我国商业银行不良住房资产证券化研究

I我国商业银行不良住房资产证券化研究摘要随着我国金融经济市场的不断繁荣和发展，银行业不良资产的增长速度有所减缓，但由于前一时期总量大，商业银行将如何大量配置以及处置商业银行不良资产，已成为制约商业银行业发展的主要因素。目前，银行不良资产的国际待遇是：贴现销售、成立专门的资产管理公司、剥离不良资产等，其中最重要的是资产证券化。不良资产证券化对于加快货币市场与资本市场的联系和整合，拓宽金融监管空间，扩大投资者融资范围，促进我国商业银行业务转变，具有重要的现实意义。本文首先介绍了不良资产的相关概念和相关不良资产现状，分析不良住房资产证券化，运用多元回归模型分析，运用SPSS分析不良资产，其次简单探讨我国商业银行不良资产证券化政策，给出相应建议。关键词：商业银行；不良资产；多元回归；资产证券化1、引言资产质量是银行的重要生产线，我国商业银行的不良资产，是一个重要的问题，完善我国的经济金融运行。我国商业银行积累的不良资产影响着商业银行的可持续发展，国家金融和经济体系的安全。随着世界上金融经济不停的下滑走势，严峻的金融经济形势给银行、政府、企业等等带来了一定的承受压力。为防止这一切发生，防止实体经济陷入倒退所带来的危害，各银行、政府、企业制定并实施了包括国有企业改革在内的一系列财政政策，以及一些改革措施，来防止经济衰退，银行业先后几轮降息，及时采取公开市场操作和新的政策工具及相关政策。虽然这些改革的措施比较完整，但有效性还有待进一步检验才得出结果，但我们不应忽视这些问题，值得我们每个人重视。自21世纪初期，中国人民银行明确规定了“不良资产”和“不良贷款”，不良资产是一个具有广泛性的概念[1]，它是对会计类会计科目里的一些坏账科目来谈论事实的，但不限于包括企业的不良资产，银行的不良资产，政府的不良资产、不良资金、保险、证券的不良资产。我国商业银行里的大部分资产都是贷款，所存在的不良资产大部分来源于住房贷款，其次还有其他不良贷款。2、银行不良资产概述2.1不良资产证券化内涵银行不良资产是指银行投资贷款之后因各种原因对银行资产的流动性，安全性原则和效率原则。所说的不良资产证券化是指将一组商业银行的不良资产贷款或流动性较差的资产经过资产整合处理、同时经过信用增级以提高资产的可靠性，资产中的风险和收益要素被分离出来和重组结合，然后转化为金融市场流通证券的一种融资不良资产证券化[2]。银行不良资产以个人住房贷款较为突出，体现了商业银行不良贷款之一，是银行的主要资产，由于个人住房贷款业务面临的风险比较多，情况变化多样。表1不良资产证券化特点优良资产不良资产现金不需要需要预计现金稳定不稳定成本低高运作情况简单较难信用级别低高简单来说，不良资产就是银行贷款给企业或者个人，贷款之后对方失信无法偿还债务，此刻银行就多了一笔不良资产。近年来随着经济的发展，我国相关部门已对银行业的不良资产加以重视，但银行的不良资产总额仍呈逐年加长的走势，防止解化商业银行的不良资产风险已成为我国各大商业银行的首要目标和重要任务。债务人不良债权发起人(银行)不良债券偿还处置债务资产贷款组合支付收购款服务人员资产池信用增值机构担保委托人管理售出资产特殊机关评估信用等级售出证券现金托管托管银行投资者利息、本金图1不良资产证券化的整体流程2.2不良资产证券化交易结构设计(1)担保方委托信托机构公司作为机构的受托人，受托人在扣除发行一些费用后，应当支付资产支持证券所收集的资产支持证券收集资金净额，扣除资产支持证券募集资金[3-5]。(2)受托人向投资者发行资产支持证券，以信托财产产生的现金为一部分。(3)在托管期间内，受托人委托贷款服务机构对基本资产维护及处置回收和进行定期编制资产服务报告，日常管理监督，制定年度月度资产处置计划以及相应的资产处置计划。(4)次级资产支持证券的持有人也是流动性支持机构，但作为发行机构，是由资产支持证券的发行结果所决定的。(5)受托人委托中央政府债券机构，在商业银行间债券市场上市交易。债务人资产收回收回组合资金贷款服务机构还本付息资产支持证券本息任托机构发行人资金保管机构中债登信托管理资产支持证券本息评级机构管理和资产处置信用等级优先档次资产支持证券承销资产支持证券资产服务顾问信托财产主承销商实行收入发行接受次级档次发行收入基础资产资金监管发起商评估机构图2不良资产交易结构3、商业银行不良资产的现状及趋势分析3.1不良资产证券化的现状我国商业银行在加快综合改革过程中面临的最大阻碍之一是不良资产数额巨大[6-7]，过去的负担沉重。为了消除我国商业银行中不良资产对整个银行体系所存在的负面问题以及隐形影响，我国政府采取了很多项重要措施，对我国商业银行进行帮助，大大减少了商业银行沉重的历史负担以及降低银行不良资产数量。