以往在个人住房贷款的信贷风险评估过程中,银行业务人员依据借款人本身的资信状况及考虑房产价值为基础,再依据业务人员本身的经验加以分析来确定是否发放贷款。在此过程中,经常容易会因为人为疏忽、判断错误、同业竞争及内部人员舞弊等因素造成贷款质量低下,违约风险增加,如何降低外在的人为因素干扰,并建立一套标准的信贷风险评估模型,用以降低借款人的违约风险,是银行进行风险控制重要课题。为能解决上述问题,本文以C农商行作为研究对象,抽取了389个2007年至2016年发放的个人住宅抵押贷款案例作为研究样本,其中正常还款的客户346个、违约客户43个,并选取借款人的个人属性、贷款属性、房产属性、区域经济属性、银行往来关系属性等5个主要因素,21个指标变量,构建了信贷风险评价指标体系,并使用K-S检验遴选出了10个显著的解释变量,用以建立信贷风险评估模型,并使用Logistic回归模型及判别分析模型进行实证研究,最后利用ROC曲线分析对两模型的效力进行比较。实证结果发现,使用Logistic回归模型有4个变量与违约风险显著相关,收入还贷比、房龄、还款方式与违约风险呈现正相关,而业务来往银行数量与违约风险呈现负相关。使用判别分析模型有5个变量与违约风险显著相关,进入模型的变量比Logistic回归模型多一个风险因子,即业务来往银行数量,其余相同;同时,收入还贷比的系数绝对值是最大的,其次是业务来往银行数量、还款方式、房龄,与本行来往业务量的系数为负且绝对值最小。ROC曲线分析结果表明,Logistic回归模型和判别分析模型的预测准确性都在90%以上,但前者的预测能力要比后者高。因此,C农商行防控个人住房风险,可以通过控制关键的风险因素降低信贷风险,如降低收入还贷比,限制高房龄房产贷款等;同时,构建科学的风险评价体系,建立信贷客户信息数据库、完善风险评价指标体系、建立信贷风险评价模型;另外,加强银行内部控制,如严格内控制度,加强操作风险控制,健全培训体制等。