1- تهرانی، رضا. فلاح شمس، میرفیض (1384). طراحی و تبیین مدل ریسک اعتباری در نظام بانکی کشور. مجله علوم اجتماعی و انسانی دانشگاه شیراز، 43، 45-60.
2- چترجی، سمپریت. اس.هادی، علی. پرایس، برترام (1384). تحلیل رگرسیون با مثال. حسینعلی نیرومند. مشهد: دانشگاه فردوسی مشهد.
3- حبیبپور، کرم. صفری، رضا (1388). راهنمای جامع کاربرد SPSS در تحقیقات پیمایش (تحلیل دادههای کمی). تهران: لویه.
4- راعی، رضا. فلاحپور، سعید (1387). کاربرد ماشین بردار پشتیبان در پیشبینی درماندگی مالی شرکتها با استفاده از نسبتهای مالی. بررسیهای حسابداری و حسابرسی، 53، 17-34.
5- شریعتپناهی،س. برکادهی، س. (1388). ارائه مدلی برای اعتبار سنجی مشتریان در بانک صنعت و معدن. فصلنامه مطالعات حسابداری، 21، 61-82.
6- صفری، سعید. ابراهیمی شقاقی، مرضیه. شیخ، محمدجواد (1389). مدیریت ریسک اعتباری مشتریان حقوقی در بانک های تجاری با رویکرد تحلیل پوششی داد ه ها (رتبه بندی اعتباری).پژوهش های مدیریت در ایران (مدرس علوم انسانی)، 14، 137- 164.
7- طالبی، محمدصادق. شیرزادی، نازنی (1390). ریسک اعتباری: اندازهگیری و مدیریت. انتشارات سمت.
8- عبدلی، قهرمان.فرد حریری،علیرضا (1394). الگوسازی سنجش ریسک اعتباری مشتریان حقوقی بانک رفاه. نظریه های کاربردی اقتصاد, 2(1), 1-24.
9- عربمازار، عباس. روئینتن، پونه (1385). عوامل مؤثر بر ریسک اعتباری مشتریان بانکی؛ مطالعه موردی بانک کشاورزی. جستارهای اقتصادی، 6، 45-80.
10- غضنفری، مهدی. علیزاده، سمیه. تیمورپور، بابک (1387). دادهکاوی و کشف دانش. تهران: دانشگاه علم و صنعت ایران.
11- قدسی پور، حسن. سالاری، میثم. دلاوری، وحید (1391). ارزیابی ریسک اعتباری شرکت های وام گیرنده از بانک با استفاده از تحلیل سلسله مراتبی فازی وشبکه عصبی ترکیبی درجه بالا، نشریه بین المللی مهندسی صنایع و مدیریت تولید،شماره 1، جلد23.
12- کرمی، مصطفی (1389). ارائه مدلی برای ارزیابی وضعیت ریسک اعتباری مشتریان قبل از اعطای تسهیلات بانکی. بانک، 142-146.
13- مشکانی، علی.، ناظمی، عبدالرضا (1388). مقدمهای بر دادهکاوی. چاپ و انتشارات دانشگاه فردوسی مشهد، چاپ اول.
14- میرزایی، حسین. نظریان، رافیک. باقری، رعنا (1390). بررسی عوامل مؤثر بر ریسک اعتباری اشخاص حقوقی بانکها. فصلنامه روند پژوهشهای اقتصادی، شماره 58، 67-98.
15- Altman, Edward I. Sabato, Gabriele. (2006). Modeling Credit Risk for SMEs: Evidence from the US Market. In Proceedings of the international conference C.R.E.D.I. 25–26 September, Venice, Italy.
16- Basel Committee on Banking Supervision.; “Credit rating and complementarysources of credit quality information”; Working Paper, No.3, 2000.
17- Chen, W, Xiang, G. Liu, Y. Wang, K. (2012). Credit risk Evaluation by hybrid data mining technique. Systems Engineering Procedia, 3(0), 1, 20-94.
18- Emel, AhmetBurak. Oral, Muhittin. Reisman, Arnold. Yolalan, Reha. (2003). A credit scoring approach for the commercial banking sector. Socio-Economic Planning Sciences, 37, 103–123.
19- Greuning, Hennie van. Bratanovic, Sonja Brajovic. (2009). Analyzing Banking Risk: A Framework for Assessing Corporate Governance and Risk Management. World Bank Publications.
20- Kabari, L. G. Nwachukwu, E. O. (2013). Credit Risk Evaluating System Using Decision Tree – Neuro Based Model. International Journal of Engineering Research &Technology, 2, 2738-2745.
21- Lee, Tian-Shyug. Chiu, Chih-Chou. Lu, Chi-Jie. Chen, I-Fei. (2002). Credit scoring using the hybrid neural discriminant technique. Expert Systems with Applications, 23, 245-254.
22- Lee, T. S., Chiu, C. C., Chou, Y. C., Lu, C. J. (2006). Mining the customer credit using classification and regressiontree and multivariate adaptive regression splines. Computational Statistics & Data Analysis, 50, 1113-1130.
23- Lin, S. (2009). A new two-stage hybrid approach of credit risk in banking industry. Expert Systems with Applications, 36, 8333–8341.
24- Mileris, Ricardas. Boguslauskas, Vytautas. (2011). Credit Risk Estimation Model Development Process: Main Steps and Model Improvement. InzinerineEkonomika-Engineering Economics, 22, 126-133.
25- Min, Jae H. Lee, Young-Chan. (2008). A practical approach to credit scoring. Expert Systems with Applications, 35, 1762–1770.
26- Nazari, Mohsen. Alidadi, Mojtaba. (2013). Measuring Credit Risk of Bank Customers Using Artificial Neural Network. Journal of Management Research, 5, 17-27.
27- Pourdarab, Sanaz. Nadali, Ahmad. EslamiNosratabadi, Hamid.(2011). A Hybrid Method for Credit Risk Assessment of Bank Customers. International Journal of Trade, Economics and Finance, 2, 125-131.
28- Singh, S., Murthi, B. P. S., & Steffes, E. (2013). Developing a measure of risk adjusted revenue (RAR) in credit cards market: Implications forcustomer relationship management. European Journal of Operational Research, 224(2), 425-434.
29- Soares, J., Pina, J., Ribeiro, M., Catalão-Lopes, M. (2011). Quantitative vs. Qualitative Criteria for Credit Risk Assessment. Frontiers in Finance and Economics, 8(1), 69-87.
30- Yanping,Y.,Zhengming, Q., Min, Y.,Rui, G.,Liting, F.,Penghui, G. (2012). Research on the Application of Decision Tree to the Analysis of Individual Credit Risk. Information Technology, 25, 209-214.
31- Yu, L., Wang, S., Lai, K. (2008). Credit risk assessment with a multistage neural network ensemble learning approach. Expert Systems with Applications. 34, 1434–1444.
32- Yu, L.,Yue, W., Wang, S., Lai, K.K.(2010). Support vector machine based multiagent ensemble learning for credit risk evaluation. Expert Systems with Applications, 37, 1351-1360.