我国在1998年进行了住房体制改革,结束了福利分房制度,房地产业逐步市场化,其发展速度也显著提高。尤其在2005年以后,房地产销售额以年均增长率12.77%的速度高速增长。房地产业是个资金密集型产业,在房地产项目开发过程中存在着很大的资金缺口,而由于我国资本市场发展还不够完善,企业的筹资渠道比较缺乏,银行贷款就成了房地产业融资的重要渠道。近几年房地产市场的持续火爆驱使许多房地产开发企业扩大规模,加紧项目建设,因此需要从银行获得更多资金,房地产业的蓬勃发展使得房地产开发商财务状况良好,银行为了赚取利息收入,也愿意贷款给房地产商这样财务状况良好、资金需求量大的借款人,因此从2005年开始商业银行房地产贷款额不断增加,房地产贷款余额占总贷款余额的比重也持续提高。而国家为了抑制房地产市场过快增长的势头,于2010年开始实施严厉的房地产调控措施,房地产商和个人购房者的还款能力均出现了下降,商业银行房地产贷款风险开始显现,并且随着调控时间的延长而不断累积。我国商业银行的信用风险管理起步较晚,并且发展较慢,还处在资产负债指标管理和头寸匹配的水平上,存在着风险管理流程不规范、风险意识不够、内部控制机制不完善等问题。鉴于我国房地产企业对银行贷款的高度依赖和银行风险管理水平落后的现实,引进国外先进的风险度量模型,对商业银行房地产贷款风险进行研究,找出房地产贷款风险的影响因素,并采取有效措施去防范风险是具有重要意义的。CPV模型是目前比较常见的风险度量模型之一,笔者的目的是通过本文来验证CPV模型在我国的适用性,若CPV模型可以很好的预测商业银行房地产贷款违约率,则银行在未来的管理中可以应用CPV模型对房地产贷款违约率进行预测,并将此预测值作为房地产贷款风险管理的一个重要参考指标,制定应对风险的策略,减少房地产贷款风险可能给银行带来的损失。在研究方法方面,本文采用了实证分析的方法。首先按照CPV模型基本思想的要求,选取了2006年第一季度到2011年第四季度的24组数据,10个宏观经济变量,为了保证数据能够真实的反映经济情况,对数据进行了价格调整和季节调整。对于数据之间存在着多重共线性的问题,用SPSS软件进行变量筛选,最终选定5个变量,然后用Eviews软件对5个宏观经济变量进行回归分析,得出CPV模型的表达式,最后将2011年第4季度的宏观经济数据代入得出的CPV模型的表达式,将计算出的违约率与实际的违约率做比较,根据两个数据差距的大小来判断估计方程是否能够反映违约率的实际情况。实证分析的结果证明,商业银行房地产贷款的违约风险P由CPI、货币供应量、一至三年期贷款利率、存款准备金率和100美元兑人民币汇率决定,至三年期贷款利率对商业银行房地产贷款风险影响最大,通过计算出的违约率与实际违约率之间额比较,证明拟合出的表达式能够较为准确的反应真实的违约情况,因此用CPV模型来预测商业银行房地产贷款风险是有效的。在得到适用于我国商业银行房地产信贷风险的CPV模型之后,笔者又从建立银行内部的风险度量模型、建立房地产行业风险预警体系、完善银行内控和案防制度、注重人才培养和抵押物处置方面提出了建议,以提高商业银行的风险抵御能力并加强风险管理能力。本文的创新之处在于：首先,作者根据CPV模型的基本思想,选取了10个经济变量,能够很好的涵盖房地产贷款违约率的影响因素,克服了以往研究中变量选取过少的缺点。其次,本文对选出的10个变量进行调整之后,运用向后选择法进行变量筛选,使变量选取更科学,克服了以往研究中变量选取随意的缺点。本文的不足之处在于：CPV模型认为国家或行业的信用转移矩阵不是固定不变的,而是需要根据违约率做出调整,但出于作者的水平及数据可得性的考虑,并没有对这部分内容做进一步的讨论,这也将是作者在今后的研究中努力的方向。