Внутренние кредитные рейтинги (ВКР), построенные с применением эконометрических моделей, являются одними из важнейших инструментов риск-контроллинга, предназначенных для прогнозирования кредитоспособности компаний и их контрагентов. Однако, представленные в литературе механизмы моделирования ВКР обладают ограничениями, что приводит к невысокой точности прогнозов кредитоспособности компаний и(или) к невысокой надёжности ВКР. Для преодоления ограничений разработан механизм построения ВКР, базирующийся на методологиях рейтингового агентства Moody’s. Его отличиями от ранее применяемых являются: а) Использование наиболее актуальных исходных данных (с 2005 по 2015 годы) для обеспечения стационарности временного ряда; б) Дополнительная обработка исходных данных для приведения к единому базису различных практик бухгалтерского учёта и отражению хозяйственных операций по их экономической сущности, а не по форме; в) Подбор объясняющих переменных максимально приближенных к перечню факторов оценки кредитоспособности в методологиях Moody’s; г) Использование средних значений объясняющих переменных за 3 года для максимального учёта «кредитной истории» компаний. Разработаны примеры использования механизма при моделировании ВКР для машиностроительных компаний. Использованы: (1) модель упорядоченного множественного выбора – probit; и (2) искусственная нейронная сеть с алгоритмом обучения Левенберга-Марквардта (ИНС). Применение механизма при использовании probit позволило построить ВКР с точностью предсказаний кредитных рейтингов Moody’s (КР) около 64% и ошибкой до 1 градации около 95%. Это значительно выше, чем в случае построе