住房按揭贷款提前还款风险预警实证研究.docx

住房按揭贷款提前还款风险预警实证研究丁正斌（南京大学 商学院,江苏 南京 210093）摘要：伴随着我国房地产市场的发展，商业银行的住房按揭贷款在近十几年间取得了快速增长，已成为商业银行重要的信贷品种之一，而提前还款风险则是商业银行在住房按揭贷款风险管理 中不可回避的信用风险之一。通过建立 Logistic 回归模型，并运用因子分析、判别分析等技术， 对商业银行住房按揭贷款的正常与提前还款样本进行了计量模型分析，剖析了各项因素对提前 还款风险的影响，概要总结了影响借款人提前还款决策的变量特征，提出了加强提前还款风险 预警管理的建议。关键词：住房按揭贷款；提前还款；风险；Logistic 回归模型文章编号：1003-4625（2012）06-0044-05中图分类号：F832.45文献标志码：AAbstract: With the development of real estate market in China, the residential mortgage loan of com-mercial banks has gained rapid growth in the recent over ten years, thus constituting one of the impor- tant credit products in commercial banks. However, the prepayment risk becomes one of the unavoid- able credit risks during the risk management of residential mortgage loans in commercial banks. Through setting up Logistic regression model, using technologies of factor analysis and discriminant analysis, the thesis has conducted the quantitative model analysis for normal and prepayment loans samples of commercial banks, analyzed the impacts of all the factors on the prepayment risks, and in- cluded the features that influence the borrowers to make the prepayment decision, then proposed the suggestions to strengthen the precaution management of prepayment risks.Key words: residential mortgage loans; prepayment; risk; Logistic regression model一、引言我国的房地产市场发展从 20 世纪 80 年代开始 起步，1995 年起步入相对稳定协调发展，1998 年实 施的城镇住房制度改革更是我国房地产市场快速发 展 的 重 大 契 机 。 从 个 人 住 房 按 揭 贷 款 业 务 看 ，自1992 年中国建设银行发放第一笔个人住房贷款以 来，个人住房按揭贷款业务已帮助千千万万的居民 “圆了住房梦”，有力地推动了我国居民的住房消费 升级，我国的个人住房按揭贷款业务也从无到有，取 得了突飞猛进的发展。中国人民银行统计数据显 示，1998 年末全国的个人住房按揭贷款总额仅 426 亿元，仅占各项人民币贷款余额的 0.5%；而到 2011 年末，全国银行机构的个人住房按揭贷款余额达到71400 亿元。经推算，个人住房按揭贷款占全部贷 款余额的比重达 13.03%，占比提高了 12.53 个百分点。住房按揭贷款已经成为商业银行个人信贷业务的重要品种之一。但随着住房按揭贷款总量的快速 增长，作为长期贷款品种的住房按揭贷款也逐渐暴 露并显现出各类风险，其中，受贷款利率调整、居民 收入水平提高等因素影响，商业银行住房按揭贷款 的提前还款违约风险开始大量显现。如何防止和控 制提前还款违约风险成为商业银行个人信贷业务中 亟待研究的新课题。二、文献综述提前还款，是借款者在合约到期之前还清全部 贷 款 或 部 分 贷 款 的 行 为 ，是 广 义 上 的 违 约 行 为 之 一。