Обгрунтовано використання для прогнозування ризику банкрутства в
умовах неповноти та невизначеності нечітких нейронних мереж (ННМ) з виведеннями Мамдані та Цукамото. Результати експериментів показали, що точність прогнозування ризику банкрутства складає методом Альтмана - 68-70%, матричним методом - 80%, нео-фазі каскадною нейромережею - 87%, а ННМ Мамдані та Цукамото -88-90 %. Досліджено проблему прогнозування ризику банкрутства у банківській сфері України в умовах невизначеності. Проведено експериментальні дослідження ефективності використання ННМ для прогнозування ризику банкрутства банків та порівняння зі статистичними моделями ARIMA, logit-model та probit-model, а також із нечітким методом групового обліку аргументів (МГОА). В результаті експериментів встановлено,
що найбільшу точність прогнозування забезпечує використання ННМ TSK (2%)
та нечіткого МГОА (4%), тоді як статистичні моделі мають точність: logit-model -16%, probit -model -14% та ARIMA -18%. В процесі експериментів також було визначено адекватні фiнaнcoвo-eкoнoмічні показники банків для прогнозування ризику банкрутства.