هدف از این تحقیق طراحی و استقرار مدل اندازه گیری ریسک اعتباری در نظام بانکی نقش کارامدی در راستای بالا بردن بهره وری بانک ها و موسسات مالی در تخصیص بهینه منابع می باشد. در این پژوهش تلاش شده تا کارایی مدل های لجستیک و شبکه عصبی مصنوعی GMDH برای پیش بینی ریسک اعتباری مشتریان نظام بانکی مورد بررسی قرار گیرد و همچنین مهمترین عوامل موثر بر ریسک اعتباری، شناسایی و مورد بررسی قرار گیرند. اطلاعات مورد استفاده در این پژوهش مربوط به 100 نفر از مشتریان حقوقی یکی از بانک های کشور می باشد. بنابر اهداف پژوهش متغیرهای مورد استفاده نیز به صورت ترکیبی از مهمترین متغیرهای مالی و غیرمالی می باشد. نتایج مدل لاجیت نشان می دهد که متغیرهای تعداد چک های برگشتی، سابقه فعالیت شرکت نزد بانک، میزان سرمایه شرکت، نسبت گردش مجموعه دارایی، نسبت بدهی به حقوق صاحبان سهام و نسبت حاشیه سود خالص مهمترین متغیرهای موثر بر شناسایی میزان ریسک اعتباری مشتریان می باشد.