（管理科学与工程专业论文）住房抵押贷款提前还款预测模型及对策研究.pdf

大连理j 人学硕十学位论文 摘要 住房抵押贷款提前还款打破银行正常的现金流规划，不仅减少银行收益、增加成本， 而且阻碍住房抵押贷款证券化的运作。国外较成熟的提前还款预测模型基本源于实证方 法，因此数据缺乏、金融体制不健全的我国则很难仿效。 国外在解决住房抵押贷款证券化过程中的提前还款问题时一直追求证券化资产提 前还款的预测准确率。但国内不具备实现该目标的基础条件，因此本文从降低证券化现 金流不确定性的角度出发，提出在住房抵押贷款证券化的资产池选择开始阶段将在一定 期限内可能提前还款的资产剔除。文中通过构建住房抵押贷款提前还款预测模型和添加 住房抵押贷款合同附加条款两方面相结合来确定贷款者在一定期限内提前还款的可能 性，这既为资产池的选择提供了标准又为银行尽早应对提前还款提供了可靠的依据。 本文在借鉴国外文献的基础上因地制宜地选择了预测模型及变量，首先通过判别分 析、主成分分析对各变量进行加权，然后使用两阶段聚类法进行聚类分析。在聚类分析 过程中，通过理论、实证两方面验证了基于判别分析加权的聚类分析在聚成三类时有更 佳的研究效果。在此基础上，对聚类得到的三个类分别构建了l o g i s t i c 回归模型、s v m 模型并对每一类l o g i s t i c 回归结果进行统计分析，发掘出了各类中影响提前还款的主要 因素和区分各类的标准。同时，文中对比l o g i s t i c 回归与s v m 两种模型发现s v m 确有 较好的预测精度，但由于其可解释性较差故对商业银行的应用性较有限。文中遂又提出 包括购买提前还款权证在内的两条合同附加条款对策，设计提前还款权证定价公式，进 行重复博弈分析得出贷款者与银行的最优策略后，确定贷款者是否可进入证券化资产池 选择区。最后，应用v i s u a lb a s i c6 0 及a c c e s s2 0 0 0 设计提前还款预测系统来辅助商业 银行进行决策。 关键字：提前还款；l o g is t i c 回归；聚类分析；s v m 住房抵押贷款提前还款预测模型及对策研究 t h ep r e d i c t i o nm o d e la n ds t r a t e g ys t u d yo fm o r t g a g ep r e p a y m e n t a b s t r a 6 t m o r t g a g ep r e p a y m e n tb r e a k st h en o r m a lc a s hf l o wp l a n n i n go ft h eb a n k , w h i c hc u t so f f t h ep r o f i t ，i m p r o v e st h ec o s t ，a n da l s os t o p st h eo p e r a t i o no ft h em b s t h em a t u r e p r e p a y m e n tp r e d i c t i o nm o d e l so ft h ed e v e l o p e dc o u n t r i e s a r ef r o me m p i r i c a la n a l y s i s ， t h e r e f o r eo u rc o u n t r yh a r d l yc o p yt h e mb e c a u s eo ft h es h o r t a g eo fd a t aa n di n c o m p l e t e l y f i n a n c es y s t e m t h ed e v e l o p e dc o u n t r i e sp u r s u i tt h ea c c u r a t ep r e p a y m e n tp r e d i c t i o ni ns o l v i n gt h e p r e p a y m e n tp r o b l e mo fm b s h o w e v e r ，b e c a u s eo ft h ep o o rb a s i cc o n d i t i o n ，t h i sp a p e r p r o p o s et oe l i m i n a t et h ea s s e tw h i c hw i l lp r 印a yi nt h es t a t e dp e r i o di nt h es t a r to f a s s e tp o o l p i c k i n gi no r d e rt or e d u c et h eu n c e r t a i n t yo ft h ec a s hf l o wo fm b s a c c o r d i n gt oc o n s t r u c t t h ep r e p a y m e n tp r e d i e t i o nm o d e la n da d dt h ea d d i t