我国房地产上市企业信贷风险影响因素探究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1.本课题的意义

自2009年房地产调控政策实施以来，银行信贷作为房地产市场最为主要的一种金融工具，有着不可忽视的影响力。同时，房地产市场已经成为中国经济发展的一个重要的领域, 也是银行业务的一个重要领域。而近年来，房地产业的信贷风险也正在逐渐累聚和上升，前景不容乐观。因此，防范和化解房地产信贷风险、保证国内金融业安全稳健运行，十分紧迫，意义重大。房地产信贷不仅关系到商业银行的利益，更关乎到国家经济的稳定发展，探究信贷过程存在的信用风险将能有助于银行与企业之间规避风险，并对已存在的风险因素及时做出应对和调整，避免产生不必要的信贷风险成本。

由于我国房地产行业起步较晚但发展迅速的情况，房地产行业就面临着对于现金流的巨大需求，而绝大多数的投资活动和筹资活动来源与商业银行的信用贷款。再巨大的利润面前，含有同等的规模的风险，商业银行需要依据房地产企业的财务数据和市场指标来准确的衡量信贷所具有的风险性。

2. 研究的基本内容和问题

一、研究目标

1)从房地产企业内部风险入手，基于logistic1 回归模型测量和验证房地产企业的信贷风险因素的实证分析

2)寻找出最合适的logistic度量模型，并找出符合规定的自变量与因变量

3. 研究的方法与方案

一、研究方法

1.样本选取

截止到2016年12月31日止，选取A股市场上市的房地产企业作为样本对象来进行模型的回归分析。共计选取15家上市企业的2015-2016年的财务数据作为随机样本进行分析，数据来源都将取自Wind数据库中。对于对象选取的要求中，选取的公司都有5年及以上的上市时间，且经营稳定；剔除数据缺失眼中的企业。

2.样本数据选取

结合我国房地产产业贷款数额巨大，使用周期较长等特点，对影响商业银行房地产信贷风险的定量指标归纳为五个方面，分别是房地产公司的偿债能力、盈利能力、营运能力、发展能力及现金流量状况，将把以下项目作为财务指标对象,并将其作为隐藏的的风险因素：

3.分析方法

进行主成分的提取。在主成分分析中我们主要通过观察特征值和累计贡献率的大小来决定主成分的数量。特征值代表的是主成分影响力的强弱，若主成分的特征值小于1，意味着该主成分的代表性还没有原始数据代表性强，所以特征值一般要求大于1。累积贡献率主要代表的是合成的主成分能够表示的原始样本数据信息的大小，当累计贡献率超过80%时，我们就可以认为合成的主成分能够充分代表样本数据的大部分信息，剩余小部分未能表达的信息不影响最终的结果。而该指标低于80%则不能真实地表达原始样本数据所包含的信息。将需要的数据归纳分类，并利用SPSS统计软件对提取的相关数据进行相关性检验。

并运用主成分分析法对数据进行排除和筛选，得到几种主成分，得出其变量因子的表达式：

F_n=aX₁ bX₂ cX₃ dX₄ NX_N

式中X的系数就是每个主成分中各个指标对应的特征向量值，X₁-X_n是经过标准变换后的指标变量。并以该数据作为主变量建立logistic回归模型。

Logistic模型的建立和检验。将所得P、F的代入SPSS执行命令，最终得出回归数据，确认模型的结果方程式：

Ln（Y）=Ln（P/1-P）=α β₁X₁ β₂X₂ β_nX_n

用拟合出的模型对样本数据进行检验,在P值取0和1时，得出其百分比的准确率。若最终准确率较为接近100%，则证明该模型成立，其内部的风险因子也符合预期假设。

一、技术路线

4. 研究创新点

以定量分析为主，定性分析与定量分析相结合。

通过分析国内商业银行房地产信贷过程，以及相关政策市场实际情况，寻找出可能存在但并未确认的信贷风险因子，并借用国外的信贷风险模型进行理论的可行性分析。另一方面，获取国内房地产市场的龙头企业的信息数据，进而更客观和更精确的数据，减少因不确定性因素造成推断过程的错误。

5. 研究计划与进展

2016年10月 确定选题，检索文献，完成文献综述

2017年1月 完成开题报告

2017年2月 论文思路确定，相关数据和资料搜集