در فضای نظارتی و رقابتی پیچیده صنعت بانکداری، بهبود مستمر مدل‌های رتبه‌بندی داخلی به یک ضرورت راهبردی برای مؤسسات مالی تبدیل شده است. علی‌رغم پیشرفت‌های قابل‌توجه در روش‌های آماری و الگوریتم‌های یادگیری ماشین، تخصیص بهینه تسهیلات اعتباری و تعیین سقف اعتباری متقاضیان همچنان از چالش‌های اساسی مدیران ریسک و اعتباری محسوب می‌شود. این مقاله یک رویکرد آماری نوین مبتنی بر هوش مصنوعی ارائه می‌دهد که امکان تخمین حداکثر اعتبار مجاز و شناسایی عوامل مؤثر بر آن را فراهم می‌کند. هدف پژوهش، مشخص نمودن حدود آستانه‌ای برای اعطای اعتبار، بر اساس سیاست‌های اعتباری بانک از طریق تعیین دامنه قابل قبول احتمال نکول و میزان ریسکی است که در اعطای تسهیلات می‌پذیرد. در این مطالعه، دو سناریو با روابط علی متفاوت بین متغیرهای تأثیرگذار بر نکول بررسی شده است که به مدیران بانک در تصمیم‌گیری آگاهانه کمک می‌کند. مدل ارائه‌شده ابزاری برای محاسبه احتمال نکول و تعیین اعتبار قابل تخصیص است. خروجی این مدل به گونه‌ای طراحی شده که به راحتی در شعب بانک پیاده‌سازی شود و به مدیران در بهینه‌سازی تصمیمات اعتباری کمک کند.