表2商业银行主要指标分机构类情况表(法人)单位：亿元、%时间2019年2018年季度机构指标不良贷款余额不良贷款率不良贷款余额不良贷款率一季度大型商业银行80951.32%78201.50%股份制商业45691.71%39801.70%城市商业银行29681.88%19431.53%民营银行240.68%100.57%农村商业银行58114.05%39053.26%外资银行1040.76%840.66%二季度大型商业银行79401.26%78861.48%股份制商业46011.67%41221.69%城市商业银行37712.30%20891.57%民营银行320.78%120.57%农村商业银行58663.95%53804.29%外资银行1421.01%820.63%三季度大型商业银行84841.32%80181.47%股份制商业46681.63%42921.70%城市商业银行42142.48%23701.67%民营银行440.99%120.48%农村商业银行61464.00%5534423%外资银行1160.83%960.73%四季度大型商业银行89591.38%77441.41%股份制商业48051.64%43881.71%城市商业银行40742.32%26601.9%民营银行481.00%160.53%农村商业银行61553.90%53543.96%外资银行940.67%90.69%根据中国银行保险监督管理委员会的统计数据结果可以看出[8-9]，商业银行包括外资银行、民营银行、农村商业银行、城市商业银行、股份制商业银行和国有商业银行。在2018年四季度来看。每一个季度我国主要商业银行的不良贷款率分别为9.22%、8.75%、6.05%、4.34%，这一年中不良贷款率陆续下降，不良贷款余额17742亿元，19571亿元，20322亿元，20171亿元，从2018年四季度来看，第一、二、三季度陆续提升，但增加幅度不大，在第四季度有所转变。2019年商业银行不良贷款余额最高可达到24135亿元，2019年我国商业银行不良贷款率最高可达10.40%，在第二，三，四季度有所下降，缓和了商业银行不良资产。3.2不良资产证券化成因分析表3不良资产证券化因素分析不良资产成因因素外部影响因素宏观经济运行的环境社会上的信用状况国家政策法规及政府情况风险意识较弱，监管机制不完美内部影响因素银行自身风险意识低，风险管控能力不好商业银行信用评级不完美企业效率不好3.3商业银行不良资产证券趋势分析我国金融经济体制改革与银行业陆续实行改革措施，在社会诚信的中不断提高，在法制环境的改善，在银行业风险管理、自身治理以及内部控制水平的持续走向成熟阶段，除宏观经济波动这一原因，今后基本不变外，其余事业将进入向好的方向发展[10]。从总体上说，中国银行业的不良贷款率将逐步得到降低，但由于银行资产的持续进展，不良贷款余额可能进一步上升。在信贷投放高速增加的过程当中，不良贷款余额很有可能陆续增加，以下选取中国银行保险监督管理委员会统计银行业金融机构资产负债情况数据分析。表4银行业金融机构资产负债情况表(法人)2016年单位:亿元、%项目时间总资产比上期增长率总负愤比上期增长率一季度208557816.66%192475316.092二季度217999615.66%201773215.185三季度222915615.67%205898115.52%四季度232253215.80%214822816.04%表5银行业金融机构资产负债情况表(法人)2017年单位:亿元、%项目时间总资产比上期增长率总负债比上期增长率一季度238462614.34%220399914.51%二季度243166111.54%224910111.47%三季度.247142210.87%228259210.86%四季度25240408.68%23287048.40%表6银行业金融机构资产负债情况表(法人)2018年单位:亿元、%时间项目.总资产比上期增长率总负值比上期增长事一季度25601957.36523601297.089二季度26019077.00%23978836.625三季度26433656.96%24327386.58%四季度26824016.27%24657775.89%表7银行业金融机构资产负债情况表(法人)2019年单位:亿元.%时间项目.总资产比上期增长率总负值比上期增长事一季度27582377.74%25341497.37%二季度28157948.22%25879647.93%三季度28466737.69%26078927.20%四季度29000258.14%26553637.71%在中国保监会公布的银行业金融机构资产负债情况数据分析来看，从2016年到2019年，我国银行业金融机构的每年总资产分别为8817262亿元，9811749亿元，10487868亿元，11320729亿元，从数据上看，总资产陆续上涨。从银行业金融机构资产负债率来看，2016年以及2019年这两年里银行业金融机构资产负债率有所波动，今后发展情况下，我国不良贷款余额可能进一步上升。