چکیده یکی از مهم ترین مسائلی که همواره بانک ها و موسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می باشد. رقم قابل توجه مطالبات معوق بانک ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می باشد. از این رو تاکنون تلاش های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق تر متقاضیان تسهیلات اعتباری صورت گرفته است. هدف اصلی این پژوهش بکار گیری روش حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک (ga-lssvm) در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری می باشد. بدین منظور از مجموعه داده های بانک آلمان در پایگاه داده یادگیری ماشین uci جهت نمایش اثربخشی و دقت طبقه بندی کننده ga-lssvm استفاده شده است. نتایج مدل ارائه شده با مدل های آماری لاجیت و پروبیت و رویکردهای رایج در بهینه سازی پارامترهای حداقل مربعات ماشین بردار پشتیبان مقایسه شده است. یافته های تحقیق حاکی از آن است که در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، مدل ga-lssvm نسبت به سایر مدل های بررسی شده از عملکرد مطلوب تری برخوردار می باشد.