国外对住房按揭贷款提前偿付行为问题的研究 颇多，这些研究一方面是由发放贷款和实行证券化 的金融机构推动的，另一方面是由住房按揭贷款一、 二级市场中不同风险偏好的投资者推动的。早期研收稿日期：2012-05-08作者简介：丁正斌（1970-），男，江苏海安人，博士研究生，研究方向：金融工程与创新管理。44【金融观察】究住房按揭贷款违约风险的学者大多从抵押房产和借款人的特征出发，并没有单独对提前还款风险进 行研究。随着期权理论的发展，西方学者开始应用 这一理论解释住房按揭贷款借款人的违约行为，目 前的大部分文献是借助期权理论或计量理论对提前 偿付行为进行研究。Schwartz 和 Torous(1989)1 根据 贷款时间性的特点提出了不同的比例机会函数模 型。由于贷款具有时间性的特点，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，提前 偿付的可能性也在增加，但到达一定时间后这种可 能性又开始减小。logistic 分布的形式正适合于描述 这种提前偿付的特点。因此 Schwartz & Torous 便采 用 logistic 分布来定义比例机会模型的基本危险函 数 。 Deng Yongheng，Quigley John M.，Van Order Robert，Mac Freddie(1996) 2 用 基 于 期 权 的 风 险 模 型 分析了违约与提前还款情况，他们将违约看做是看 跌期权，将提前还款看做是看涨期权，分析表明，违 约对贷款发放之初的贷款价值比(LTV)和之后的抵 押房产价值较为敏感，而诸如失业、离婚等家庭重大 突发事件对提前还款和违约有影响。由于提前偿付 变化的复杂性，近年来 Deng 还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 ； Deng 和 Quigley 结合停止付款和提前付款的研究，建 立了人们觉得是否违约的非理性定价模型，得出了 一些有价值的结论。从国内学者的研究看，首先看对提前还款风险 的界定。孙奉军(2001)3认为，所谓提前偿付是指借 款人除了按照抵押贷款既定摊销计划偿付之外的任 何偿付行为。宾融(2002)4认为，提前支付风险就是 指借款人可以随时支付全部或部分抵押贷款的余 额 ，而 导 致 现 金 流 量 的 不 稳 定 和 再 投 资 现 象 的 风 险。王重润和曹振良(2002)5认为，提前偿付是指借 款人的实际偿付额超过计划偿还额，一般包括两种 情况，一次付清全部本金余额和提前付清部分本金 余额。可以看出，上述定义已经概括了提前还款行 为的两个特征，即违反计划、还款金额不定。其次看对提前还款风险影响因素的分析。孙奉 军 (2001) 3 认 为 ，提 前 偿 付 风 险 的 生 成 机 理 较 为 复 杂，但研究发现提前偿付主要受以下几方面因素的 影响：现行市场抵押利率、基础的抵押品组合的特 征、季节性因素、总体经济活动和人口统计数据以及 其他因素。施方(2001)6 总结了在一个自由的资本 市场诸如美国的资本市场上，影响提前偿付行为的 基 本 的 决 定 因 素 为 ：季 节 性 (seasonality)、歇 火 现 象 (burnout)、时间性(aging 或 seasoning)、利率变动(inter-est rates)、收益率曲线的影响(yield curve effects)。王重润和曹振良(2002) 5认为，影响提前偿付的主要因 素是现行抵押利率水平、再融资条件、住房价格水平 和宏观经济状况。王福林和贾生华(2003)7认为，影 响提前还款的因素主要有五个方面：宏观经济背景、 利率变动、货币化分房政策的落实、银行风险管理机 制 欠 缺 、根 深 蒂 固 的“ 无 债 一 身 轻 ”的 传 统 消 费 观 念。我国住房按揭贷款市场中借款人提前还款行为 与国外的有着本质差别，影响因素与国外的不尽相 同，或者说，上述分析中提及的各类因素对我国现阶 段住房按揭贷款提前还款行为的影响大小不尽相 同。再次看对风险影响和防范的分析。提前还款会 使商业银行的库存现金增加，打乱既有的资金使用 计划安排，从而使其总体资产的流动性超过其利润 的最大化和其基本风险防范要求，还会引起银行预 期利息的减少，增加其再投资风险和服务成本。施 锡铨和张淼(2002)8 在分析了住房按揭贷款的三种 还款方式(等本息还款、等本金还款和一次还本付 息)的基础上，对住房按揭贷款的提前还款行为从借 款人和贷款银行两方面进行了详细分析，通过构建 博弈分析模型得出银行对住房按揭贷款提前还款加 收违约金的必要性，并且从提前还款服务成本补偿、 提前还款后资金闲置损失补偿和预期收益减少损失 补偿这三个方面对违约金的收取标准进行了专项设 计。