房地产企业信贷风险的影响因素探究logistic模型
一直以来，我国房地产行业在国民经济中具有不可取代的重要地位，并且是支撑国内经济快速发展和人民安居稳定的基石。在经历全球金融危机的重创后，国内经济发展方式不断转变，已从高增长转变为稳中求进的发展模式，然而房地产行业却始终处于过热的发展势头。根据中国人民银行发布的2016数据，房地产信贷占各项贷款的四分之一。因此，加强商业银行对房地产企业的信贷管理势在必行，将能够极大的减少信贷风险产生的不良后果。本文将以国内房地产企业为研究对象，选取近几年其财务数据指标作为信贷风险的研究分析。借鉴国外成熟理论Logistic模型，进行房地产企业的各个项目信贷风险违约的预测和判断，减少银行对房地产企业信贷的不良贷款情况。
目录
摘要1
关键词1
Abstract1
Key words1
一、引言（或绪论）1二、文献综述2
三、国内商业银行房地产信贷现状及问题3
（一）国内房地产信贷的现状分析3（二）国内房地产信贷的问题探究4
1．国家货币政策持续变动的隐患 4
2．房地产行业获取资金单一的来源模式4
3．商业银行内部控制水平不足5
四、基于Logistic模型信贷风险的实证研究5
（一）研究对象与样本的选取5
1．研究对象的选择5
2．样本的选择5
（二）财务指标的选取与调整5
（三）主成分与因子分析6
1．数据的相关性分析6
2．KMO和巴特利特检验7
3．主成分提取7
4．确定因子载荷矩阵8
（四）Logistic模型的建立与检验10
1．获取主成分表达式及数值10
2．因变量的假设和解释10
3．Logistic模型的检验11
（五）模型结论11
五、结论与建议12
（一）本文结论12
（二）研究建议13
致谢14参考文献14
我国房地产企业信贷风险的影响因素探究 ——基于Logistic模型< *好棒文|www.hbsrm.com +Q: ￥351916072$
br /> 引言
引言
我国房地产行业起步较晚但发展势头迅猛，每年有大量的资金流入房地产市场当中。而从2009年房地产调控政策的开始，商业银行成为了房地产行业不可或缺的一部分，因为商业银行信贷逐渐成为了我国房地产市场最主要的金融工具之一，它为房地产行业提供了巨大的资金流。但是，随着房地产市场的不断扩大，商业银行信贷的规模也越来越庞大。在巨大的利润面前，风险必然与利益对等，房地产行业的信贷风险正在悄然攀升，房地产行业的未来发展道路将变得十分危险，这必将对商业银行的信贷造成不小的冲击。
目前，房地产市场作为商业银行对外业务的一个重要窗口，同时也是中国经济发展的一个重要命脉领域,我国中央银行和政府不断地对该行业出台相关政策措施，以缓解和防范房地产过度扩张而带来的泡沫经济的现象。其中，商业银行对房地产信贷风险产生的抑制也就成了重中之重。其重要意义在于，首先，对房地产企业信贷不仅关系到商业银行的自身利益链，其次，更关乎国家经济的稳定发展，探究信贷过程存在的信用风险将有助于银行与房地产企业之间规避信贷风险，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，最终形成二者良性的互助关系。
经过近些年的研究，国内学者对于房地产企业信贷风险的产生和预警方式的研究已经具备一定的理论基础，已有相关风险防范预警机制的研究成果。但是，商业银行房地产信贷风险的理论研究还不够成熟，大多基于国外已成型的理论，且多基于宏观经济角度。本文将借鉴国外成熟研究理论Logistic模型，基于国内房地产企业的经营水平角度建立风险预警模型，进一步丰富从微观企业内部的角度进行风险预警的研究成果，对商业银行制定信贷管控提供一定的借鉴意义。
文献综述
2008年的金融危机爆发后，全球市场包括国内房地产行业都收到严重的打击，同时，商业银行的信贷风险产生了不良的效应，商业银行由此出现了负债危机。为了应对这种状况，同时促进经济复苏、拉动内需，我国政府采取了一系列积极的救世计划。另一方面，国内也有越来越多的学者也投入到应对商业银行信贷风险的研究中来。
