امروزه در صنعت بانکداری وام ها نقش اساسی دارند به طوری که بخش زیادی از دارایی های یک بانک از وام های پرداخت شده به افراد و شرکت ها تشکیل می شود و در نتیجه با افزایش تعداد درخواست های وام از سوی افراد و با توجه به ریسک موجود در این فعالیت ها ، ارائه روشی برای مدیریت این وام ها ضروری به نظر می رسد. یکی از راه های اندازه گیری ریسک اعتباری و در نتیجه مدیریت مناسب آن استفاده از رتبه بندی اعتباری است.رتبه بندی اعتباری مدلی برای اندازه گیری ویژگی ها و عملکرد گیرندگان تسهیلات ، بر اساس معیارهای کمی مانند اطلاعات مالی افراد و نیز معیارهای غیر کمی مانند مشخصات مربوط به شخصیت اجتماعی افراد تا از این طریق پیش بینی عملکرد آتی متقاضیان اخذ تسهیلات با مشخصات مشابه مقدور شود. پژوهش حاضر باهدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی وام قرض الحسنه با استفاده از روش های هوشمند جهت رتبه بندی اعتباری شکل گرفته است.به دنبال این هدف ابتدا عوامل مهم تأثیرگذار (شاخص های قطعی و غیرقطعی) بر رفتار اعتباری مشتریان شناسایی گردید.سپس مشتریان به دو دسته خوش حساب و بد حساب تقسیم گردیده اند.در مرحله بعد مدلهای شبکه عصبی پس از طراحی با داده های قطعی آموزشی، آموزش داده شدند. پس ار آن مدل استدلال فازی با داده های غیرقطعی و قوانین مناسب طراحی گردید. در مرحله آخر مدل استدلال فازی با استفاده از داده های غیرقطعی آموزشی، آموزش داده شد و نتایج هر کدام از سه مدل با نتایج واقعی مقایسه گردید نتایج به دست آمده نشان داد که رفتار اعتباری مشتریان بانک با استفاده از شبکه عصبی، استدلال فازی و استدلال عصبی فازی قابل پیش بینی هست و مدل نرو فازی از قدرت پیش بینی خوبی نسبت به بقیه برخوردار است.