В работе предложен новый подход к определению рейтинга кредитоспособности государств, на основе современных математических моделей, таких, как нейросетевая модель, множественная регрессия, нелинейное многомерное моделирование, кластерный анализ, дискриминантный анализ. С такими показателями стран, как ВВП на душу населения, объем ВВП, годовой темп прироста ВВП, ПИИ приток иностранных инвестиций, уровень безработицы, инфляция индекса потребительских цен, размер государственного долга в процентах от ВВП были проведены следующие анализы: дискриминантный, кластерный, кроме того, была простроена модель множественной регрессии, нелинейная модель, а также нейронная сеть. Полученные по каждой модели результаты были объединены в систему оценки кредитного рейтинга стран «7М»

This work presents a new approach to the countries’ credit rating definition, based on the advanced mathematical models, such as neural network model, multiple regression, cluster analysis and discriminant analysis. A range of the analyses such as discriminant, cluster, multiple regression models and a neural network were performed on the following economic figures: GDP per capita, GDP value, annual growth rate of GDP, FDI foreign investment, rate of unemployment, consumer price inflation index, the size of government debt in percentage of GDP. The results, obtained for each model were combined in the countries’ credit rating estimation system called "7M"