Il presente lavoro di tesi ha l’obiettivo di confrontare tra loro due differenti modelli di credit scoring: la regressione logistica e Support Vector Machines. Nei capitoli introduttivi sono descritti i concetti alla base del rischio di credito e la teoria su cui si basano entrambi i modelli utilizzati. L'analisi è stata implementata utilizzando i dati di bilancio, estratti dalla banca dati AIDA, di un campione di imprese appartenenti al settore dei Trasporti. Dopo aver descritto le caratteristiche fondamentali del settore è stato sviluppato il modello logistico attraverso il software statistico R, e Support Vector Machines con il linguaggio di programmazione Python.