Dado que los datos históricos suelen estar indisponibles para una nueva empresa, la evaluación de riesgos siempre es compleja y desafiante. Los métodos tradicionales son incapaces de capturar todas las facetas de esta complejidad; por lo tanto, se necesitan herramientas más sofisticadas. Utilizando una metodología de redes bayesianas (BNs) elicitas por expertos, este documento tiene como objetivo proporcionar un método para combinar diversas fuentes de información, como datos históricos, conocimiento experto y las características únicas de cada nueva empresa, para estimar la tasa de incumplimiento en varias etapas del ciclo de vida. El método propuesto no solo reduce el error cognitivo de la opinión experta para una nueva empresa, sino que también considera la característica de aprendizaje de las BNs y el efecto de la duración al actualizar las estimaciones de incumplimiento. Además, el modelo considera el impacto del apetito de riesgo de los inversores. Además, el modelo puede clasificar los factores de riesgo más efectivos en varias etapas. Se utilizó la curva de características operativas del receptor (ROC) para evaluar el poder explicativo del modelo. Además, se utilizaron tres estudios de caso distintos para demostrar las capacidades del modelo.