i v ec o n t r a c tt e r m st oc o n f i r mt h e p r o b a b i l i t yo fp r e p a y m e n ti ns t a t e dp e r i o d ，w h i c hs u p p l i e st h ec r i t e r i o no fs e l e c t i n gt h ea s s e t p o o la n dp r o v i d e st h ef o u n d a t i o no f r e p l y i n gt h ep r e p a y m e n tf o rt h eb a n k t h i sp a p e rp i c k su pt h ep r e d i c t i o nm o d e la n dv a r i a b l ed e p e n d i n go nt h ea d v a n c e d l i t e r a t u r e ，f i r s t l yw e i g h to nt h ev a r i a b l e sb yd i s c r i m i n a n ta n a l y s i sa n dp r i n c i p a lc o m p o n e n t s a n a l y s i s ，a n dt h e nc l u s t e rt h es a m p l e s w i t ht h et w os t a g ec l u s t e r i nt h ep r o c e s so f c l u s t e r ，t h i s p a p e rc o n c l u d e st h a tt h ec l u s t e rb a s e do nd i s c r i m i n a n ta n a l y s i sw i l lm a k et h eb e t t e rs t u d y e f f e c tw h e nc l u s t e r i n gt ot h r e eg r o u p s a f t e r w a r d ，t h i sp a p e rc o n s t r u c t st h el o g i s t i c r e g r e s s i o nm o d e l sa n ds v mm o d e l sf o rt h et h r e eg r o u p s ，a n da l s of i n dt h em a j o rf a c t o r si n i m p a c t i n gt h ep r e p a y m e n ta n dt h e c r i t e r i o no fd i s t i n g u i s h i n gt h ed i f f e r e n tg r o u p s a t m e a n t i m e ，t h i sp a p e rc o m p a r e st h el o g i s t i cr e g r e s s i o nm o d e la n ds v mm o d e l ，g e t st h e c o n c l u s i o nt h a tt h e r ei sab e t t e rp r e d i c t i o na c c u r a c yi ns v m ，b u tt h ea p p l i c a t i o ni sl i m i t e d b e c a u s eo ft h ew o r s ee x p l a i n e dc h a r a c t e r i s t i c t h e nt h i sp a p e rr e f e r st ot h et w op i e c e so f a d d i t i v et e r m so ft h ec o n t r a c ta n dd e s i g n st h ep r i c i n gt h ef o r m u l af o rt h ep r e p a y m e n t c e r t i f i c a t e ，c o n f i r m sw h e t h e rt oa c c e s st ot h em b sa s s e tp o o lt h r o u g hc o m p e t i t i v eg a m e a t l a s t ，t h i sp a p e rd e s i g n st h ep r e p a y m e n tp r e d i c t i o ns y s t e mt os u p p o r tt h ed e c i s i o no ft h e c o m m e r c i a lb a n kb yv i s u a lb a s i c6 0a n da c c e s s2 0 0 0 k e yw o r d s ：p r e p a y m e n t ；l o g i s t i cr e g r e s s i o n ；c i u s t e ra n a l y s i s ；s v m 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名：日期： 人连理j 1 ：人学硕十研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名： 导师签名： i 鳜 霆至整 年月闩 大连理1 。