هدف اصلی تمام بانک های تجاری جمع آوری پس اندازهای افراد حقیقی و حقوقی و تخصیص آنها به صورت تسهیلات به شرکتهای صنعتی، خدماتی و تولیدی است. عدم باز پرداخت تسهیلات از جانب این مشتریان، بانکها را دچار مشکلات عدیده ای از جمله ناتوانی در بازپرداخت وامهای بانک مرکزی، بیشتر شدن مقدار تسهیلات از مقدار باز پرداختیهای مشتریان و عدم توانایی اعطای تسهیلات می کند. اهمیت اعطای تسهیلات در صنعت بانکداری کشور و نقش خطیر آن در رشد اقتصادی و افزایش اشتغال، منجر به توسعه چندین مدل گوناگون برای ارزیابی اعتباری مشتریان متقاضی این تسهیلات شده است. اما بسیاری از این مدلها، مدلهای کلاسیک هستند و توانایی ارزیابی اعتباری مشتریان را بطور کامل و بهینه ندارند، بنابراین زمینه ورود مدلهای هوش مصنوعی به این حوزه مهیا گردیده است. لذا در تحقیق حاضر مدل طبقه بندی اعتباری مبتنی بر تکنیک ماشین بردار پشتیبان با چارچوبی جدید، به منظور پیش بینی عملکرد مالی مشتریان حقوقی بانک ارائه گردیده است. تحقیق پیش رو به مطالعه موردی شعب بانک صادرات ارومیه پرداخته است. برای جمع آوری داده های تحقیق اقدام به جمع آوری و بررسی مشاهدات 171 پرونده مربوط به مشتریان حقوقی شعب بانک صادرات ارومیه طی سال های 85-87 گردید که بصورت تصادفی از جامعه آماری انتخاب شده اند. سپس تکنیکهای انتخاب ویژگی مطرح در این حوزه و نیز تکنیک جدید پیشنهادی هیبرید برای انتخاب ویژگیهای بهینه، روی مجموعه داده های تحقیق اعمال گردید. بعد از انتخاب ویژگیهای بهینه، الگوریتم های مختلف طبقه بندی مطرح در این حوزه و نیز الگوریتم ماشین بردار پشتیبان برای طبقه بندی اعتباری بکار گرفته و پس از آموزش مدل ، کارایی پیش بینی آن از طریق اعتبارسنجی متقابل مورد ارزیابی قرار گرفت. نتایج بررسی نشان می دهند که چارچوب جدید ارائه گردیده برای مدل ماشین بردار پشتیبان در مقایسه با دیگر روشهای مطرح در این حوزه از دقت بالاتری در تشخیص مشتریان بد حساب و خوش حساب دارا می باشد.