه دانشگاه تربیت مدرس.
مرادی، م.، شفیعی سردشت، م.، ابراهیم پور، م. (1391). پیش‌بینی درماندگی مالی شرکتها بوسیله مدلهای ماشین بردار پشتیبان و تحلیل ممیزی چندگانه. فصلنامه بورس اوراق بهادار، 5(18).
معصومی، م. (1389). مقایسه روش‌های آماری و هوش مصنوعی در پیش‌بینی دررماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. پایان نامه کارشناسی ارشد، دانشکده مدیریت دانشگاه تهران، تهران.
موسوی شیری، م.، طبرستانی، م. (1388). پیش‌بینی درماندگی مالی شرکتها با استفاده از تحلیل پوششی دادهها. تحقیقات حسابداری، (2) 158-187.
یاریفرد، ر. (1382). بررسی مدلهای پیش‌بینی ورشکستگی(مدلهای فولمر و اسپرینگت) در بورس اوراق بهادار تهران. پایان نامه کارشناسی ارشد حسابداری، دانشگاه مازندران.
Altman, E. I. (1968). Financial ratios, discriminant analysis and the Prediction of corporate bankruptcy.The Journal of Finance, 23 (4), 589- 609.
Anandarajan, M., Lee, P. & Anandarajan, A. (2004). Bankruptcy Predication Using Neural Networks: A Perspective from Accounting And Finance. Springer-Verlag.
Bellovary, J., Giacomino, D. & Akers, M. (2007). A Review of Bankruptcy Prediction Studies: 1930 to Present. Journal of Financial Education.
Brabazon, A. O’Neill, M. (2006).Biologically Inspired Algorithms for Financial Modelling. Springer-Verlag Berlin Heidelberg, Germany.
Chen, J. (2012). Developing SFNN models to predict financial distress of construction companies. Expert Systems with Applications, (39), 823–827.
Chiang Y.C., Et Al. (2010). A Hybrid Approach Of Dea, Rough Set And Support Vector Machines For Business Failure Prediction. Expert Systems with Applications, (37), 1535-1541.
Etemadi, H., Anvary Rostami, A. A., Farajzadeh Dehkordi, H. (2008). A genetic programming model for bankruptcy prediction: Empirical evidence from Iran. Expert Systems with Applications.
Goletsis, Y., Exarchos P., Themis, Katsis, Cheristos (2009). Can Ants Predict Bankruptcy? A Comparison of Ant Colony Systems to Other State-of-The-Art Computational Methods. New Mathematics and Natural Computation, 5(3), 571-588.
Wang, S., Wu, L., Zhang, Y., Zhou Z. (2009). Ant colony algorithm used for bankruptcy prediction. Second International Symposium on Information Science and Engineering, IEEE Computer Society.
Tsai, C. (2009). Feature Selection In Bankruptcy Prediction. Knowledge- ased Systems, (22), 120–127.
Xu, X., Wang, Y. (2009). Financial Failure Prediction Using Efficiency As A Predictor. Expert Systems With Applications, (36), 366-373.
)