مشتریان به طور عمده ذهنی[4] و مبتنی بر دیدگاه مسئولین بودند. رتبه بندی اعتباری هم در واقع روشی برای شناسایی و موافقت با اعطای وام به متقاضیان با ریسک پایین و اجتناب از اعطای وام به متقاضیان با ریسک بالا از طریق رتبه بندی آنها می باشد.

امروزه در صنعت اعتباری، شبکه های عصبی تبدیل به یکی از دقیق ترین ابزار آنالیز اعتبار در میان سایر ابزار شده است. دیسای و همکارانش[5] در سال 1996 به بررسی توانایی های شبکه های عصبی و تکنیکهای آماری متداول نظیر آنالیز ممیزی خطی[6] و آنالیز رگرسیون خطی[7] در ساخت مدلهای امتیازدهی اعتباری پرداخته اند (دیسای ،1996، 24-37). همچنین وست[8] در سال 2000 به بررسی مدلهای کمی پرداخت. نتایج بدست آمده بیانگر این بود که شبکه های عصبی قادر به بهبود دقت امتیازدهی می باشند. آنان همچنان بیان کردند که آنالیز رگرسیون خطی جایگزین بسیار خوبی برای شبکه های عصبی است. در حالیکه درخت تصمیم و مدل نزدیکترین همسایه و آنالیز ممیزی خطی نتایج نوید بخش و دلگرم کننده ای ایجاد نکردند. (وست،2000، 1131-1152).

رتبه بندی اعتبار به طور اساسی یک راه تشخیص تفاوت‌های گروه‌ها در یک جمعیت است. ایده جدا کردن گروهها در یک جمعیت در آمار به وسیله فیشر در سال 1963 معرفی گردید. (توماس[9]،2000، 16).

[1] Credi Scoring

[2] Credit Rating

[3] Yang Lui

[4] Subjective

[5] Desai,Crook & Overstreet

[6] Linear Discriminant Analysis (LDA)

[7] Logistic Regression Analysis (LRA)

[8] West