در چند سال اخیر به بنگاه ها بویژه به صنعت لیزینگ به عنوان یکی از تامین کننده های مالی نگاه ویژه ای می شود. دغدغه ی اصلی که صنعت لیزینگ با آن می تواند درگیر باشد ریسک اعتباری است . بر همین اساس تحقیق حاضر در رابطه با مهم ترین مسئله ایی که لیزینگ و صنایع مشابه، با آن در چالش هستند، انجام پذیرفت. در این خصوص بر آن آمدیم مدل و الگویی مناسب برای کمی کردن ریسک اعتباری در این صنعت ارائه دهیم. بدین منظور از سه مدل لاجیت و پروبیت و شبکه عصبی gmdh برای بررسی ریسک اعتباری استفاده نمودیم.داده های پژوهش از میان مشتریان خودرویی این صنعت در دو بخش عقود اعتباری در بازه زمانی سال های 91-89 و اجاره به شرط تملیک در بازه زمانی سال های 91-86 جمع آوری گردید. در این پژوهش متغیرهای اثرگذار بر ریسک اعتباری را از روش رگرسیون گام به گام استخراج نمودیم. در مدل لاجیت و پروبیت از آزمونهای درستنمایی و هاسمر و لمشو و آزمون آمنبوس برای معناداری اثر مدل استفاده شده و معیار لاندای ویلکس و کای- مربع به منظور سنجش همبستگی درونی مشاهدات استفاده گردیدند که نشان از معنادار بودن این نوع همبستگی بین مشاهدات داشتند. در بخش شبکه ی عصبی gmdh نیز مدل مربوطه با استفاده از جملات خطی ،توان دوم و حاصل ضربی متغیرها برازش داده شد. با توجه به نتایج تحقیق، عملکرد مدل شبکه عصبی gmdh بهتر ارزیابی شده و نهایتاً استناد به این مدل برای اندازه گیری ریسک اعتباری نسبت به دو مدل لاجیت و پروبیت قابل اتکاتر خواهد بود.