هدف اصلی تمام بانک های تجاری جمع آوری پس اندازهای افراد حقیقی و حقوقی و تخصیص آن ها به صورت تسهیلات به شرکت های صنعتی، خدماتی و تولیدی است. عدم بازپرداخت تسهیلات از جانب این مشتریان، بانک ها را دچار مشکلات عدیده ای از جمله ناتوانی در بازپرداخت وام های بانک مرکزی، بیشتر شدن مقدار تسهیلات از مقدار باز پرداختی های 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 مدل ها، مدل های کلاسیک هستند و توانایی ارزیابی اعتباری مشتریان را بطور کامل و بهینه ندارند؛ بنایراین زمینه ورود مدل های هوش مصنوعی به این حوزه مهیا گردیده است. در این پژوهش سعی گردید. تا پس از تهیه مدل مناسب رتبه بندی اعتباری مشتریان و جمع آوری دانش خبرگان با استفاده از مدل استدلالی ترکیبی و مدل ترکیبی فازی به طراحی سیستم هوشمند هیبریدی رتبه بندی اعتباری مشتریان پرداخته شود. سیستم خبره به عنوان ماژول سمبولیک و شبکه عصبی و سیستم های عصبی فازی به عنوان ماژول غیر سمبولیک، اجزای این سیستم هیبریدی را تشکیل می دهند. چنین مدلی قابلیت استدلال و تشریح سیستم خبره و قابلیت یادگیری و تطبیق پذیری شبکه عصبی را به صورت توامان به همراه دارد. نتایج سیستم هیبریدی و هیبری فازی سیستم که با نتایج سیستم خبره مقایسه گردید، حاکی از دقت و قدرت بالای سیستم هوشمند هیبریدی نسبت به سیستم خبره در رتبه بندی اعتباری مشتریان است.