大学硕士学位论文 1 绪论 1 1 研究背景和问题的提出 我国个人住房抵押贷款市场发展较晚，到目前为止只有十年左右，而真正发展是从 1 9 9 6 年以后，尤其是近几年随着国家宏观经济政策的引导、居民消费的鼓励、住房分配 制度改革的深化，住房交易市场的发展异常活跃。目前各家商业银行都开办了个人住房 商业性贷款业务，其便利性也大大促进了个人住房抵押贷款市场的发展。据统计，截至 2 0 0 5 年6 月末，仅自营性个人住房贷款就达2 6 万亿元，如此巨大的贷款额度，当遇到 丝毫风险时都会给商业银行带来巨大的打击。有资料显示，2 0 0 3 年底工行的提前还款率 达到了4 9 1 ，2 0 0 4 年1 2 月1 日至1 2 月2 0 同，建行上海市分行提前还款达5 个亿。 目前国内住房抵押贷款市场正处于一个非常的发展时期，理论界早在1 9 9 8 年就开始呼 吁中国应该实施住房抵押贷款证券化，其目的是为了能够将住房抵押贷款面临的各种风 险包括利率风险、信用风险、政策风险、流动性风险向二级市场转移。建行作为我国住 房抵押贷款证券化的第一家试点单位于2 0 0 5 年1 2 月6 同，1 2 月8 只分别获得了银监会 和人民银行关于优先级资产支持证券发行的批准，然而在这次证券化过程的背后却又隐 藏着其新兴的风险。其中最关键的问题是在住房抵押贷款证券化过程中需要预测提前还 款率来估算现金流，从而为住房抵押贷款证券定价，然而国内理论界与实务界均无法做 到较准确的预测。 银行面临的大量提前还款问题不仅对于发行住房抵押贷款支持证券的银行来说是 一项挑战，对于未发行住房抵押贷款证券的银行来说同样是一项亟待解决的问题。原因 是提前还款需要银行匹配大量的人力、物力来做变更合同、清算等工作；提前还款打乱 了银行资金的使用计划，会促使银行的资金在短时间内处于闲置的状态，造成收益预计 的失控等等。 这些问题在国外同样也是困扰着金融机构的顽症，国外银行为了缓解提前还款带来 的多方面压力，往往根据各地的实际情况采取了收取提前还款罚会的措施，然而提前还 款罚金的收取在大部分国家都没有统一标准，完全是根据银行所处的市场环境、政治环 境进行主观决定，因此其效果也截然不同。当前国内多家银行也采取了相应的罚金措施， 但其实施效果并不尽人意，且招来了大量的社会舆论和贷款客户流失的压力。 因此国内外并不把缓解自身压力的手段完全寄托于罚会的收取，而是更希望通过建 立相关的预测模型进行量化评估提前还款率，从而准确的预测各个时期的现金流状况。 对于西方国家尤其是美国，其住房抵押贷款市场的发展已经有了近一个世纪的历程，住 住房抵押贷款提前还款预测模噩! 及对策研究 房抵押贷款证券化到现在也有了3 0 多年的历史。他们不仅创造了各种重要的提前还款 预测模型更重要的是积累了大量的实证数据。然而，我国短暂的住房抵押贷款市场还没 有走完半个周期再加上国内信用体制建设的迟缓，信息化体制建设的不到位等因素致使 国内在解决提前还款问题上将面临着长期而巨大的挑战。 1 2 住房抵押贷款提前还款预测模型及罚金模式研究综述 1 2 1 提前还款预测模型简介 通过对大量提前还款模型相关文献的研究发现，目前分为理论模型与实证模型的两 大研究方向：在理论模型中主要有次优提前还款模型、期权模型：在实证模型中主要有 贷款群组研究模型和个人贷款研究模型。在贷款群组模型研究中又分为确定模型和统计 模型，在确定模型中分为：平均到期法，f h a 经验法，p s a 标准；在统计模型中分为比 例风险模型、多样化系数模型、向量模型、新高盛提前偿付模型、s c o t ta n dr i c h a r d 模 型、b a r r a 模型等。在个人贷款研究模型中又分为普通虽小平方法，l o g i t 模型和p r o b i t 模型等。下面将选取在不同阶段曾经比较流行的模型来介绍。 ( 1 ) f i t a 经验指标“3 联邦住房管理局( f h a ) 拥有一个庞大的关于抵押贷款提前还款情况的经验数据库， 基于这一数据库可预测任何一年里某些抵押贷款被清偿完毕的可能性。 假定某笔3 0 年期抵押贷款在第f 年仍未被提前清偿的可能性为z ( t = l ，2 ， 3 0 ) ，则在第 年中这笔抵押贷款被提前清偿的可能性p 为： p ，= t 一】一x ， ( 1 1 ) 于是在该贷款直至第卜1 年尚未被提前清偿的条件下，其在第t 年内未被提前清偿的条 件概率( 儿) 为： y = 1 一! l = 二l ( 1 2 ) 一一lx r l 在此基础上，迸一步假定特定年内的月概率相等，则可得在t 年内贷款未被清偿的月概 率为： l z ，= y ? 