自2003年我国把房地产业作为支柱产业,房地产迎来了近二十年的快速发展时期,世界500强榜单中也不乏房地产企业的身影,期间房价也屡创新高,但近年来政策导向发生变化,国家层面一直强调房地产业的“去杠杆”,2020年8月出台了房地产融资监管新规,为控制房地产企业有息债务增长,设置了“三道红线”,以防范房地产业引发系统性金融风险。随着“房子是用来住的,不是用来炒的”房地产业发展根本原则的确立,房地产行业的资产负债结构和信用管理面临着比以往更加严格的监管。从宏观经济形势看,研究房地产企业的信用风险评级问题,具有重要的现实意义。房地产企业天然具有资产负债率高,融资结构及融资来源较为单一,资金需求大的特性,因此潜在的信用风险巨大。今年受新冠肺炎疫情影响,房地产企业的销售普遍不理想,未来三年房地产企业普遍又迎来偿债高峰,房地产企业的信用违约风险压力不断加大。在此背景下,充分揭示和预警行业的风险情况,提前对房地产企业和房地产企业债券投资者、房地产企业的其他债权人进行风险预警具有重要意义。在行业尚未大规模爆发实质违约前,充分揭示和预警行业的风险情况,一方面有助于房地产企业计量自身的信用风险水平,做好信用风险管理;另一方面,有助于投资者和债权人提前合理判断风险,有效控制风险敞口。本文基于沪深交易所房地产上市公司、全国中小企业股份转让系统房地产上市公司和银行间市场、交易市场公开发行债券发行人等披露的数据,通过数据获取、数据清洗、违约标记、指标筛选、模型建立和模型验证等流程,基于5种不同的指标筛选方法分别构建了5个基于逻辑回归方法的信用评分模型,并使用ROC曲线和KS曲线分别对5个模型进行有效性评估,得出5种不同指标筛选方法下较优的筛选方法为广义交叉验证法、逐步回归法和Boruta法,基于这三种方法构建得出的评分卡以及行业的批量评级结果分布特征来看,收入规模较小、盈利能力较弱、资产负债水平较高、现金流回收较慢的房地产公司面临更为显著的违约可能性。从这三种方法所构建的模型得出的风险排序结果中分别选取违约风险较大的30家主体进行风险提示,经过进一步比较,重复出现在风险提示名单的主体有12家,这也说明了所推荐的三种方法筛选出的指标所构建的模型具有一定的有效性、可靠性与实用性。最后,本文基于研究结果,提出了系统化的信用风险管理建议,如借助量化结果构建各项业务的黑白名单作为业务准入标准,并对已准入的主体进行稳健的授信等。