王福林和贾生华(2003) 7 则根据分析提出了五 个方面的对策建议：完善个人住房抵押贷款合同条 款，建立健全违约金处理机制；建立和完善政府担保 制度，充分发挥政府的扶持作用；建立和完善个人住 房抵押贷款商业保险机制，利用保险转移风险；建立 个人住房抵押贷款数据库；推行住房抵押贷款证券 化。总之，在个人住房按揭贷款中，提前还款是比较 常见和比较重要的一种风险。提前还款发生后，银 行将因此遭受服务成本未得到补偿、提前收回资金 闲置、预期收益减少等经济损失风险。提前还款带 给银行的经济损失是确定的，但是提前还款行为的 发生却是不确定的，因此，提前还贷风险是一种不可 忽视的信用风险。三、风险预警实证模型构建本文通过借款人、贷款、区域经济等方面的一系 列特征数据，在检验变量是否满足正态分布的基础 上，选择合理的建模方法建立提前还款预警模型，并 评价模型的预测效果，提出模型对于住房按揭贷款 风险管理的借鉴意义。金融理论与实践452012 年第 6 期(总第 395 期)【金融观察】（一）分析模型建立本文提前还款预警模型的核心思想是首先建立 包含正常还款客户和提前还款客户信息的样本数据 库，根据贷款特征数据所反映出来的信息建立判别 模型，以此模型来预测发生提前还款行为的概率，从 而判断提前还款风险的大小。由于提前还款风险的 产生很多情况下是由于借款人具有一定程度的财务 盈余产生的(而非一般风险管理中由于财务困难造 成的风险)，因此，提前还款预警模型对于信用风险 管理具有借鉴意义。提前还款预警模型的研究方法主要包括多元判 别分析(MDA)、Logit 回归分析、Probit 回归分析、神经 网络等方法。其中多元判别分析要求各变量服从联 合正态分布，这一假设条件在现实情况下一般很难 得到满足。国际上的相关研究主要采用了 Logit 分 析方法，并且主流的观点认为，在满足正态性假设的 条件下，Logit 模型的效果等同于多元判别分析，而 在正态性假设条件得不到满足的情况下，Logit 模型 的效果则强于或者等同于多元判别分析的效果。本文建立并运用的 Logistic 回归模型是由 Logit 模型变换而来。Logit 模型采用的是逻辑概率分布 函数，具体形式如下：并 剔 除 变 量 信 息 不 全 或 明 显 失 真 的 贷 款 ，本 文 从16038 笔贷款中筛选出研究样本，其中：正常贷款样 本 1340 笔，提前还款样本 4040 个。实证研究选择了 涵盖借款人特征、房产特征、贷款特征和区域特征四 个方面的 20 个变量，以正常还款(0)、提前还款(1)为 离散型二变量的因变量。具体指标变量见下表。四、实证分析通过对自变量之间的相关性进行检验，发现原 有自变量之间的独立性差，具有较强的相关关系，本 文通过技术方法进行了适当处理，在保留自变量的 大部分有用解释信息的同时，消除了自变量间的多 重共线性。同时，KMO 样本测度分析表明，样本是可以容忍的，可以对数据进行因子分析 。（一）因子分析利 用 SPSS13.0 软 件 对 有 效 样 本 数 据 进 行 分 析 后，通过软件中的主成分分析法和方差最大旋转法 最终从 20 个变量中筛选出 7 个主因子，提取的 7 个 主 因 子 对 原 始 变 量 信 息 的 累 计 解 释 率 为 57.84% 。 从 7 个主因子的构成看，第一个因子中荷重较大的 变量有贷款金额、房屋总价、月还本金、购房单价、家 庭月收入，理论上讲这些变量组合起来代表了因子1，并将因子 1 命名为绝对财务状况因子(F1)。婚姻 状况和借款人年龄归为因子 2，并将因子 2 命名为婚 姻年龄因子(F2)。月还本金占家庭月收入比例、职 业类型、贷款种类归为因子 3，并将因子 3 命名为财 务负担因子(F3)。房屋现状、贷款期限、贷款成数归 为因子 4，并将因子 4 命名为贷款状况因子(F4)。单 位性质和受教育程度归为因子 5，并将因子 5 命名为 学历职业因子(F5)。房价指数、还款方式归为因子6，并将因子 6 命名为区域经济因子(F6)。借款人性 别和户口所在地归为因子 7，并将因子 7 命名为性别 因子（F7）。1Pi=，表示违约事件发生的概率1 + e-Zi经过一系列变换，得到 Logistic 模型：ln Pi = 0 + 1 X1+ 2 X2+ + n Xn+ i 1 - Pi 式中：Pi 表示住房按揭贷款发生提前还款风险的概率，取值区间在 0 与 1 之间；i 是待估计系数；Xi是自变量；i 是随机误差项。