2014年，三线城市河北省邯郸市出现了“楼市危机”。导火索就是邯郸市当地房地产龙头公司金世纪负责人史虞豹跑路，身上背负超过三十亿的债款。邯郸市多个房地产公司上演的相同的戏码。如卓峰、万聚等等房地产商集体违约。之后便牵扯出多个楼盘延期交房的消息，业主围堵，群众追债，邯郸彻底陷入了严重的打击中。民间融资的特点就是利息高吸引群众投资，邯郸的当地开发商许以投资人最高每月2.5％的利息，但资金却另作其他项目，导致雪球越滚越大，终于在楼市进入下行期时，资金链断裂。从宏观层面来说，监管机构对房地产市场的调控力度较大。全国几乎全部限购城市除北上广及三亚以外，均取消或是放松了限购。去年至今年短短几个月内，央行两次降息，对房地产定调积极刺激。在此大环境趋于宽松的前提下，商业银行更需要防范和控制房地产信贷风险，不可为了扩展业务而放松审查及管理。
　　中国的房地产市场并非十分完善，存在相当大一部分投机者。这就使得控制房地产企业违约风险显得尤为重要。此外，建立商业银行房地产违约的风险体系也有助于商业银行风险管理。本文在以前学者研究的基础上，通过理论分析和实证分析，在数据和模型的基础上对中国部分上市房地产企业的财务指标进行统计分析，以得出对建立房地产企业违约模型中贡献率较大的指标，继而得出对商业银行风险管理有帮助的模型。从而能够跟其他方法一起为商业银行贷款把关。这不仅有利于控制商业银行不良贷款率，更对房地产市场甚至整个金融体系的稳定起到良好的推动作用。
　　2014年以来，房地产市场略显低迷，房地产投资增速明显减慢。商业银行信贷也是明显减少，许多银行严格限制了房地产企业的贷款条件，并十分谨慎房地产行业的投资。2015年以来，政府采取了多种宽松经济政策，例如取消限购，降息降准等等，以期能够恢复房地产市场的繁荣。同时，政府也在调整政策以期市场能够发挥最好的资源配置效果。房地产信贷处于不断调整发展中。
　　本文在国内外文献的基础上，提出问题，分析问题后，通过对上市房地产企业财务指标的检验提取，主成分分析，之后进行Logistic模型的回归和检验。对现状提出了自己的建议和解决方案。全文共分为六章，具体的结构如下:
　　第一章为本文的绪论部分，这章主要介绍了论文的选题背景和意义、研究思路与研究方法以及论文的结构与可能创新之处。本文的研究思路为结合现状提出问题，分析问题现状及原因，寻找方法解决问题。在研究方法上面，本文用到了理论分析与实证分析相结合，宏观分析与微观分析相结合等多种分析方法。同时，还运用到金融学、计量经济学、SPSS统计软件等相关学科的理论及方法。
　　第二章为文献综述，包括国外文献综述及国内文献综述。主要讨论之前学者已做过哪些较有意义的研究。在文献中可以看到，很多中国的学者在借鉴国外模型的基础上，加上中国自己的实际国情进行分析和总结，同时，又赋予一些创新的元素，对中国商业银行信贷风险体系建设做出了贡献。
　　第三章描述了中国房地产信贷的发展阶段以及风险特征。房地产信贷主要包括四个阶段:萌芽阶段、成长阶段、发展阶段和调整阶段。房地产贷款的风险特征主要从主体、环境、类型和特征四个方面论述。房地产信贷的分类方式多种多样。根据不同的标准可以分为不同的类型。按照原因不同，可划分为宏观和微观风险;按照可分散性不同，可划分为系统和非系统风险;按照新巴塞尔协议，可划分为信用风险、操作风险、市场风险。本文根据房地产信贷风险产生的原因，也从宏观和微观的两个层次来具体区分一下针对房地产信贷的具体风险种类。房地产信贷风险的传导因素分别为房地产价格、信贷规模以及贷款利率。房地产信贷风险类型分为宏观风险和微观风险。宏观风险主要包括政策调控风险和市场风险;微观风险主要包括房地产开发风险、企业经营风险和商业银行经营风险及操作风险。
