این تحقیق با هدف شناسایی عوامل موثر بر رتبه بندی اعتباری مشتریان و ارائه الگوی مناسب برای رتبه بندی آنها (( مطالعه موردی بانک سینا )) به روش های « رگرسیون لاجیت » ، « پروبیت » و « شبکه های عصبی » انجام شده است . بدین منظور اطلاعات کیفی و مالی یک نمونه 349 تایی از مشتریانی که طی سالهای 1386 تا 1388 از شعب بانک سینا تسهیلات اعتباری دریافت نموده اند بررسی شد . در این تحقیق پس از بررسی پرونده های اعتباری هر یک از نمونه ها ، در ابتدا 19 متغیر توضیح دهنده شامل متغیرهای کیفی و مالی شناسایی و بررسی شد . از بین متغیر های موجود با استفاده از روش های فوق در نهایت 8 متغییر که اثر معنی داری بر ریسک اعتباری و تفکیک بین دو گروه از مشتریان خوش حساب و بد حساب داشتند، انتخاب مدل نهایی به وسیله آنها بر ارزش شد . بر اساس شاخصهای آماری ، این توابع از نظر ضرایب و همچنین قدرت تفکیک کنندگی معنی دار و اعتبار بالایی دارند . نتایج تحقیق ضمن دلالت بر تایید نظریه های اقتصادی و مالی در زمینه عوامل موثر بر ریسک اعتباری نشان میدهد که درصد خطای پیش بینی در مدل لاجیت از مدل های پروبیت و شبکه عصبی مصنوعی کمتر است. و در عین حال درصد پیش بینی درست مدل لاجیت نیز بیشتر از دو مدل دیگر می باشد و در نتیجه فرضیه پژوهش مبنی بر کارایی بیشتر مدلهای شبکه عصبی مصنوعی در پیش بینی ریسک اعتباری مورد تایید قرار نگرفت.