U ovom radu objasnili smo što je kreditni rizik i način na koji su svi sudionici tržišta izloženi kreditnom riziku. Opisali smo zašto je bitno da financijske institucije analiziraju i upravljaju kreditnim rizikom na ispravan način i kako se to odražava na ostvarenje profita. Ključan pojam koji se provlači kroz cijeli diplomski rad jest pojam defaulta, klijentovog neplaćanja. Definirali smo PD, LGD i EAD kao ključne indikatore klijentove rizičnosti. S obzirom da se radi o slučajnim varijablama, uveli smo matematičke modele kojima se može pristupiti procjeni navedenih parametara. U praksi se PD, vjerojatnost ulaska u default, pokazao daleko najbitnijim parametrom, pa je glavni cilj ovog rada bio uvesti model kojim ćemo dobro moći pristupiti procjeni PD-ja. S tim razlogom, definirali smo generalizirani linearni model i objasnili metodu maksimalne vjerodostojnosti. Kao poseban slučaj GLM-a koji dobro može odrediti klijentov PD, naveli smo model logističke regresije. Pretpostavke koje trebaju biti zadovoljene u tom modelu jesu izostanak multi-kolinearnosti među prediktorima, izostanak utjecajnih točaka i linearnost izmedu funkcije veze zavisne varijable i nezavisnih. Demonstrirali smo testiranje značajnosti koeficijenata i interpretaciju rezultata, u terminima šansi, omjera šansi i vjerojatnosti. Posebnu važnost u izboru krajnjeg modela i ocjeni prediktivnosti modela pokazale su veličine poput Akaike informacijskog kriterija i površine ispod ROC krivulje. Krajnje, sva teorija potkrijepljena je primjerom, koristeći bazu o klijentima jedne banke i programski jezik R. Na skupu podataka korištenima u primjeru, kao najznačajnijim varijablama, odnosno onima koje najviše utječu na klijentov ulazak u default, pokazale su se radno iskustvo, debt to income ratio i debt to credit ratio. Dulje radno iskustvo pozitivno je utjecalo na vjerojatnost ulaska u default, odnosno smanjivalo ju je. S druge strane, veći dugovi značili su i veću vjerojatnost defaulta, odnosno rizičnijeg i nepouzdanijeg klijenta.