2 ( 1 3 ) 根据联邦住房管理局关于提前还款行为的经验数据，可以算特定月份抵押贷款被提前清 偿的概率，称作1 0 0 f h a 经验指标，以此为基准，可描述不同的提前还款速度如2 0 0 9 6 f h a 即指贷款人的提前还款速度是上述的2 倍。 ( 2 ) p s a 标准提前还款比率”1 大连理e 托学硕十学何论文 在介绍p s a 之前，我们先来了解一下c p r ( 固定提前还款率) ，c p r 为年提前还款 l 率，可以转换成月提前还款率，称为s m m ( 单月死亡率) ，s m m = 1 一( 1 一c p r ) 九2 。 p s a ( p u b l i cs e c u r i t i e sa s s o c i a t i o n ) 认为提前偿还率在刚贷款抵押时会比较低， 但抵押愈久，提前偿还率会越高。p s a 模型假设3 0 年抵押的提前偿还率为第一个月c p r 为0 2 ，以后每个月增加0 2 ，直到每年6 ，以后每年的c p r 为6 。这个水准为“1 0 0 p s a ” 可以表示成： c p r = f 6 4 t ) 3 0 ，3 0 ：c p r = 6 ，f 3 0 ( 1 4 ) 速度较快或较慢就以p s a 的百分比来表示。如5 0 p s a 表示p s a 提前偿还率的一半c p r ； 1 5 0 p s a 表示p s a 提前偿还率的百分之一百五十的c p r 。 ( 3 ) a s a y ，g u i l l a u m e ，a n d m a t t u 模型”1 这个模型涉及到的因素很少，只需要知道当前市场贷款利率和贷款息票率两者之差 ( s p r e a d ) ，其模型如下： c p r = 0 3 0 1 6 a t n 1 2 3 1 l ( s p r e a d + o 2 ) 】 ( 1 5 ) ( 4 ) c h i n l a y 模型o ” c h i n l o y 从研究中发现了影响月提前还款率的三种主要因素：即新发行的固定名义 收益债务的平均市场利率( r ) 、合同利率( a ) 和贷款存续期( t ) ，通过t o b i t 方法， 得出了结果如下： c p r = 0 0 8 1 3 1 7 9 5 1 ( o 7 6 3 5 ) r + o 9 6 0 3 ( 0 0 6 8 8 ) a + 0 0 0 1 2 ( 0 0 0 2 4 ) ， ( 1 6 ) 括号中为标准误差。c h i n l o y 得到的结果表明年龄和季节因素并不能影响提前还款的可 能性。 ( 5 ) 修正的g o l d m a ns a c h s 模型“” g o l d m a ns a c h s 模型是由r i c h a r d 和r o l l ( 1 9 8 9 ) 首先提出，再经过o t s 修正所 得出的模型，它有四个重要的经济效应，分别是再融资激励，抵押贷款的季节或存续期， 月份因子，歇火炖化因子。 c p r = ( 再融资激励) ( 季节要素) ( 月份因子) ( 歇火炖化因子)( 1 7 ) 再融资激励通常采用再融资利率除以加权平均抵押贷款息票率，其中已有的模型 是： 盯= o 3 1 2 3 4 0 2 0 2 5 2 + a r c m n ( 8 1 5 7 + 【- ( c + s ) ( p 十f ) + 1 2 0 7 6 1 1 】) ( 1 8 ) 其中r i 是来自再融资激励的有条件的提前偿付，c 是m b s 的平均息票率，s 是来自于总 体的贷款服务率，p 是再融资率，f 是附加的再融资成本。 住房抵押贷款提前还款预测模l ! 及对策研究 季节因子在始点取值为零，随着特定的季节周期现行增长至l ，3 0 个月后达到 稳定状态。 月份因子为： 1 + 0 2 + s i n 疗，2 + 【( ，押+ t 一3 ) 3 一1 ( 1 9 ) 其中m 为m b s 定价的月份。 歇火炖化因子为： e x p ( - 0 1 1 5 b ) ( 1 1 0 ) 其中b 是抵押贷款息票率除以再融资率的函数。 在修正的g o l d m a ns a c h s 模型罩，只有当在季节因素达到1 时歇火炖化才开始。在 一个利率不断波动的环境下，只有当市场利率远低于贷款利率的时候，歇火炖化才有可 能发生。因此通常在利率低于抵押贷款息票率时，假定歇火炖化因子以指数形式降低。 ( 6 ) 比例风险模型”1 在建立提前偿付模型时，人们将数理统计的生存分析法引入其中，首先要在一个抵 押贷款组中抽取一定的样本进行观察，每个个体提前偿付的时恻即为个体的失效时间。 危险函数万( f ) 是表示个体存活到时间t ，在，时刻的瞬时死亡率或失效率，即为t 时刻的 提前偿付率。运用生存分析中的模型来描述提前偿付行为，并根据观测到的样本的时问 数据对其中的参数进行估计，从而得到个描述抵押贷款提前清偿行为的研究模型。在 生存分析中，对某个抵押贷款样本进行研究时，我们既要研究提前偿付的总趋势，又要 考虑其他影响生存的因素。因此主要运用了含协变量的的生存分析模型比例风险模型。 