1. آبباز، مژگان. (۱۳۹۸). شناسایی آثار مشترک زمان و نوع صنعت بر مدلهای اعتبارسنجی (مطالعه موردی: مشتریان حقوقی یک بانک ایرانی) [پایاننامه کارشناسی ارشد، دانشگاه خوارزمی].
2. احمدی مطلق چوبری، فاطمه. (۱۳۹۶). اعتبارسنجی مشتریان حقوقی کوچک و متوسط بانکها با استفاده از مدل لوجیت و پروبیت [پایاننامه کارشناسی ارشد، مؤسسه آموزش عالی کوشیار].
3. اخباری، م.، و مخاطب رفیعی، ف. (۱۳۸۹). کاربرد سیستمهای استدلال عصبی–فازی در رتبهبندی اعتباری مشتریان حقوقی بانکها. مجله تحقیقات اقتصادی، (۹۲)، ۱–۲۱.
4. اسدی، سعید. (۱۳۹۱). اعتبارسنجی مشتریان و اثر آن بر کاهش ریسک اعتباری آنها با استفاده از مدلهای تحلیل ممیزی و لاجیت (مطالعه موردی: مشتریان حقیقی پست بانک استان ایلام) [پایاننامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد کرمانشاه].
5. اسکندری، نوید. (۱۴۰۰). طراحی مدل اعتبارسنجی مشتریان حقوقی متقاضی تسهیلات سرمایه در گردش بانک ملی ایران با استفاده از رویکرد ترکیبی یادگیری ماشین و تحلیل پوششی دادهها [پایاننامه کارشناسی ارشد، دانشگاه خوارزمی].
6. امیرکواسمی، شبنم. (۱۳۸۹). طراحی الگوی اعتبارسنجی مشتریان بانکی و نقش آن در کاهش ریسک اعتباری بانکها (مطالعه موردی بانک اقتصاد نوین) [پایاننامه کارشناسی ارشد، دانشگاه علامه طباطبائی].
7. امیری گویگانی، سجاد. (۱۴۰۲). ارائه تابع تعلق فازی ترکیبی برای ماشین بردار پشتیبان فازی جهت اعتبارسنجی مشتریان بانکها [پایاننامه کارشناسی ارشد، مؤسسه آموزش عالی جاوید، جیرفت].
8. انصاری، سارا. (۱۳۸۸). اعتبارسنجی مشتریان حقوقی بانک پارسیان با استفاده از شبکههای عصبی مصنوعی [پایاننامه کارشناسی ارشد، دانشگاه الزهرا].
9. برزگر، شقایق. (۱۳۹۹). ارائه مدلی برای اعتبارسنجی مشتریان با استفاده از روشهای ترکیبی دادهکاوی [پایاننامه کارشناسی ارشد، دانشگاه علامه محدث نوری].
10. خدرلو، بیتاله. (۱۳۹۴). اعتبارسنجی مشتریان حقیقی در سیستم بانکی کشور و ارائه مدل لجستیک برای آن (مورد مطالعه بانک تجارت استان زنجان) [پایاننامه کارشناسی ارشد، مؤسسه آموزش عالی کار خرمدره].
11. رحیمزاده، مهین. (۱۳۹۸). اعتبارسنجی مشتریان بانک با استفاده از روشهای مبتنی بر عصبی فازی [پایاننامه کارشناسی ارشد، مؤسسه آموزش عالی اترک، قوچان].
12. رضایی فرمانی، یزدان. (۱۳۹۷). اعتبارسنجی مشتریان در مدیریت ریسک بانک آینده شهر کرمانشاه [پایاننامه کارشناسی ارشد، دانشگاه پیام نور استان کرمانشاه].
13. عزیزاللهی، سیروس؛ معدنچیزاج، مهدی؛ محسنی، قاسم؛ و حسینی شکیب، مهرداد. (۱۴۰۱). بهکارگیری رویکرد تلفیقی دلفی فازی – رگرسیون لجستیک چندگانه در شناسایی و ارزیابی ریسک اعتباری مشتریان حقیقی بانک ملت. مهندسی مالی و مدیریت اوراق بهادار، ۱۳(۵۳)، ۱۷۳–۱۹۰.
14. علائیپور لاچین درسی، غفار. (۱۴۰۱). بررسی عوامل مؤثر بر اعتبارسنجی مشتریان بانک سپه با استفاده از معیار C5 [پایاننامه کارشناسی ارشد، مؤسسه آموزش عالی ادیب، مازندران].
15. علیپور گنجی، ویدا. (۱۳۹۹). ارزیابی رفتار و اعتبارسنجی مشتریان در بستر اینشورتک [پایاننامه کارشناسی ارشد، دانشگاه علوم و فنون مازندران].
16. فرحناک سرخابی، فرهاد. (۱۳۹۵). بررسی تأثیر شاخصهای اعتبارسنجی بر عملکرد اعتباری مشتریان حقوقی بانک اقتصاد نوین [پایاننامه کارشناسی ارشد، دانشگاه تبریز].
