1998年以后,随着住房实物分配制度的取消和按揭政策的实施,中国房地产市场进入快速发展时期。房地产行业是一个资本密集型产业,其发展离不开银行业的支持,同时,房地产业也是银行业重要的服务领域。房地产的价格涨跌、行情冷暖都会直接影响到银行业的资产价值和资产质量,这样银行房地产贷款极易隐藏着巨大的潜在的风险。因此,我国银行房地产信贷风险管理如何进行和改进是一个值得深入研究的重要课题。本研究利用风险评价及其相关的理论和技术方法,提出了基于BP神经网络的银行房地产信贷风险评价、分类和预警方法。首先,本研究在对我国银行房地产行业贷款形成的原因进行了深入分析,针对我国商业银行贷款风险管理的特点和贷款风险分类管理的一般流程,提出了三个主要部分具体实现的基本思路:房地产行业的信贷风险评价的指标体系的建立、指标体系的筛选及对房地产行业信贷风险总体评价。其次,本研究在阐述贷款风险分析指标选择的原则及需要注意问题的同时,针对房地产行业的结构特点以及相应的国家政策,建立了符合房地产企业贷款风险分析预选指标集,分别从财务和非财务两方面建立房地产企业贷款指标体系,并且对其中的非财务指标进行了量化处理,得到了衡量房地产企业的综合指标体系。再次,本研究主要采用主成份因素分析法对房地企业指标体系指标进行筛选,从指标的解释度及相关性两方面考虑,用数理统计方法对指标的显著度和相关性作假设检验,通过检验结果找出对判别不提供附加信息的变量,精简了指标体系。最后,在对房地产行业信贷风险总体评价的分析中,本研究采用了基于三层单节点输出BP神经网络的贷款风险分类方法,并将评价结果与巴塞尔协议中贷款的分类模式相匹配,对所作的结果做了检验,得到较为满意的结果,同时通过对Logistic模型的对比检验,证明了BP神经网络在总体风险评价方面的优越性。