O mercado financeiro de varejo brasileiro encontra-se em um momento de expansão da concessão de crédito, ocasionando um forte aumento na demanda por ferramentas capazes de avaliar o risco de inadimplência dos potenciais contratantes de produtos de crédito. Modelos estatísticos, denominados modelos de 'Credit Scoring', estão sendo utilizados para esta finalidade. Neste trabalho, descrevemos as caracteristicas dos processo de concessão de crédito e a partir de uma amostra de dados, fornecida por uma instituição financeira brasileira, aplicamos e comparamos três técnicas para classificação de clientes: a Regressão Logística Múltipla, o CHAID e o REAL. As duas primeiras técnicas são bastante utilizadas por profissionais do mercado e a terceira, trata-se de um novo algoritmo de Árvore de Classificação, sendo a primeira vez que é aplicado ao problema. Vantagens e desvantagens de cada um dos métodos são apresentadas

Cosumer credit is an extremely significant factor in Brazilian economic expansion. Financial institutions are looking for efficient tools to evaluate the risk of consumer loans. Some statistical Credit Scoring Models have already been used for this evaluation. In this study we apply three methods in a sample set of applicants from a Brazilian Bank. Two of these methods, Multiple Logistic Regression and CAID, are well known and have good reputation in the financial community. The third method, the REAL, is a new decision tree algorithm and was adapted to be as a credit scoring technique. We compare the performance of these three methods to the data. We discuss the avanteges and disadvantages of each method