在研究提前清偿行为时，多沿用c o x 比例风险模型，于是抵押贷款的提前偿付率万o ，彳) 为： 万( ，x ) = 万o ( ，4 。 ( 1 1 1 ) 其中膨= 坼崩+ x 2 f l ：4 - + x n 成，为回归系数向量，x 为协变量。( f ) 为基本危险函 数。一般研究时将巩( f ) 令为指数分布，指数分布的危险函数是一个常数，即认为提前 偿付率是一个恒定不变的比率，而因外界的因素使其产生波动这些外界因素即作为协 变量加入模型中。s c h w a r t z & t o r o u s ( 9 8 9 ) 根据贷款时间性的特点，即在贷款的最初 提前偿付的可能性较低，随着贷款时间的增加他提前偿付的可能性也增加，但到达一定 时间后这种可能性又开始减小。l o g i o g i s t i c 分布的形式正适台于描述这种提前偿 付的特点。因此s c h w a r t z & t o r o u s 便采用l o g l o g i s t i c 分布来定义比例模型的基准危 险函数。由于提前偿付变化的复杂性d e n g ( 1 9 9 7 ) 提出运用不确定基准危险函数的形式建 立比例提前偿付模型的方法”1 。 大连理工夫学硕士学位论文 ( 7 ) 多样化系数模型“3 多样化系数模型( j a m e sb k a u & t h o m a sm s p r i n g e r ，1 9 9 2 ) 系统地考虑了再融资性 因素和非再融资性因素对提前还款的影响及它们之间的关系，在对提前按还款进行预测 和分析是具有很多优点，同时很具有代表性。 多样化系数模型是在标准预测模型( g r e e n & s h o v e n ，1 9 8 6 ：s c h w a r t z t o r o u s ，1 9 8 9 ) 的基础上发展起来的，标准预测模型为： i n p ( i 、= i n f o + g l ( 1 1 2 ) 尸( ，) 为年度提前还款比率，r 为基本提前还款水平，i 是提前还款动因，g 为动因载荷。 动因i 用再融资带来的收益与贷款余额的比值来衡量。采用最大似然回归方法得出相应 的基本提前还款水平和动因载荷，然后根据现行利率环境及贷款条件计算动因值进行预 测。这样的预测过程有其合理性和一定的精度，如利率水平、利率变动趋势、季节因素、 贷款人特点、收入状况等等。当其中一个或几个因素有所变动，特别是非再融资因素的 变动及其与再融资性因素又产生交互作用，或试图考察两类因素的影响时，上述模型就 显得较为局限。 多样化系数以上述模型为基础，对其进行改进，提供了一种新的方法，将提前还款 看作是一个动态过程，系统考虑了在同资性因素和非再融资性因需的影响及它们之间的 相互作用，并允许对再融资性因素和非再融资性因素分别加以考察。其模型表述如下： l n p ( 1 ) q = i n f q + g q + q i n & = b ；+ b ；x i + e o x 2 + b ；x j + b ：x3 + b ：x j + b ：x4 + b 1 0 x j i 。1 n + 琏x3 x 4 + b ；x ! x3 g = 碟+ 科墨+ b i z 2 + 职工；十8 1 x ，+ 纠x ；+ 磁z 。+ 叫：， 七b ；x 、x i 七8 ；x l x 、 其中，i ，j 分别表示时间和不同的m b s 种类，为误差项。x 。、爿2 、玛、x 。变量分 别代表季节、债龄、利率趋势和利率新低。 ( 8 ) 新高盛提前偿付模型。3 高盛在9 0 年代后提出了一种提前偿付模型的新思路。它将抵押偿付率分割为重置、 继承、部分偿还和再融资来考虑。 总的提前偿付= 重置一继承+ 部分偿还+ 再融资 对每一部分都需要分别运用适当的变量和动态因素加以分析，使得形成的提前偿付模型 能动态的表现提前偿付的全过程。重置提前偿付主要是由税收减免、贷款已经历的时问、 住房抵押贷款提前还款预测模1 4 及对策研究 季节因素和房产市场的周期性等因素引起的提前偿付。继承是指人们在卖出自己房子 时，已经存在的抵押贷款有新的房主来继承，而不是有旧的房主来提前偿付。部分偿还 主要是与人们减少负债的心理有关。再融资主要是指利差引起的再融资提前偿付，这里 不仅考虑现行利率，而且将利率变化的整个历史过程也考虑在内。 ( 9 ) l o g i t 模型和p r o b i t 模型“0 1 ” l o g i t 模型( n a v r a t i l ，1 9 8 5 ：h e u s o n ，1 9 8 8 ：z o r na n dl e a 1 9 8 9 ；l a c o u r - l i t t l e 。1 9 9 9 ) 在国外有很多人做过相关的实证分析，但是由于所处的环境不同，其选取的变量也大相 径庭，主要选区的变量有：贷款额、起始年、市场利率与台同利率之差、贷款与房价之 比、贷款者年龄、贷款者收入、f i c o 信用评分、贷款者种族、贷款者居住地等。 p r o b i t 模型( n a ij l e e ，s e o we o n g ，2 0 0 3 ) 在其前者的基础上进行了相应的取舍 并加上了宏观经济因素，包括人均g d p 、房产市场价格指数等。 