在理论研究上，韩继云（2003）通过研究指出，房地产行业过高的投资回报率和单一的融资方式，导致商业银行对于房地产信贷业务的不良竞争现象，同时，行业制度及法律建设不够完善，多种情况引起信贷监管过松以及信贷的过度。
同时，面对全国飞速上涨的房价和不断地出现新的“地王”房地产企业这种不同寻常的情况，匡小平、苏南宏（2010）做出研究分析，指出了国内房价过快地上涨是引起信贷风险的源头之一，要求政府不断地提出新的政策抑制房价的不健康上涨，以此防范信贷风险的产生。吴爱民（2013）却指出政府对房地产信贷政策会间接影响商业银行，其理论是政府的方法手段会直接或者间接影响房地产行业的资金流动，在这个过程中会使商业银行被迫改变资金流向，从而使得房地产企业出现资金断裂的问题，最终引发链式效应，最终影响银行自身经营。因此，对于国内房地产政策的调控是否有效，还需要实证研究来进行验证。
实际上，房地产市场风险来源于信息不对称，商业银行与贷款企业之间信息不对等而引发的。国外学者Stiglitz（1981）指出,随着对借款人实际贷款利率的上升,贷款合同违约的概率也上升了。其原因是借方拥有贷方为掌握的投资风险信息。同时，邵惜（2016）也提出，逆向选择和道德风险引发了房地产企业贷款的风险，而行业缺乏完善的信用数据和不健全的风险预警机制最终促使了信贷风险的大量产生。综上所述，由信息不对称引发的信贷风险，需要找出合理的预警机制来防控。
实证研究上，大多以房地产企业个人住房贷款作为研究对象。其中绝大部分的研究方式借鉴于国外成熟理论之上，建立国内的风险预警模型。
美国学者Martin（1977），首次运用Logistic回归法进行健全银行与破产银行区别。该种方法通过将企业违约或破产的概率作为因变量,选取一系列的财务指标作为自变量,然后建立预警模型。它优于多元判别分析是由于它不要求自变量满足正态分布,其模型采用logistic函数,所测的概率值P位于0和1之间。如今大部分银行都采用此模型来确认贷款企业的信贷风险大小，能合理地解决违约率与影响因素之间的的非线性关系，具有较高的准确性。刘澜涛（2016）也基于该模型进行国内房地产信贷风险预警的研究，并指出商业银行在判断贷款企业风险大小时，以公司24个财务指标作为研究，以此对房地产信贷风险进行有效的防范。
目录
摘要1
关键词1
Abstract1
Key words1
一、引言（或绪论）1二、文献综述2
三、国内商业银行房地产信贷现状及问题3
（一）国内房地产信贷的现状分析3（二）国内房地产信贷的问题探究4
1．国家货币政策持续变动的隐患 4
2．房地产行业获取资金单一的来源模式4
3．商业银行内部控制水平不足5
四、基于Logistic模型信贷风险的实证研究5
（一）研究对象与样本的选取5
1．研究对象的选择5
2．样本的选择5
（二）财务指标的选取与调整5
（三）主成分与因子分析6
1．数据的相关性分析6
2．KMO和巴特利特检验7
3．主成分提取7
4．确定因子载荷矩阵8
（四）Logistic模型的建立与检验10
1．获取主成分表达式及数值10
2．因变量的假设和解释10
3．Logistic模型的检验11
（五）模型结论11
五、结论与建议12
（一）本文结论12
（二）研究建议13
致谢14参考文献14
我国房地产企业信贷风险的影响因素探究 ——基于Logistic模型< *好棒文|www.hbsrm.com +Q: ￥351916072$
br /> 引言
引言
我国房地产行业起步较晚但发展势头迅猛，每年有大量的资金流入房地产市场当中。而从2009年房地产调控政策的开始，商业银行成为了房地产行业不可或缺的一部分，因为商业银行信贷逐渐成为了我国房地产市场最主要的金融工具之一，它为房地产行业提供了巨大的资金流。但是，随着房地产市场的不断扩大，商业银行信贷的规模也越来越庞大。在巨大的利润面前，风险必然与利益对等，房地产行业的信贷风险正在悄然攀升，房地产行业的未来发展道路将变得十分危险，这必将对商业银行的信贷造成不小的冲击。
