اعطای اعتبار بخش مهمی از عملیات بانکی می باشد. تصمیمات مرتبط با این موضوع از تعیین کننده ترین سیاست-های بانک ها و موسسات مالی و اعتباری می باشد و علیرغم اینکه می تواند یکی از مهمترین منابع سود باشد، با ریسک های بزرگی نیز مرتبط است که در مواردی ممکن است حتی منجر به ورشکستگی شود. از آن جمله می توان به ریسک اعتباری اشاره نمود که در سال های اخیر مهمترین عامل ورشکستگی موسسات مالی محسوب می شود. از اینرو طراحی و استقرار مدل های سنجش ریسک اعتباری در نظام مالی کشور، نقش کارآمدی در تخصیص بهینه منابع و کاهش احتمال نکول وام های اعطایی خواهد داشت. پژوهش حاضر تلاشی است در جهت یافتن مدلی که بتواند ریسک اعتباری را با صحت بالایی پیش بینی نماید. در این راستا با استفاده از داده های اعتباری 330 نفر از مشتریان موسسه مالی و اعتباری ثامن الائمه (ع) که در فاصله سال های 1385 تا 1388 از این موسسه تسهیلات اعتباری دریافت نموده بودند، دو مدل شبکه های عصبی مصنوعی و درخت های طبقه بندی و رگرسیونی طراحی شدند و کارایی آنها مورد آزمون و مقایسه قرار گرفت. نتایج نشان می دهد که صحت پیش بینی درمورد شبکه های عصبی مصنوعی 32/83 درصد و در مورد درخت های طبقه بندی و رگرسیونی برابر با 54/79 درصد می باشد. بنابراین مدل شبکه های عصبی مصنوعی مدل کاراتر تشخیص داده شده و جهت بکارگیری در نظام مالی کشور پیشنهاد می شود.