1 2 2 基手国内现状的提前还款预测模型评价分析 本文对以上模型的产生背景及应用普及程度进行了大量的文献研究“。”，得到了如 下的结论： ( 1 ) 传统的f h a 经验法、p s a 标准是在住房抵押贷款市场发展的过程中形成的，它 是计量经济方法在本领域的应用还不成熟时产生的一种较粗略的估计方法。由于提前还 款率受到市场上多方面因素的影响，单纯的认为符合上述惯例是完全不能被现实市场所 接受的，因此也注定了短时期内会被新兴的模型所淘汰。但在住房抵押贷款证券化的起 始阶段，它的确为住房抵押贷款证券的定价做出了很大的贡献。这也正是目前国内在发 行住房抵押贷款证券时还需要假定一个特定的c p r ( 固定提前还款率) 的原因。但是， 国外在使用f h a 、p s a 时，已经拥有了3 0 多年的数据积累，它是根据这3 0 多年数据积 累的统计结果得到的。国内住房抵押贷款市场可以仿照刻画发展的趋势，但是准确的量 化还欠缺大量的数据支持。 ( 2 ) a s a y ，g u i l l a u m e ，a n dm a t t u 模型，c h i n l o y 模型，修币的g o l d m a ns a c h s 模 型是完全基于大量的样本数据进行计量经济的回归研究，而且其中涉及到了一个重要的 变量一住房抵押贷款证券的价格，但是在国内建设银行j 下在处于抵押贷款证券化的试点 阶段，因此这一变量无法提供。 ( 3 ) 多样化系数模型，新高盛提前偿付模型中非常重要的组成部分再融资因素是完 全与我国的现状相背离的，这是因为在国外同一房产可以在利率降低时重新借新还旧， 而在国内是不允许的。多样化系数模型是部分基于住房抵押贷款证券而形成的，而国内 人连理。1 ：人学颈十学位论文 住房抵押贷款证券刚刚起步，因此缺乏数据的支持。新高盛模型中的重置、继承等因素 在国内都很难出现，因此也极度不适应国内的情况。 ( 4 ) 比例风险模型、l o g i t 模型、p r o b i t 模型中主要从贷款者个体进行研究，相关 数据的取得比较容易，但是在选取变量时应该结合实际状况而定。其中比例风险模型中 的基准危险函数的准确选择会极大的影响预测结果，在不能够准确把握贷款者在某种状 态下提前还款的特定总体发展趋势之前，很难做出基准危险函数的选择。就目前我国的 数据储备情况来看，应用l o g i t 模型、p r o b i t 模型等类似模型进行提前还款问题的研究 还可以勉强满足数据支持的要求。 1 2 3 提前还款罚金模式介绍 目前国外在解决提前还款问题除了提高提前还款预测模型的预测精度来估算现金 流外还辅以利用不同形式的罚金政策来抑制提前还款的产生。从研究的文献中“”可以总 结出主要有3 种罚金模式： ( 1 ) 固定提前还款罚金，即收取提前还款额的一定比例，通常为5 ，3 ，1 三个比 例。 ( 2 ) 递减提前还款罚金，即设定一个阶梯函数在o 一5 年内提前还款收取提前还额的 5 ，在5 6 年内提前还款收取4 ，在6 7 年之内提前还款收取3 ，一直到收取0 为 止。 ( 3 ) 维持收益罚金，即罚金是当前利率的函数，当提前还款发生在一个利率下降的 环境下，罚金要能够弥补由此而带来的损失。 基于以上罚金模式，各国的实际做法也不尽相同“，如在美国提前还款罚金的收取 一般是针对贷款时间为3 到5 年内，罚金额度为提前还款额的1 一5 ，还有收取6 个月 利息的；在英国，通常限于3 年内或有利率优惠的期间内提前还款会收取罚金；在德国 规定固定利率贷款不能提前还款；在爱尔兰法律不允许对可变利率贷款提前内还款收取 罚金，法国规定罚金不得超过1 0 ；在荷兰，允许每年提前还款1 0 一2 0 而无需支付罚 金，超过该比例的提前还款需要支付给银行所节省的利息的现值。台湾除了三大公营银 行不收取罚金，其他银行均规定四年内不得提前还款，否则收取罚余1 。 1 3 本文研究的主要内容和思路 本文通过对大量文献的梳理发现：由于国内住房抵押贷款证券化的实施是在住房抵 押贷款产生之后1 0 年左右的时间丌始，还没有形成一个完整的周期( 3 0 年) ，而且相 关数据的记录非常缺乏，信用体制建设也非常不健全，因此国外目前较流行、成熟的模 型、思想在国内还无法应用。另外国外在各种提前还款模型的演变过程中直都在追寻 住房抵押贷款提前还款预测模4 及对策研究 着如何使预测模型更加准确的预测提前还款率。从长远的角度来看，这种做法是非常正 确的，而且符合国外的实际情况。但结合我国实际情况，本文认为应该从另外一个角度 出发，即应该寻找一种方式去过渡到这种目标而不是硬性的直接去追求这种目标。本文 认为既然在现有状况下很难利用现有模型准确预测证券化的住房抵押贷款的提前还款 率，那么我们在最初进行住房抵押贷款证券化资产池组合时，就要剔出那些会在一定期 限内提前还款的资产，这样会使资产池质量得到提高，现会流得到稳固，从而银行就不 必担心大量提前还款给住房抵押贷款证券带来很大的打击。在我国积累了足够的数据之 后再将研究的焦点转移到整体提前还款率的精确预测上比较适宜。