فعالیت‌های بانکی و اعطای تسهیلات در بانک‌ها همواره با ریسک اعتباری مواجه بوده و با توجه به محدودیت منابع مالی بانک‌ها جهت ارائه تسهیلات، ارزیابی توان بازپرداخت مشتریان بانک پیش از اعطای تسهیلات، یکی از مهمترین چالش‌های پیش روی سیستم بانکی کشور است. بر این اساس در این تحقیق سعی بر آن شد که مدلی در جهت تعیین عوامل مهم موثر بر رفتار اعتباری مشتریان بانکی ارائه شود. تحقیق حاضر با استفاده از اطلاعات مشتریان حقیقی بانک سپه در سال های ۱۳۹۵ و ۱۳۹۶ صورت گرفته است و مدل-سازی تحقیق با استفاده از شبکه عصبی، درخت تصمیم فازی انجام شده است. آنچه نوآوری تحقیق می‌تواند محسوب شود استفاده از روش‌های یادگیری جمعی است که به منظور افزایش دقت در نتایج درخت تصمیم فازی در این تحقیق مدنظر قرار گرفته است. نتایج حاصل از تحقیق نشان می دهد که درآمد و تراکنش‌های مالی مشتریان از بیشترین اهمیت در تعیین ریسک اعتباری مشتریان برخوردار بوده است. هم‌چنین نتایج نشان می‌دهد که درخت تصمیم فازی با استفاده روش بگینگ دقت بالاتری نسبت به روش شبکه عصبی و درخت تصمیم فازی معمولی دارد.