4、多元回归定价模型设计4.1模型设计概念多元回归定价模型是探究一个因变量与两个或者两个以上自变量的回归过程，有两个或两个以上参数，称之为多线性回归模型，是反映现象或事物数量中诸多现象的变化或事物数量规律，多元回归是指因变量（预测对象）和多个变量（预测因子）的回归模型，在多元回归定价方法的基础上，提出了我国住房资产证券化不良资产池的总体回收率[11]。建立不良资产回收率的多元回归定价方程模型，并且研究计量数据处理时变量与变量之间的相关关系，涉及一个自变量的多元线性回归模型表示为：Y=β1x+β2x+β3x+β4x+……+βix+ε(4.1)式中:y因变量x自变量ε误差项β1，β2，...βi是模型的参数线性函数反映了由于x的变化而引起的y的变化，β表示假定其他变量不变时，当x每变动一个单位时，y的平均变动值，通过回归分析得到的常数值。建立不良资产回收率以及预计会对其产生影响的各项因素之间的多元线性回归模型。在上述公式中的定义中，基于本文研究不良资产，将以上多元回归定价方法的思路可以转换为：y代表不良资产回收率，即因变量x代表影响不良资产回收率的因素，即自变量ε代表误差项α1，α2，...αi代表各个变量对应的回归参数得到方程如下:y=α1x+α2x+α3x+α4x+……+αix+ε(4.2)α1，α2，...αi是β1，β2，...βi的估计值，y是Y的估计值多元回归定价模型采用SPSS软件确定对不良资产回收率产生影响的显著性因素，回归结果包括确定回归方程拟合度的调整R以及反映各变量显著性的检验数值。采用回归系数检验方法，当各变量对应P值<α(0.05)时即可认为存在显著性，通过逐步回归，其中剔除未通过显著性检验的变量，最后确定用来计算单笔不良资产回收率的多元回归方程[12]。4.2选取模型变量模型变量从剩余借款年限占借款总年限的比例、借款时间、借款余额、所在区域、居住状况和婚姻状况等因素进行初步分析。表8选取因素与分析指标因素分析指标剩余借款年限占借款总年限的比例剩余借款年限越短，回收的可能性越高借款时间借款期限越长，期间变动因素越多借款余额借款余额越大，借款人承担的还款压力越大所在区域县城房价高，贷款回收率也高居住状况1.长期定居为前提，未来变动的可能性不大，回收率较高2.与父母同住，父母作为共同还款人3.已有住房的，基本上收入水平可观婚姻状况1.未婚、离婚状态收入波动较大2.已婚的借款人收入也会相对稳定，还款能力较强4.3建立多元回归定价方程(1)选取数据选取2010-2014年数据作为样本数据分析，数据截取商业银行不良资产证券化研究图3历史数据基本情况(部分数据)（2）数据处理由图3可见，所在区域、居住状况、婚姻状况等为非数值，因此需要引入虚拟变量代替上述样本数据进行量化处理，即非数值型变量处理过程，具体定义代替后的数据如下：表9变量定义表指标内容定义所在地方非县城1重要县城2县城3婚姻情况已婚1离婚、未婚2居住状况自有住房无抵押1自有住房有抵押2与父母同住3租房4表10数据基本情况序号回收(y)比例(x1)时间(x2)款额(x3）区域(x4)居住(x5)婚姻(x6)10.20360.96673.30415.5313220.25670.93.30385.7913130.19730.93333.30385.7013240.28310.93333.30385.5413250.23030.853.30365.8613160.20180.93.30365.5813270.21470.93.30365.6933180.23630.883.30365.7713190.46320.73.30364.91332100.49630.73.30365.73111110.21410.853.30365.93131120.17280.93.30365.77132130.21060.93.30365.62141140.21040.93.30365.42142150.2850.83.30345.27331160.01510.86673.30345.52332170.54970.63.30345.08311180.22980.86673.30345.29111190.12750.86673.30345.59132200.2060.86673.30345.56132210.24440.753.30325.30312220.36030.66673.30324.87312230.21280.83333.30325.22221240.27090.753.30325.36112250.33090.66673.30325.35311260.33250.66673.30324.92311y贷款回收率x1剩余借款年限占借款总年限的比例x2借款时间x3借款余额x4所在区域x5居住状况X6婚姻状况4.4回归分析将规范化后的数据导入SPSS软件，对数据进行一系列检测，对分析出来的回归系数以及回归方程进行分析，获得结果如下:表11方程拟合优度检验ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.941a.885.848.04373a预测变量：剩余借款年限占借款总年限的比例、婚姻状况、所在区域、居住状况、借款余额、借款时间。