在 Logistic 回归模型中，一般以 0.5 作为预测概率(Pi)分割点，如果预测概率大于 0.5，则预测发生违 约，即某笔按揭贷款可能发生提前还款风险，反之则 不发生，即按揭贷款发生提前划款风险的可能性较 小。本文模型的优点是解决了自变量非正态化的问 题、所求得的概率落于 0 与 1 之间、模型可适用于非 线形的情况。缺点是需经转换步骤才能求得概率 值，更重要的是分割点的决定会影响到整个模型的 预测能力。（二）研究样本与变量本文在实证研究中，样本总体范围是某国有控 股商业银行南京市地区分支机构自 1998 年 1 月 1 日 至 2002 年 12 月 31 日五年间发放的(购买普通住房或 商用房)住房按揭贷款中符合条件的样本。经筛选 样本充分性 KMO 系数为 0.635，样本分布的球形 Bartlett 卡方检验值为 36117.904，sig.值为 0.000。46金融理论与实践2012 年第 6 期(总第 395 期)变量类型变量序号变量名称变量类型变量序号变量名称借款人 特征 方面X1X2X3X4X5X6X7X8X9X10借款人年龄借款人性别户口所在地受教育程度单位性质职业类型婚姻状况家庭月收入月还本金月还本金占 家庭月收入比例房产特 征方面X11X12X13X14房屋现状建筑面积房屋总价房屋单价贷款特 征方面X15X16X17X18X19贷款种类贷款金额贷款成数贷款期限还款方式区域特 征方面X20房价指数【金融观察】因子得分系数矩阵显示，在因子 1 中，贷款金额的因子得分系数最大，为 0.247，说明该自变量对因 子 1 的贡献较大，对因子 1 具有很强的解释力；房屋 总价的因子得分系数为 0.239，家庭月收入的因子得 分系数为 0.204，购房单价的因子得分系数为 0.203， 月还本金的因子得分系数为 0.199，这些变量对因子1 也有较强的解释力。在因子 2 中，婚姻状况的因子 得分系数为 0.502，年龄的因子得分系数为 0.469，这 两个自变量是对因子 2 贡献最大的两个变量。在因 子 3 中，月还本金占家庭月收入比例的因子得分系 数为 0.499，职业类型和贷款种类的因子得分系数分 别为-0.3、0.275。在因子 4 中，房屋现状的因子得分 系 数 最 大 ，为 -0.532；贷 款 期 限 的 因 子 得 分 系 数 为0.448，贷款成数的因子得分系数为 0.305。在因子 5 中，单位性质和受教育程度的因子得分系数分别为0.561、0.524，两 个 变 量 对 因 子 5 的 贡 献 相 差 不 大 。 在因子 6 中，房价指数的因子得分系数为-0.645，还 款方式的因子得分系数为 0.538。在因子 7 中，户口 所在地和性别的因子得分系数分别为 0.688、0.664。根据因子得分系数矩阵和原始变量的标准化值 ，可以计算出每个样本在相应因子上的得分，生成 的 7 个因子变量不仅包含了原始变量的绝大多数信 息量，又避免了原始变量存在的多重共线性，而且服 从标准正态分布。（二）判别分析采用自变量全部进入的分析方法 (enter inde- pendents together) 进 行 判 别 分 析 。 SPSS13.0 软 件 运 算得到的典则判别函数系数见下表：样本数据中，正常贷款 1340 个样本，提前还款有 4040 个样本。通过判别分析，共有 799 个正常还 款样本归入正常还款组，有 541 个正常还款样本归 入提前还款组，分类的正确率为 59.63%；共有 2359 个提前还款样本归入提前还款组，有 1681 个提前还 款样本归入正常还款组，分类的正确率为 58.39%。 在总共 5380 个样本中，共有 3158 个样本分类正确， 总体的正确率为 58.70%。从总体判别分析的判别 准确率来看，模型效果较好。五、分析结论根据对判别函数系数和因子荷重的分析，结合 样本数据特征，可以得到以下几点结论：（1）从 借 款 人 自 身 特 征 看 ，在 某 个 年 龄 段 内 (3049 岁)，随着借款人年龄的增长，住房按揭贷款 提前还款的可能性越大；已婚借款人提前还款的可 能性高于未婚借款人；向女性借款人发放的按揭贷 款提前归还的可能性大于男性借款人的贷款。此 外，借款人受教育程度对提前还款有正向影响，借款 人受教育程度越高，该笔贷款提前还款的可能性越 大。（2）从住房和贷款特征看，现房按揭贷款提前还 款的可能性大于期房按揭贷款提前还款的可能性； 贷款期限较短、贷款成数较低的，该笔贷款提前还款 的可能性越大。