1. 研究目的与意义
房地产行业对国计民生有重要影响，房地产上市公司的信用水平对房地产金融市场的健康发展具有重要影响，直接关系到宏观经济的整体趋势和走向。然而，受一系列限购、限贷调控等政策等影响，房地产行业竞争加剧，各房地产公司面临更大的资金需求，有着更大的融资压力和还款压力，随之而来的是更高的信用风险。因此，如何科学评估我国房地产上市公司的信用风险水平具有重要意义。目前，我国企业的信用风险评估主要侧重于综合不同行业的上市公司建立统一的评估模型，较少深入到某一具体行业。虽然国内很多学者已经研究过房地产企业的信用评估问题，但其中大部分集中在单一的信用风险评估模型或方法，很少将不同的信用风险评估模型进行组合比较并用于实践。
基于此，本文将构建具有房地产行业特性的信用评价指标体系，除了引入财务指标外，还将引入公司治理、公司规模等非财务指标。构建基于房地产行业的信用风险评估模型，可以帮助提升我国房地产上市公司信用评价的科学性和准确性。对于投资者，可以给他们提供更客观、更准确、更低成本的信息，帮助投资者减少投资决策失误概率；对于房地产上市公司来说，可以帮助公司更好地把握公司的信用风险水平，提高风险管理意识，及时根据信用评估结果调整经营战略，降低企业的经营风险，从长远看有利于房地产公司以及整个房地产行业的健康发展；对于监管部门，有利于政府机关对不同信用状况的公司采取不同的监管方法，引导房地产上市公司的发展，从而降低房地产行业整体的信用风险水平。
2. 研究内容和预期目标
研究内容
1.分析政府出台的限贷限购政策在一定程度上促使我国房地产上市公司的信用风险逐渐暴露和显现。
3. 国内外研究现状
国外对房地产业上市公司的信用风险度量研究早于国内。
rupert nabarroandtonykey(2005)通过论证房地产周期与债务融资之间的关系，试图揭示如何有效地监控房地产信贷风险，通过一系列国家的经验解释了如何建立一个可靠的信用风险测量系统。
davis and zhu (2005)评估了房地产价格变化对银行行为和业绩的影响，结果表明，房地产价格对银行的行为有显著影响，随着房地产价格的上涨，银行将发放更多贷款或放松贷款条件，这种影响的程度与银行规模、房地产价格走势的方向以及区域因素有关。
4. 计划与进度安排
1.确定研究方向和题目，收集资料、阅读文献、完成开题报告。
2.阅读大量文献及资料，选取有用的信息，完成正文当中理论部分的撰写。
3.构建统计数据模型，处理数据，论证、应用、总结分析模型。
5. 参考文献
[1] altman e i. financial ratios, discriminant analysis and the prediction of corporate bankruptcy[j]. the journal of finance, 1968, 23(4): 589-609.[2]张新红，王瑞晓.我国上市公司信用风险预警研究[j].宏观经济研究,2011(01):50-54.[3] 邓晶,秦涛,黄珊.基于logistic模型的我国上市公司信用风险预警研究[j].金融理论与实践, 20 13(02):22-26.[4] grunert j, norden l, weber m. the role of non- financial factors in internal credit ratings[j]. journal of banking amp; finance, 2005, 29(2): 509-531.[5] 李小燕，钱建豪.我国企业信用风险评价指标的有效性研究[j]中国软科学，2005(09):120-125.[6]王新红，陈燕杰,仲伟周.我国中小企业信用风险评价指标体系构建[j].西北师大学报(社 会科学版),2009,46(04):129-132.[7] 程砚秋.基于违约判别度的小企业信用风险评价研究[j].科研管理，2015. 36(s1):510-517.
[8]李海洪，王颖琦，郭俊祥,王永.信用风险管理理论与评价模型[j].山西财经大学学报, 2010, 32(s2):325-326.[9] altman e i, saunders a. credit risk measurement: developments over the last 20 years[j]. journal of banking amp; finance, 1997, 21(11-12):1721-1742.[10] ohlson j a. financial ratios and the probabilistic prediction of bankruptcy[j].journal of accounting research, 1980, 18(1):109-131.
[11]李清,于萍.财务危机预测主要方法比较研究[j]. 数理统计与管理, 2012, 31(04):689-706. [12]张玲，曾维火.基于z值模型的我国上市公司信用评级研究[j].财经研究, 2004,30(6):5-13.[13] martin d. early warming of bank failure: a logit regression approach[j]. journal of banking amp; finance, 1977, 1(3): 249-276.[14] westgaard s, van der wijst n. default probabilities in a corporate bank portfolio: a logistic model approach[j]. european journal of operational research, 2001, 135(2): 338-349.[15]乔卓，薛锋,柯孔林.上市公司财务困境预测logit 模型实证研究[j]. 华东经济管理,2002(05):103-104.[16]庞素琳.logistic回归模型在信用风险分析中的应用[Ｊ].数学的实践与认识,2006(09):129-137.[17]冯一宁，邵元海,陈静，王来生，邓乃扬.基于支持向量机的集团信用风险预警研究[j]. 中国农业大学学报, 2008(02):94-98.[18]刘文蕊，肖珉，周宗放.基于bp神经网络的企业集团信用风险的实证研究[j]管理学家(学术版)，2010(10):37-43.[19]潘央迪.基于svm的上市公司退市风险预警方法研究[d].浙江工业大学, 2013.[20]连晓丽.我国a股上市公司财务危机预警模型实证研究[d].厦门大学, 2014.[21]楼文高，乔龙.投影寻踪分类建模理论的新探索与实证研究[j].数理统计与管理，2015,34(01):47-58.[22]汪敏，傅祺炜.基于朴素贝叶斯网络的上市公司信用风险预警研究[j].商，2015(16):207-208.[23]李静，陈军飞，孙湛清.制造业上市公司信用风险评估研究[j].武汉理工大学学报(信息与管理工程版)，2016, 38(03):289-292.[24] nabarro r, key t. performance measurement and real estate lending risk[m]. bank for international settlements, 2005.[25] davis e p, zhu h. commercial property prices and bank performance[c]/中国国际金融年会.2005.[26]鞠瑛.商业银行个人住房贷款信用风险及管理研究[d].郑州大学，2007.[27]阮加，刘延平.次贷危机的成因与房地产金融风险防范[j].管理世界, 2009(5):166-167.