由表11可知，多重判定系数R2=0.885，表示在回收率取值的变差中，能被剩余借款年限占借款总年限的比例、婚姻状况、所在区域、居住状况、借款余额、借款时间的多元回归方程所解释的比例为0.885。调整R2=0.848，在用样本量和模型中自变量的个数进行调整后得到结论，在回收率取值的变差情况中，能被剩余借款年限占借款总年限的比例、借款余额、居住状况、借款时间、所在区城和婚姻状况的多元回归方程所解释的比例为0.848，整体而言，该回归方程显示的拟合度可行性较好。下面进行显著性检验。表12显著性检验ModelSumofSquaresdfMeanSquareFSig.1Regression.2796.04624.302.000aResidual.03619.002 Total.31525a预测变量：剩余借款年限占借款总年限的比例、婚姻状况、所在区域、居住状况、借款余额、借款时间。b因变量：回收率由表12可知，F对应的P值(Sig)=0.000<0.05，表明回收率与剩余借款年限占借款总年限的比例、借款时间、借款余额、居住状况、所在区域和婚姻状况之间的线性关系比较明显，分析回归方程是显著的，下面进一步回归系数显著性检验。表13回归系数显著性检验ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-1072.906180.592-5.941.000VAR00002-1.263.174-1.142-7.269.000VAR00003325.39154.684.6685.950.000VAR00004-.110.049-.292-2.245.037VAR00005-.033.014-.285-2.387.028VAR00006.000.014-.008-.063.950VAR00007-.040.019-.182-2.080.051从回归结果可知，变量居住状况(x5)、婚姻状况(x6)的回归系数检验结果中，P值均大于0.05，从而这两个变量对回收率的线性关系不显著，因此将其剔除后用剩余的显著性变量再做回归分析，下面将仅包含剩余借款年限占借款总年限的比例(x1)、借款时间(x2)、借款余额(x3)、所在区域(x4)四个变量的样本再做回归分析，得到分析结果如下:表14方差拟合优度检验ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.926a.858.831.04613a预测变量：剩余借款年限占借款总年限的比例、借款时间、借款余额、所在区域。由表14可知，多重判定系数R2=0.858，表示在回收率取值的变差中，能被剩余借款年限占借款总年限的比例、借款余额、借款时间、所在区域的多元回归方程所解释的比例为0.858，调整R2=0.831，表示在用样本量和模型中自变量的个数进行调整情况后，能被剩余借款年限占借款总年限的比例、借款余额、借款时间、所在区域的多元回归方程所解释的比例为0.831，整体面言，该回归方程的拟合度可行性较好，下面进一步显著性检验。表15显著性检验ModelSumofSquaresdfMeanSquareFSig.1Regression.2704.06831.771.000aResidual.04521.002Total.31525a预测变量：剩余借款年限占借款总年限的比例、借款时间、借款余额、所在区域b因变量：回收率由表15可知，F值对应的P值(Sig)=0.000<0.05，表明回收率与剩余借款年限占借款总年限的比例、借款时间、借款余额、所在区域之间的线性关系明显，回归方程是显著的。接下来进一步验证回归系数显著性检验。表16回归系数显著性检验ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-1061.112181.976-5.831.000VAR00002-1.366.145-1.235-9.425.000VAR00003321.75855.112.6615.838.000VAR00004-.070.047-.185-1.476.155VAR00005-.029.014-.250-2.084.050从回归结果可知，变量借款余额(x3)的回归系数检验结果中，P值均大于0.05，说明这一个变量对回收率的线性关系不显著，因此将其剔除后用剩余的显著性变量再做回归分析，下面将仅包含剩余借款年限占借款总年限的比例(x1)、借款时间(x2)、所在区域(x4)三个变量的样本再做回归分析，得到分析结果如下：表17拟合优度检验ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.918a.843.822.04735a预测变量剩余借款年限占借款总年限的比例、借款时间、所在区域由表17可知，多重判定系数R2=0.843，表示在回收率取值的变差中，能被剩余借款年限占借款总年限的比例、借款时间、所在区域的多元回归方程所解释的比例为0.843。