مطالعه حاضر به دنبال مدل سازی رابطه گوردون با استفاده از روش شبکه عصبی پیش خور برای تعدادی از شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در این مطالعه به بررسی مدل گوردون با رویکرد غیرخطی و مقایسه آن با مدل خطی رگرسیون پرداخته شده است. بررسی مدل غیرخطی گوردون با استفاده از شبکه عصبی تاکنون در مطالعات مورد توجه قرار نگرفته است. در این پژوهش از اطلاعات 247 شرکت و تعداد 1135 مشاهده (شرکت-سال) طی سال های 1385-1392 (پنل نامتوازن برای رگرسیون) استفاده شده است. نتایج حاصل از مقایسه رابطه مذکور با استفاده از دو روش رگرسیون خطی و شبکه عصبی، نشان می دهد که ضریب تعیین بدست آمده برای شبکه عصبی بالاتر از ضریب تعیین رگرسیون خطی است، بنابراین استفاده از مدل غیرخطی می تواند توان پیش بینی مدل را بهبود بخشیده و به استراتژی های سرمایه گذاری سودآورتر کمک نماید. برای دستیابی به شبکه بهینه در فرآیند مدل سازی، ساختارهای مختلف شبکه با تغییر در تعداد نرون ها آزمون شدند.