目前，房地产市场作为商业银行对外业务的一个重要窗口，同时也是中国经济发展的一个重要命脉领域,我国中央银行和政府不断地对该行业出台相关政策措施，以缓解和防范房地产过度扩张而带来的泡沫经济的现象。其中，商业银行对房地产信贷风险产生的抑制也就成了重中之重。其重要意义在于，首先，对房地产企业信贷不仅关系到商业银行的自身利益链，其次，更关乎国家经济的稳定发展，探究信贷过程存在的信用风险将有助于银行与房地产企业之间规避信贷风险，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，最终形成二者良性的互助关系。
经过近些年的研究，国内学者对于房地产企业信贷风险的产生和预警方式的研究已经具备一定的理论基础，已有相关风险防范预警机制的研究成果。但是，商业银行房地产信贷风险的理论研究还不够成熟，大多基于国外已成型的理论，且多基于宏观经济角度。本文将借鉴国外成熟研究理论Logistic模型，基于国内房地产企业的经营水平角度建立风险预警模型，进一步丰富从微观企业内部的角度进行风险预警的研究成果，对商业银行制定信贷管控提供一定的借鉴意义。
文献综述
2008年的金融危机爆发后，全球市场包括国内房地产行业都收到严重的打击，同时，商业银行的信贷风险产生了不良的效应，商业银行由此出现了负债危机。为了应对这种状况，同时促进经济复苏、拉动内需，我国政府采取了一系列积极的救世计划。另一方面，国内也有越来越多的学者也投入到应对商业银行信贷风险的研究中来。
在理论研究上，韩继云（2003）通过研究指出，房地产行业过高的投资回报率和单一的融资方式，导致商业银行对于房地产信贷业务的不良竞争现象，同时，行业制度及法律建设不够完善，多种情况引起信贷监管过松以及信贷的过度。
同时，面对全国飞速上涨的房价和不断地出现新的“地王”房地产企业这种不同寻常的情况，匡小平、苏南宏（2010）做出研究分析，指出了国内房价过快地上涨是引起信贷风险的源头之一，要求政府不断地提出新的政策抑制房价的不健康上涨，以此防范信贷风险的产生。吴爱民（2013）却指出政府对房地产信贷政策会间接影响商业银行，其理论是政府的方法手段会直接或者间接影响房地产行业的资金流动，在这个过程中会使商业银行被迫改变资金流向，从而使得房地产企业出现资金断裂的问题，最终引发链式效应，最终影响银行自身经营。因此，对于国内房地产政策的调控是否有效，还需要实证研究来进行验证。
实际上，房地产市场风险来源于信息不对称，商业银行与贷款企业之间信息不对等而引发的。国外学者Stiglitz（1981）指出,随着对借款人实际贷款利率的上升,贷款合同违约的概率也上升了。其原因是借方拥有贷方为掌握的投资风险信息。同时，邵惜（2016）也提出，逆向选择和道德风险引发了房地产企业贷款的风险，而行业缺乏完善的信用数据和不健全的风险预警机制最终促使了信贷风险的大量产生。综上所述，由信息不对称引发的信贷风险，需要找出合理的预警机制来防控。
实证研究上，大多以房地产企业个人住房贷款作为研究对象。其中绝大部分的研究方式借鉴于国外成熟理论之上，建立国内的风险预警模型。
美国学者Martin（1977），首次运用Logistic回归法进行健全银行与破产银行区别。该种方法通过将企业违约或破产的概率作为因变量,选取一系列的财务指标作为自变量,然后建立预警模型。它优于多元判别分析是由于它不要求自变量满足正态分布,其模型采用logistic函数,所测的概率值P位于0和1之间。如今大部分银行都采用此模型来确认贷款企业的信贷风险大小，能合理地解决违约率与影响因素之间的的非线性关系，具有较高的准确性。刘澜涛（2016）也基于该模型进行国内房地产信贷风险预警的研究，并指出商业银行在判断贷款企业风险大小时，以公司24个财务指标作为研究，以此对房地产信贷风险进行有效的防范。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jmgl/jjymy/1288.html