同时，商业银行在进 行贷款者个体研究时会增加对贷款者在一定期限内提前还款的鉴别能力，从而为银行尽 早做好资金规划、调度的准备。 因此本文将结合实际情况构建一种能够甄别个体在一定期限内( 本文界定为三年) 是否提前还款的预测模型，并在此基础之上提出相应的住房抵押贷款合同附加条款，通 过客户对附加条款选择来更加准确的判别贷款者提前还款的可能性并确定是否该贷款 者可以进入证券化资产池选择区。 本文主要内容为： 第二章，对住房抵押贷款提前还款的影响因素进行了分析，对变量进行了量化和统 计分析。 第三章，对贷款者进行了不等类别的聚类分析，首先使用主成分分析和判别分析对 变量进行加权，然后将聚类结果进行了理论分析，初步确定给予判别分析的聚类分析在 聚成三类时有更佳的效果。 第四章，对聚类前后结果均用l o g i s t i c 回归、s v m 两种方法构建提前还款预测模 型，并对结果进行比较，从实证角度证明了第三章的结论正确性。同时为最好的分类结 果进行了统计描述、类别命名、归类标准说明及各类中影响因素重要程度的刻画。 第五章，在前文预测模型建立的基础上，利用博弈的思想首先分析了银行面临的提 前还款现状及利益损害关系，其次提出了包括提前还款权证在内的两项住房抵押贷款贷 款合同附加条款并设计了提前还款权证的价格，然后在假定信用体系健全的环境下，得 n t 贷款者与银行的最优策略，根据结果确定贷款者是否可以进入证券化资产池选择 区。 第六章，在前文工作的基础上设计了贷款者的提前还款预测系统， 并应用 s u a ib a s i c 6 0 以及a c c e s s 2 0 0 3 加以实现。 人连理 ：大学硕士学位论文 2 贷款者提前还款的影晌因素分析及数据预处理 2 1 贷款者提前还款的影晌因素分析 住房抵押贷款提前还款影响因素的选择除了因不同的模型有极大的差异之外，还会 因不同的文化价值观和不同的实务操作而有很大的差异。本文的数据来源是大连市某商 业银行2 0 0 0 年8 月1r 至2 0 0 5 年1 0 月1 日的数据库( 其中j 下常还款者贷款起始日期 均为2 0 0 2 年1 0 月1 日以前，提前还款者起始同期不限) ，在选取影响因素时主要结合 以上两点。 本文在研究住房抵押贷款提前还款的影响因素之前，首先希望能从理论上确定提前 还款的可能影响因素，而这种理论根据主要来自两个方面，一方面是来自先前国外学者 的类似研究“6 。1 ：另一方面是来自实务界的直接经验。因此本文基于以上两方面决定从 以下三个维度进行研究：贷款特征维度、个人特征维度、区域维度，也就是说，其中蕴 涵着一个假设，即个人住房抵押贷款是否会发生提前还款是贷款特征维度、个人特征维 度、区域维度的函数。其次通过对比国外评价住房抵押贷款是否提前还款的关键指标来 寻找国内实务操作中影响个人住房抵押贷款提前还款的具体关键因素。再次，在数据的 调查过程中，通过与商业银行工作人员的交流，启发他们应用自己的工作经验判断当前 影响我国住房抵押贷款提前还款的主要因素。综合上述三个方面，本文选取了以下1 2 个影响因素。 2 1 1 贷款人特征维度 在本文中，贷款人特征维度主要包括收入、职业地位、年龄、性别、婚姻状况、学 历等。 ( 1 ) 收入。在过去大多数研究中”3 ，收入被认为是一个很重要的因素，因为收入 的多少将直接影响贷款者的还款能力。 ( 2 ) 贷款人职业地位。国外大量文献“”1 认为贷款人收入的不可预测性极大地影响 了提前还款事件的发生，而在国内能够描述收入的不可预测性只能以贷款人的职业地位 这一因素代替。 ( 3 ) 贷款人年龄。在国外实证研究中“普遍把贷款人的年龄作为一个重要的指标 纳入分析之中。许多研究认为不同年龄的贷款人还款意愿倾向和赚钱能力是不同的。通 常年轻人倾向于长期欠债，刚工作时收入较少，也没足够的能力来提前还款。但是随着 年龄的增长，特别是中年职位提高，收入增加尤其是不可测的收入增多，再加上不愿承 住房抵押贷款提前还款预测模型及对策研究 担债务的心理作用，所以容易发生提前还款。因此，年龄是一个非常重要的提前还款影 响因素。 ( 4 ) 贷款者婚姻状况。婚姻状况的不同往往对应着家庭的收入来源的不同，即家 庭收入是来自双薪还是单薪。已婚贷款者是夫妻双方共同赚钱来经营一个家庭，所以收 入一般会比单身高，同时不可预测的收入发生的概率也会加大。 ( 5 ) 贷款者的最高学历。贷款者的学历越高，预示着贷款者在相同的行业背景下 收入越优越，发展赚钱的潜在机会越大，获得的不可预测收入越多。 ( 6 ) 贷款者的性别。性别因素一直是一个有争议的因素，很多文献“”根据实际情 况进行选取，但本文认为在国内通常是男性做户主，贷款者通常也是男性，但是如果是 女性贷款有两个原因：一是单身，二是具有很高的社会经济地位或能够享受到某种优惠 待遇。如果是后者，那么提前还款的可能性将有所提高。因此，性别往往反映了特定的 问题。 2 1 2 贷款特征维度 在本文中，贷款特征维度主要包括贷款金额、贷款期限、贷款利率的变化、还款方 式、有无利率优惠。 ( 1 ) 贷款金额。贷款金额反映了贷款人当前资金状况，通常当前较富有的人贷款 额度较小，但同时也反映了贷款者预期的收入水平。 ( 2 ) 贷款期限。贷款期限的长短反映了贷款者的预期还款能力，期限越短，表明 其预期收入水平越高，收入水平越高就越容易发生提f j i 还款。 ( 3 ) 贷款利率的变化。目前我国住房抵押贷款利率分为浮动利率和固定利率两种， 固定利率贷款刚刚推出，本文所研究的对象均是浮动利率下的贷款。在国内跟国外不同， 国外允许贷款者在利率降低的时候借新还旧，因此当国外利率降低时会有大量提前还款 者，而国内恰好相反，不允许借新还旧但利率降低时贷款者会在次年1 月1 日享受新利 率的贷款条件。同样当利率升高时，贷款者也会在次年1 月l 同接受新的利率条款，因 此在国内通常是利率升高时，会有较多人提日u 还款。 ( 4 ) 还款方式。当前在我国个人住房抵押贷款的还款方式主要有等额还款方式和 等本金还款方式两种。等额还款指在贷款偿还期内每期还款的数量是固定不变的( 在利 率不调整的情况下) ：而等本会还款时贷款人每期偿还贷款本金额固定不变，偿还利息 随贷款本金的减少而减少，即贷款人在整个贷款偿还期内每期还款的本利和呈递减趋 势，也就是说，应用等本还款方式的贷款人第一期还款负担最重，随后逐渐减轻。在等 本金还款方式下，贷款人一般依据期初还款额为参照来估计自身的还款能力，这证明该 大连理t 大学硕士学位论文 贷款人具有较强的还款承担能力，因此选择等本金还款方式的这类人可能具有较强的提 前还款能力。 ( 5 ) 贷款者有无利率优惠。国外信用体制较完善的国家通常根据贷款者的信用情 况给与差别贷款利率，在国内虽然没有这种状况存在但类似的如内部行员贷款会有优惠 利率，具有优惠利率的贷款者可能容易表现为不急于提前还款。 2 1 3 区域特征维度 本文所提及的区域维度主要由贷款人的家庭所在地来刻画。由于家庭所在地通常既 能够反映宏观的经济状况，也能够反映由地域差异因素而导致的心理、文化、价值观的 不同，在这些因素的影响下，贷款者的提前还款能力及对债务的接纳程度也会有所不同。 2 2 影晌因素的数据预处理 2 2 影响因素的量化 在影响因素确定之后，我们需要对所选的因素进行数据的预处理以便于后面的模型 使用，在模型中我们称影响因素为自变量。在数据的预处理的过程中，本文主要参照 l a w r e n c e & n a s s e r ( 1 9 9 5 ) ，e p l e y e t a l ( 1 9 9 6 ) ，m i c h a e l l a c o u r - l i t t l e ( 1 9 9 9 ) ，t h a n g & m a x a m ( 2 0 0 2 ) , n a i j l e e & s e o we o n g ( 2 0 0 3 ) ，黄学元、冯镜波( 2 0 0 4 ) 和建元2 0 0 5 一1 个人住房抵押贷 款证券化信托发行说明书( 2 0 0 5 ) 等中的量化方法。变量是否提前还款用虚拟变量表示， 提前还款赋值为1 ，正常还款赋值为0 。下面将对本文研究所选的1 2 个自变量的量化方 法作简要阐述。“”“ ( 1 ) 婚姻状况的量化。在本研究中婚姻状况用虚拟变量表示，即单身赋值为0 ，已 婚赋值为l 。 ( 2 ) 贷款人职业地位的量化在银行贷款记录中已经将其分为三个等级：高级管理 人员、管理人员、普通职员。其中高级管理人员包括国家高级公务员、高级专业人员、 大中型企业领导层管理人员；管理人员包括国家一般公务员、专业人员( 律师、会计师、 医生、设计师、教师等具有专业技术职称的人员，中层干部、小型企业管理人员) ：普 通职员包括一切其他从业人员。本文为高级管理人员赋值l ，管理人员赋值2 ，普通职 员赋值3 。 ( 3 ) 家庭住址量化。本文以购房前户口为准来辨别贷款者家庭住址，将贷款者分 为市内人员和外市人员，其中市内人员为1 ，外市为0 。 ( 4 ) 贷款人的最高学历量化。在所调查的资料中银行已将贷款者学历分为四种： 硕士以上学历、学士、专科、专科以下，将其分别赋值为1 、2 、3 、4 。 住房抵押贷款提前还款预测模牙! 及对策研究 ( 5 ) 还款方式的量化。我们用虚拟变量进行量化，即等额还款方式为1 ，等本金还 款方式为o 。 ( 6 ) 性别的量化。男性为l ，女性为0 。 ( 7 ) 贷款者有无利率优惠量化。有优惠为l ，无优惠为0 。 ( 8 ) 利率的变化量化。在数据的选择时间区间内经历了2 0 0 4 年1 0 月2 9 同，2 0 0 5 年3 月1 7 日两次利率上调r ，其之前的贷款者在次年1 月1 日丌始执行新利率。从贷 款之日起3 年内经历了利率上调的贷款者此变量量化为l ，否则为o 。 ( 9 ) 其它变量的量化说明贷款金额、贷款期限、收入、年龄均取实际值。 下面用表2 1 来说明整个量化的过程。 表2 1 变龋取值及说明 t a b l e2 1q u a n t i f yt h ev a r i a b l e sa n dt h ed e s c r i p t i o n s 2 2 2 变量的统计性描述 本文的样本来源是大连市某商业银行2 0 0 0 年8 月1 同至2 0 0 5 年1 0 月1 同发放的 贷款数据，其中正常还款者贷款起始只期均为