（3）从借款人家庭经济状况看，借款人的家庭财 务状况较好，对其发放的住房按揭贷款提前还款的 可能性越大；月还本金占家庭月收入比例越高的借 款人，对其发放的住房按揭贷款提前还款的可能性 越大。（4）从地区房地产市场看，房价指数越高，借款 人提前还款的可能性越大。六、管理建议第一，向借款人收取一定违约金。在美国比较得出住房按揭贷款提前还款风险的典则判别函数式：Y=0.412 F1+0.061 F2+0.202 F3-0.376 F4+0.782 F5-0.052 F6+0.219 F7典 则 判 别 函 数 式 检 验 的 WilksLambda 值 为0.971，卡方值为 160.027，自由度为 8，Sig.值为 0.000， 说明得到的典则判别函数拟合效果很好，可以用该 函数进行提前还款风险的预警分析预测。应用 SPSS 分析软件对判别函数预测的准确性 进行验证，具体见下表。 选用 Z 分数法对原始变量进行标准化处理。 在进行判别分析时，为确定作为自变量的因子变量数目，本文在实证研究中还按照逐步代入法进行了判别分析，7 个因子变量中有 5 个被选作自变量(因子 2、因子 6 被剔除)进行判别分析，判别函数的预测准确率为 58.5%，与全部进入法的判别函数预测效果相差无几。本文仅列出全部代入法的具体判别结果。472012 年第 6 期(总第 395 期)金融理论与实践F1F2F3F4F5F6F7典则判别系数0.4120.0610.202-0.3760.782-0.0520.219还款类型正常还款提前还款合计分类样 本数量正常还款提前还款总体样本数分类正确样本数7991681-7995412359-23591340404053803158分类概 率(%)正常还款提前还款总体正确率59.6341.61-40.3758.39-10010058.70【金融观察】通行的是，在贷款前向所有客户预先收取提前还款期权费用，但在我国银行竞争较为激烈的国情下不 适用，我们可以在借款人发生提前还款违约风险时 向其收取一定违约金。这就要求商业银行要完善住 房按揭借款合同，在与借款人签订的按揭贷款合同 中对提前还款风险处置做事先的约定。在约定中可 以包含一个禁止提前还款期, 即在一定的贷款期内, 禁止进行任何提前还款(这种政策能将在该贷款期 内的提前还款降低到 0, 而不受任何外界环境的变 化)；禁止期外，对提前还款行为均收取一定金额的 违约金，可以是一个固定的违约金(规定一个固定的 金额或者贷款本金的一个固定的比例)，也可以是一 个递减的违约金(即在固定违约金的基础上, 规定在 一定时间内一个递减的违约金比例, 最后降低为 0)。 第二，商业银行内部针对提前还款风险要有多 方面的应对之策。一是设计多样化的住房按揭贷款 产品。借款人的年龄、职业不同，对未来的收入预期 是有相当差别的，银行可设计这对不同客户群体的 贷款品种，如固定利率住房按揭贷款。二是允许还 款记录较好的老客户在本银行的产品中选择，根据 自身情况进行转贷，如住房按揭贷款向住房抵押消 费贷款的无缝转贷。三是要加强研究分析，建立提 前还款的风险模型。一方面根据模型分析的结果，加强住房按揭贷款的贷前调查与审查 ，主动防范 风险；另一方面是要估算本行全部住房按揭贷款的 提前还款额度及将会带来的利息与成本损失，为资 金的有序安排及早准备，为与客户的合同事先约定 提供数据支撑。第三，大力发展住房按揭贷款二级市场。利用 住房按揭贷款证券化向二级市场转移和分散风险， 是今后住房贷款机构管理提前还款风险的重要手 段。目前，我国住房按揭贷款的二级市场刚起步，个 人住房按揭贷款支持证券在前几年才由中国建设银 行率先获批发行。这种证券的最大特点是作为证券 发行担保的个人住房按揭贷款不再保留在原贷款机 构的资产负债表上,而全部转移给投资人。贷款机 构 的 提 前 还 款 风 险, 也 相 应 地 被 全 部 转 移 给 投 资 人。但对投资人来说,提前还款风险仍然存在。这 就必须对住房按揭贷款证券进行进一步的金融创 新。一种是在债权发行环节，同时发行多级债券，各 级债券的期限、价格不同，承担的提前还款风险也相 应不同；另一种是发行可赎回债券，可赎回债券允许住房按揭贷款证券的发行人在利率下调引起提前还款风险时赎回债券, 发行机构可以用同样的方式再 次发行较低利率的住房按揭贷款支持证券, 新证券 的收益率也同时较低。第四，完善全社会的金融大环境。一是丰富居 民投资手段。政府有关部门要鼓励拓宽居民投资渠 道、丰富金融投资品种、建立良好投资环境，要在避 免近年来金融危机中爆发的投资陷阱、对赌协议等 影响投资者信心的恶性事件的同时，提高投资者的