17. فلاح شمس، م. (۱۳۸۴). طراحی و تبیین مدل ریسک اعتباری در نظام بانکی کشور (صص ۴۳۰–۴۴۰). [نام نشریه/همایش و دوره در منبع اصلی ذکر نشده و نیازمند تکمیل است.]
18. فیروزیان، م.، جاوید، د.، و نجمالدینی، ن. (۱۳۹۰). کاربرد الگوریتم ژنتیک در پیشبینی ورشکستگی و مقایسه آن با مدل Z آلتمن در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران. بررسیهای حسابداری و حسابرسی، ۱۸(۶۵)، ۹۹–۱۱۴.
19. قاسمنیا عربی، نرجس. (۱۳۹۳). تبیین سیستم اعتبارسنجی مشتریان بانک جهت کاهش ریسک مطالبات معوق (شاهد تجربی: شعب بانک سینا در استان مازندران) [پایاننامه کارشناسی ارشد، دانشگاه مازندران].
20. کریمی، ز.، [و دیگر نویسندگان]. (۱۳۹۴). عوامل مؤثر بر ریسک اعتباری مشتریان بانکهای تجاری (مطالعه موردی: بانک تجارت شهر نکا، استان مازندران). اقتصاد پولی و مالی، ۲۲(۱۰). [فهرست کامل نویسندگان و شماره صفحات نیازمند تکمیل است.]
21. کشاورز حداد، غ.، و آیتی گازار، ح. (۱۳۸۶). مقایسه کارکرد مدل لاجیت و روش درختهای طبقهبندی و رگرسیونی در فرآیند اعتبارسنجی متقاضیان حقیقی برای استفاده از تسهیلات بانکی. پژوهشهای اقتصادی رشد و توسعه پایدار، ۷، ۷۱–۹۷.
22. کولیوند، کبری. (۱۳۹۳). اولویتبندی عوامل مؤثر بر اعتبارسنجی مشتریان بانک سینا و صادرات با استفاده از روش تحلیل سلسلهمراتبی (AHP) [پایاننامه کارشناسی ارشد، دانشکده مدیریت]. [نام دانشگاه نیازمند تکمیل است.]
23. لطفاله نسبی، پریسا. (۱۳۸۹). مقایسه کارکرد مدل شبکههای عصبی مصنوعی و درختهای طبقهبندی و رگرسیونی در فرایند اعتبارسنجی مشتریان سیستم بانکی [پایاننامه کارشناسی ارشد، دانشگاه بوعلی سینا].
24. محمد جلیلی، محمد؛ خدایی ولهزاقرد، محمد؛ و کنشلو، مهدیه. (۱۳۸۹). اعتبارسنجی مشتریان حقیقی در سیستم بانکی کشور. مطالعات کمی در مدیریت، ۱(۳)، ۱۲۷–۱۴۸.
25. محمودزاده، آرمان. (۱۳۹۴). کاهش ریسک اعتباری مشتریان بانک با استفاده از تکنیکهای انتخاب ویژگی و الگوریتمهای خوشهبندی [پایاننامه کارشناسی ارشد، دانشگاه سمنان].
26. مهرآرا، م.، موسایی، م.، تصوری، م.، و حسنزاده، آ. (۱۳۹۰). رتبهبندی اعتباری مشتریان حقوقی بانک پارسیان. مدلسازی اقتصادی، ۳(۳)، ۱۲۱–۱۵۰.
27. میرشفیعی، عطیهالسادات. (۱۳۹۴). کاربرد تکنیکهای دادهکاوی در اعتبارسنجی مشتریان بانکی (مطالعه موردی مشتریان یک بانک خصوصی در شعب استان مازندران) [پایاننامه کارشناسی ارشد، دانشگاه مازندران].
28. نبوی چاشمی، س. ع.، احمدی، م.، و مهدوی فرحآبادی، ص. (۱۳۸۹). پیشبینی ورشکستگی شرکتها با استفاده از مدل لاجیت. مهندسی مالی و مدیریت اوراق بهادار، (۲)، ۵۵–۷۹.
29. نصرتالهی، محمدجواد. (۱۳۹۹). سیستم بهینه اعتبارسنجی مشتریان و نقش آن بر ریسک بانکی [پایاننامه کارشناسی ارشد، دانشگاه پیام نور استان کرمانشاه].
30. نظری، عبداله. (۱۳۹۷). طراحی مدل سنجش اعتبار مشتریان حقیقی بانکها [رساله دکتری، دانشگاه تهران].
31. هوشدار مهجوب، رحمت. (۱۳۹۱). خوشهبندی اعتباری مشتریان برای ارائه تسهیلات متناسب (مطالعه موردی: کارگزاری سرمایهگذاری ملی ایران) [پایاننامه کارشناسی ارشد، دانشگاه قم].
