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。29481
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。论文网
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。
刘锦锦（2011）则运用了VAR模型对CPI、房地产行业的景气指数以及宏观经济指数等宏观数据进行房地产信贷风险的检验，并得出了房地产及宏观经济的景气指数对房地产信贷风险的产生具有较大的负相关影响。
可以看出，国内的研究方向开始已经由定量研究转变为定性分析，开始大量运用各种科学计量模型，对房地产行业的走势及风险产生进行预判和预警。但是，对房地产企业及商业银行的研究还需要更多的研究和实践，同时要基于国内的宏观经济形势进而分析。因此，结合国内外研究理论上，不断地进行理论更新与改进，建立出最符合国情的商业房地产信贷风险的预警模型。
参考文献：
[1]Martin D.Early warning of bank failure:a logistic regression approach[J].Journal of Banking and Finance,1977(3):249-276. 房地产企业信贷风险文献综述和参考文献:http://www.youerw.com/wenxian/lunwen_24753.html