طراحی و استقرار مدل رتبه بندی اعتباری در نظام بانکی نقش مهمی در بالا بردن کارایی تخصیص منابع به مشتریان هدف دارد. در این تحقیق با هدف تدوین مدلی جهت ارزیابی ریسک اعتباری مشتریان حقوقی بانک از ماشین بردار پشتیبان (SVM) و الگوریتم ژنتیک بهره گرفته شده است. بدین منظور، مطالعه­ای بر روی متغیرهای مالی282 شرکت که طی سال­های 1387 تا 1390 از بانک تجارت تسهیلات دریافت کرده­اند، صورت گرفته است. در این پژوهش برای بهینه سازی ورودی های ماشین بردار پشتیبان از الگوریتم ژنتیک بهره گرفته شده است، توان بسیار بالای الگوریتم ژنتیک در انتخاب نقاط بهینه، همواره این اطمینان خاطر را برای استفاده کننده فراهم می­آورد که نقاط بهینه پیشنهادی، نقاط بهینه بهتری برای مساله خواهند بود. در مدل هیبریدی GA-SVM، الگوریتم ژنتیک داده­های ورودی مدل SVM را بهینه می­سازد. یافته­های تحقیق نشان می­دهد مدل هیبریدی GA-SVM نسبت به مدل SVM عملکرد بهتری در شناسایی مشتریان خوش حساب و بد حساب و پیش­بینی ریسک اعتباری مشتریان دارد.  

رتبه بندی اعتباری, ریسک اعتباری, ماشین بردار پشتیبان, الگوریتم ژنتیک