본 연구에서는 기업의 재무제표를 활용하여 신용등급을 예측하기 위해 기계학습 기법들을 활용한다. 특성은 회사의 규모, 총부채 레버리지, 시장-장부가 비율, 영업이익률, 배당금 지급 여부 다섯 가지를 사용하였고 AAA 등급부터 D 등급까지 21개의 등급으로 숫자로 환산하여 classificatioin and regression trees, support vector regression, multiple linear regression 모델을 활용하여 예측하였다. 신용등급예측에 대한 실험결과는 모든 변수를 포함한 모델이 $R^2$값 및 MSE에서 가장 뛰어났으나, 시가총액, 총부채 레버리지, 시장-장부가 비율 세 가지 변수의 모델은 가장 뛰어난 모델의 정확도에 근접하게 도달하였으며 단순성과 해석 가능성을 제공함으로 이 모델을 최종모델로 선정하였다. 해당 모델에 따르면 시가총액이 100억 원 이하, 500억 원 이하, 4.8조 원 이하일 때 평균적으로 B+, BBB, A+의 신용등급을 배정받는다. 신용등급을 향상하기 위해서는 시가총액을 높이는 방법과 부채 레버리지 비율을 낮추는 방법이 신용등급을 올리는 데 효과적이었다.