第七章 总结与展望
第一节 研究结论
综上可以看出，本文研究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挂牌房地产公司和银行间市场、交易所市场公开发行债券的房地产企业发行人披露的数据，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，综合考虑模型批量评级结果，以及 ROC曲线和 KS 曲线分别对模型区分能力方面的有效性评估，得出基于广义交叉验证法、逐步回归法和 Boruta 法筛选的指标建立房地产企业的信用评分模型是 5种方法中较优的选择。
基于本文推荐的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，房地产行业的评级结果呈现较为明显内部分化特征，对结果进行进一步检视可看出，部分营业收入低（广义交叉验证模型中 TOTAL_OPER_REV指标）、规模较小、盈利能力较弱（逐步回归模型中 GROSSPROFITMARGIN指标、逐步回归模型中 EBITTOGR 指标）、资产负债水平较高（广义交叉验证模 型 中 DEBTTOASSETS 指 标 ）、 现 金流 回 收 较 慢（ 逐 步回 归 模 型 中SALESCASHINTOOR 指标、Botura 模型中 OCFTOSALES 指标）的房地产公司面临更为显著的违约可能性，建议投资者在投资符合以上特征的信用产品时需要高度关注此类发行人的违约风险。
进一步的，本文研究基于所得出的较优的指标筛选方法构建的信用评分模型对全样本分别进行逐一批量评级，综合考虑三个模型的批量评级结果，列示了风险较大的房地产企业名单，投资者可将此评级做为一定的参考，以降低投资风险，建议投资者关注信用优良的房企，此类企业具有稳定良好的市场表现，对于评级明显低于行业平均的房企，风险大且难以获得超额收益，需尽量规避，房地产企业也可做一定的参考用于计量自身的信用风险水平、做好自己的信用风险管理，同时也建议监管部门高度关注前述主体的信用风险。
参考文献（略）
