在中国,银行在企业融资中承担着非常大的信用风险,商业银行的不良贷款率呈现出上升趋势。随着中国银行业市场化进程的深入,以及以第三方支付为先锋的互联网金融的兴起,信用风险所涉及的领域和规模也迅速扩大,信用风险管理已成为商业银行的重要课题。国外的大型商业银行已建立起一系列适合自身的风险管理方法,与国外相比,我国在信用风险量化方面的技术较为落后。作为中国经济发展的重要支柱产业,房地产业是衡量中国经济的主要指标之一。然而我国涉足房地产市场的企业众多,良莠不齐,受经济下行和激烈的行业竞争影响,大批竞争能力弱、资本运作水平低的公司将会面临财务危机和破产风险。本文将从商业银行的角度出发,对两种信用风险模型的原理和在房地产业上市公司中的应用进行详细的介绍。模型的选取上,首先采用结构模型的代表—KMV模型,讨论三种违约点设定下的模型预测效果,得到最适用于我国房地产业公司的违约点设定方法。接着又介绍了一种基于统计分析模型的方法—Logistic回归模型,并将Logistic回归模型与因子分析法相结合,有效的解决了因指标变量过多而导致的维度灾难。在财务指标的选取上,针对我国房地产行业的财务结构特点,选取七大类型财务指标作为评估风险的主要考察指标,建立模型并检验模型的预测效果。结果表明,两种方法应用于房地产业上市公司的信用风险评估中都具有良好的预测效果。