هدف هذا البحث إلى بناء نموذج إنذار مبكر للتنبؤ بفشل المصارف السورية الخاصة باستخدام تقنيات التعلم الآلي. لتحقيق هدف الدراسة، تم استخدام معيارين للتصنيف، مصرف ناجح أو فاشل، من خلال الاعتماد على ثلاث مقاييس وهي: نسبة السيولة للالتزامات على أن تتجاوز نسبة 20% للعملات المحلية، وذلك حسب قرار مصرف سورية المركزي ، كفاءة الملاءة المالية على أن لا يقل رأس مال المصرف عن 8% من كتلة المخاطر حسب متطلبات بازل II وأخيراً، نسبة تغطية السيولة عن ألا تقل عن 100% حسب متطلبات بازل III. ومن ثم تم استخدام ست تقنيات تعلّم آلي، وهي: الانحدار اللوجستي Logistic Regression، كـ-الجيران الأقربk-Nearest Neighbors ، شجرة القراراتDecision Trees ، الغابات العشوائيةRandom Forest  والشبكات العصبية  Neutral Network وبايز الساذج Naïve Bayes.
تم جمع البيانات من القوائم المالية للمصارف الخاصة المنشورة في الموقع الرسمي لهيئة الأوراق المالية ، للفترة الزمنية الربعية الممتدة بين 2011 و2020.
توصلت الدراسة إلى إمكانية التنبؤ بفشل المصارف باستخدام تقنيات التعلم الآلي، حيث حقق نموذج الشبكات العصبية Neutral Network أعلى دقة للتنبؤات بين النماذج الستة المستخدمة وتبلغ نسبة 93.2%، يليها شجرة القرارات Decisions Tree التي حققت دقة نسبتها 92%. يليها نموذج الغابة العشوائية Random Forest التي حققت دقة نسبتها 91.3% يليها الانحدار اللوجستي Logistic Regression وأخيراً كـ-الجيران الأقرب k-Nearest Neighbors اللذان حققا دقة نسبتها 89.51% و85.58% على التوالي. 
اختتمت الدراسة بمجموعة من التوصيات، أهمها اعتماد كلاً من الشبكات العصبية، شجرة القرارات والغابة العشوائية عند القيام بالتنبؤ بالفشل المالي للمصارف السورية الخاصة التقليدية والإسلامية.