یکی از مهمترین مسائلی که مؤسسات مالی و اعتباری با آن مواجه می باشند، احتمال عدم ایفای تعهدات از سوی دریافت کنندگان اعتبارات می باشد. با پیش بینی ریسک، ضمن برآورد حق بیمه و وثیقه مناسب، خسارات ناشی از نکول مشتری و هزینه پیگیری وصول مطالبات به طور معنی داری کاهش یافته و ضمن افزایش کارایی، زمینه رقابت پذیری موسسات اعتباری نیز فراهم می گردد. هدف از انجام این پژوهش، سنجش ریسک اعتباری مشتریان صندوق ضمانت صادرات ایران با رویکرد داده کاوی و با استفاده از روش های ماشین بردار پشتیبان (SVM [1] ، KSVM [2] ) و شبکه عصبی با الگوریتم یادگیری [3] GMDH می باشد. یافته های پژوهش حاکی از آن است که در ارزیابی ریسک اعتباری متقاضیان تسهیلات اعتباری، روش KSVM نسبت به سایر مدل های بررسی شده از قابلیت و دقت بالاتری برخوردار می باشد . همچنین پنج متغیر سابقه شرکت ( سابقه فعالیت شرکت از زمان تاسیس )، مدت اعتبار (طول دوره اعتبارماخوذه)، میانگین صادرات (حجم فعالیت صادراتی شرکت طی سال های متمادی)، نحوه ایفای تعهدات و گردش حساب بانکی به مانده تعهدات (درجه استحکام مالی مشتری) به ترتیب بیشترین تاثیر را در ارزیابی اعتبار مشتریان دارا می باشند.
