این پژوهش با هدف عوامل موثر در طبقه بندی های اعتباری ( مطالعه موردی بانک پارسیان ) در " رگرسیون لاجیت " ، "پروبیت" و روش " شبکه های عصبی" ساخته شده است . برای این منظور ، اطلاعات 320 نمونه از روسا و معاونین شعب بانک پارسیان استان تهران که تسهیلات اعتباری در سال های اخیر توسط شعبات بانک پارسیان داده شده بود مورد مطالعه قرار گرفتند. پس از بررسی فایل های اعتباری از اعضای فراوان ،19 متغیر مالی و کیفی به رسمیت شناخته شده و مورد بررسی قرار گرفتند .از جمله این متغیرها ، با استفاده از روش فوق ،8 متغیر اثر معنی داری بر ریسک اعتباری دارند مشخص شد . بر اساس شاخص های آماری و نتایج این تحقیق و تایید نظریه های اقتصادی و مالی مربوط به عوامل موثر بر ریسک های اعتباری ، بیشتر نشان می دهد که در مدل لاجیت خطای پیش بینی ریسک اعتباری کمتر از خطای پیش بینی از پروبیت و مدل شبکه عصبی مصنوعی می باشد . در عینن حال ، درصد پیش بینی صحیح در مدل لاجیت بالاتر از دو مدل است . بنابراین ، کلیه متغیرهای 5c در ریسک اعتباری تاثیر به سزایی دارند . ارتباط مستقیمی بین وضعیت مالی و درجه ریسک اعتباری آنها می باشد . بنابراین پیش بینی احتمال عدم بازپرداخت یک مشتری در آینده بر اساس شاخص های مالی او امکان پذیر خواهد بود .