32. Banasik, J., Crook, J. N., & Thomas, L. C. (1999). Not if but when will borrowers default. Journal of the Operational Research Society, 50(12), 1185–1190.
33. Bradbury, D. (2011). Data mining with LinkedIn. Computer Fraud & Security, 2011(10), 5–8.
34. Brockett, P. L., & Golden, L. L. (2007). Biological and psychobehavioral correlates of credit scores and automobile insurance losses: Toward an explication of why credit scoring works. Journal of Risk and Insurance, 74(1), 23–63.
35. Experian. (2013). Risk-based pricing: When does it work and when does it not? https://www.experian.co.uk
36. Financial Conduct Authority. (2018). Assessing creditworthiness in consumer credit.
37. Fitzgerald, R. (2018). How LenddoEFL uses data and personality analyses to increase access to financial services in emerging economies. CardRates. https://www.cardrates.com/news/lenddoefl-helps-emerging-economies-access-financial-services/
38. Freedman, S., & Jin, G. Z. (2017). The information value of online social networks: Lessons from peer-to-peer lending. International Journal of Industrial Organization, 51, 185–222.
39. Gomber, P., Koch, J. A., & Siering, M. (2017). Digital finance and FinTech: Current research and future research directions. Journal of Business Economics, 87(5), 537–580.
40. Guo, G., Zhu, F., Chen, E., Liu, Q., Wu, L., & Guan, C. (2016). From footprint to evidence: An exploratory study of mining social data for credit scoring. ACM Transactions on the Web, 10(4), 1–38.
41. Hodula, M. (2022). Does fintech credit substitute for traditional credit? Evidence from 78 countries. Finance Research Letters, 46, 102469. https://doi.org/10.1016/j.frl.2021.102469
42. Kruppa, J., Schwarz, A., Arminger, G., & Ziegler, A. (2013). Consumer credit risk: Individual probability estimates using machine learning. Expert Systems with Applications, 40(13), 5125–5131.
43. Leow, M., & Crook, J. (2016). A new mixture model for the estimation of credit card exposure at default. European Journal of Operational Research, 249(2), 487–497.
44. Malekipirbazari, M., & Aksakalli, V. (2015). Risk assessment in social lending via random forests. Expert Systems with Applications, 42(10), 4621–4631.
45. Masyutin, A. (2015). Credit scoring based on social network data. Business Informatics, 3(33).
46. McEvoy, M. J., & Chakraborty, T. (2014). Enabling financial inclusion through alternative data. World Economic Forum.
47. Nguyen, L., Tran, S., & Ho, T. (2021). Fintech credit, bank regulations and bank performance: A cross-country analysis. Asia-Pacific Journal of Business Administration, 14(4), 445–466.
48. Redrup, Y. (2017, December 12). How email and smartphone data could help you get a loan. Australian Financial Review. https://www.afr.com/technology/
49. Rusli, E. M. (2013, April 1). Bad credit? Start tweeting. The Wall Street Journal.
50. Senyo, P. K., & Osabutey, E. L. (2020). Unearthing antecedents to financial inclusion through FinTech innovations. Technovation, 98, 102155. https://doi.org/10.1016/j.technovation.2020.102155
51. Siddiqui, Z., & Rivera, C. A. (2022). FinTech and FinTech ecosystem: A review of literature. Risk Governance and Control: Financial Markets & Institutions, 12(1), 63–73.
52. Simon, H. A. (1959). Theories of decision-making in economics and behavioral science. The American Economic Review, 49(3), 253–283.
53. Sousa, M. R., Gama, J., & Brandão, E. (2016). A new dynamic modeling framework for credit risk assessment. Expert Systems with Applications, 45, 341–351.
54. Stango, V., & Zinman, J. (2006). How a cognitive bias shapes competition: Evidence from consumer credit markets [Working paper]. Tuck School of Business, Dartmouth College.
55. Steenackers, A., & Goovaerts, M. (1989). A credit scoring model for personal loans. Insurance: Mathematics and Economics, 8(1), 31–34.
56. Thakor, A. V. (2020). Fintech and banking: What do we know? Journal of Financial Intermediation, 41, 100833. https://doi.org/10.1016/j.jfi.2019.100833
57. Thomas, L. C. (2009). Consumer credit models: Pricing, profit and portfolios. Oxford University Press.
58. Thomas, L. C., Banasik, J., & Crook, J. N. (2001). Recalibrating scorecards. Journal of the Operational Research Society, 52(9), 981–988.
59. Thomas, L. C., Edelman, D. B., & Crook, J. N. (2017). Credit scoring and its applications (2nd ed.). SIAM.
60. Wang, L., Lu, W., & Malhotra, N. K. (2011). Demographics, attitude, personality and credit card features correlate with credit card debt: A view from China. Journal of Economic Psychology, 32(1), 179–193.
61. Wang, R., Liu, J., & Luo, H. (2021). Fintech development and bank risk taking in China. The European Journal of Finance, 27(4–5), 397–418.