　　第四章为中国商业银行房地产信贷风险管理现状。主要从基本情况、测度方法、管理方法和管理中存在的问题展开阐述。在对风险分析过后本文阐述了风险管理的现状，指出中国银行业的金融机构资产规模不断飞速上升，房地产开发企业个数不断增加。同时，房地产开发企业的国内贷款更是大幅提高。在商业银行和房地产企业规模都不断扩大的同时，风险也随之提升。本文研究得出在2014年的季度数据中，大型商业银行、股份制商业银行、城市商业银行和农村商业银行的不良贷款率均不断升高，同时，农村商业银行的不良贷款问题尤为严峻。之后本文分析了商业银行信贷风险的测度方法，包括定性因素分析法、财务指标分析法、现代风险度量模型，并分析其优点和缺点。本文最终选择了基于财务指标分析法的Logistic模型进行实证分析。在信贷风险的管理方法里面，本文主要提出了四方面的观点，包括信贷风险的过程管理、信贷风险的转移管理、信贷风险的定价管理以及《新巴塞尔协议》对中国信贷风险管理的影响。最后，本文指出商业银行信贷风险管理中存在的问题，包括外部问题:国家宏观政策影响、房地产企业自身经营问题;内部问题:信贷流程中的问题、内部评级中的问题、风险管理体系的问题以及人员素质的问题。
　　第五章主要介绍Logistic模型的实证分析。主要论述了模型建立前的样本选取过程，这包括K-S检验确定样本分布，T检验和K-S检验能将两个样本区分开来的指标，这样，从39个原始指标中得出12个指标，加之2个宏观经济指标共14个。选取指标后进行主成分分析，提取出主成分因子，以解决原指标间存在的多重共线性的问题，并简化模型自变量。最终提取了五个因子代替14个指标，累计贡献率达到76.008％。同时，第一因子对盈利能力解释较好，第二因子对营运能力解释较好，第三因子偏向于解释企业偿债能力，第四因子代表了宏观指标，第五因子倾向于解释流动性和资本结构。之后根据因子及因变量即上市房地产企业的状态确定Logistic模型的表达式，并对模型进行检验。用Logistic模型预测结果对正常样本预测正确率为89％，对非正常样本预测率为75％，总体预测效果为87％。
　　第六章是本文的研究结论，结论是在前文分析，尤其是实证分析的基础上得出的有关结论和相关建议。并论述了本文的不足之处以及在哪些地方有改进的空间。模型得出一些符合经济含义的指标，并在实践中具有指导意义。商业银行在发放房地产贷款时应注意以下方面问题:首先是企业的流动性，流动性与违约概率成反向变动关系，企业流动性越好，违约概率越小;其次应关注企业的费用指标，尤其是销售期间费用率，费用率越高，企业的违约概率越大;最后是商业银行应注重结合当下的经济环境，在经济环境不景气时，应额外注意房地产信贷的发放。同时，文章从三方面说明了论述的不足以及可以改进的地方，分别从样本的选择上，包括样本的大小，数据的处理，以及时间段的选取等等，自变量的选择可以更多更丰富，不仅包括财务指标还可涵盖非财务指标，以及因变量的选择，可以突破常规的二值回归，按风险划分为多项。
　　在Logistic模型的回归上，本文还运用了逐步向前回归的方法，一个因子一个因子的加入模型，以剔除对模型影响较小的因子。本文可能的创新的地方有两点:第一点为主成分分析的指标选取上，很多文献都是直接根据最常用的财务比率如盈利能力指标中的资产净利率、偿债能力指标中的流动比率等比较选取。本文则根据计量中的参数检验和非参数检验来挑选出在ST样本和正常样本之间有显著差别的指标。并最终从39个指标中选出了12个指标可以很好的区分正常样本和非正常样本。第二点为指标的选取对宏观指标和微观指标进行了结合，除了选取企业本身的财务比率外，本文还选取了两个宏观经济指标，GDP的增长率及利率，以观测宏观经济的影响。