调整R2=0.822，表示在用模型中自变量和样本量的个数进行调理之后，能被剩余借款年限占借款总年限的比例、借款时间和所在区域的多元回归方程所解释的比例为0.822，整体而言，该回归方程的拟合度较好。下面进行显著性检验。表18显著性检验ModelSumofSquaresdfMeanSquareFSig.1Regression.2663.08939.518.000aResidual.04922.002Total.31525a预测变量：剩余借款年限占借款总年限的比例、借款时间、所在区域b因变量：回收率由表18可知，F对应的P值(Sig)=0.000<0.05，表明回收率与剩余借款年限占借款总年限的比例、借款时间、所在区域之间的线性关系明显，得知回归方程是显著的，下面进一步检验回归系数显著性。表19回归系数显著性检验ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-1021.318184.726-5.529.000VAR00002-1.435.141-1.297-10.183.000VAR00003309.60955.934.6365.535.000VAR00005-.021.013-.178-1.582.128从回归结果可知，变量所在区域(x4)的回归系数检验结果中，P值均大于0.05，说明这一个变量对回收率的线性关系不显著，因此将其剔除后用剩余的显著性变量再做回归分析，下面将仅包含剩余借款年限占借款总年限的比例(x1)、借款时间(x2)二个变量的样本再做回归分析，得到分析结果如下：表20拟合优度检验ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.909a.826.811.04887a预测变量：剩余借款年限占借款总年限的比例、借款时间由表可知，多重判定系数R2=0.826，表示在回收率取值的变差中，能被剩余借款年限占借款总年限的比例、借款时间的多元回归方程所解释的比例为0.826。调整R2=0.811，表示在用模型中自变量以及样本量的个数进行整理之后，能被借款时间、剩余借款年限占借款总年限的比例的多元回归方程所解释的比例为0.811，整体而言，该回归方程的拟合度较好。下面进行显著性检验。表21显著性检验ModelSumofSquaresdfMeanSquareFSig.1Regression.2602.13054.466.000aResidual.05523.002Total.31525a预测变量：剩余借款年限占借款总年限的比例、借款时间b因变量：回收率由表可知，F对应的P值(Sig)=0.000<0.05，显示回收率与剩余借款年限占借款总年限的比例、借款时间之间的线性关系明显，回归方程是显著的。下面进一步验证回归系数显著性检验。表22回归系数显著性检验ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-1075.584187.352-5.741.000VAR00002-1.332.129-1.204-10.329.000VAR00003326.00056.734.6705.746.000从回归结果可知，剩余借款年限占借款总年限的比例(x1)、借款时间(x2)的P值均小于0.05，因变量和自变量之间的线性关系显著，因此建立的多元回归模型是合适的。根据以上上述分析结果，建立以下剩余借款年限占借款总年限的比例、借款时间与不良贷款回收率之间的线性关系方程：Y=-1075.584-1.332x1+326x2(4.3)式中：y是不良贷款回收率x1是剩余借款年限占借款总年限的比例x2是借款时间根据以上方程(4.3)可以进行以下经济意义解释：(1)个人住房贷款不良回收率受借款时间和剩余借款年限占借款总年限的比例二个因素影响；(2)从借款时间来看，借款时间越早，回收率越低，借款时间对回收率的影响是正面的；(3)从剩余借款年限占借款总年限的比例来看，剩余借款年限占借款总年限的比例越低，回收率越高，剩余借款年限占借款总年限的比例对回收率的影响是负面的；(4)根据各变量系数的绝对值对影响程度进行排序是:借款时间大于剩余借款年限占借款总年限的比例。5、商业银行不良资产证券化政策建议5.1完善法律法规及监管体系协调相关法律制度，减少经营成本，降低设立特殊目的机构的法律要求，商业银行为充分保护投资者利益，需要改变隔离破产风险的法律法规，充当发挥特殊目的机构隔离破产风险功能，分布完整的不良资产证券化运作法，具体不良资产证券化操作程序，提出有针对性的法律法规的规定，确保不良资产证券化的顺利进行发展。协调职能与关系，以证监会和银