基于判別分析法的個(gè)人抵押貸款違約風(fēng)險(xiǎn)實(shí)證研究

?

基于判別分析法的個(gè)人抵押貸款違約風(fēng)險(xiǎn)實(shí)證研究

陳傳剛1，高凌云2

（1、山東高速股份有限公司投資部，濟(jì)南250014；2、山東警察學(xué)院，濟(jì)南250014）

摘要：爆發(fā)于2007年的美國(guó)“次貸”危機(jī)曾引發(fā)全球金融和經(jīng)濟(jì)動(dòng)蕩，其直接原因是抵押借款人違約。金融危機(jī)以來，隨著金融領(lǐng)域利率市場(chǎng)化不斷演進(jìn)，如何根據(jù)抵押人及其行為信息有效判別貸款違約風(fēng)險(xiǎn)，成為我國(guó)商業(yè)銀行迫切需要解決的問題，尤其在近年來我國(guó)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)不斷積累，住房按揭貸款在個(gè)人貸款中比重不斷上升的背景下。通過應(yīng)用經(jīng)濟(jì)統(tǒng)計(jì)學(xué)中的判別分析法，構(gòu)建抵押貸款違約風(fēng)險(xiǎn)計(jì)量模型，對(duì)實(shí)證數(shù)據(jù)回歸分析，探究了影響違約風(fēng)險(xiǎn)的實(shí)證因素，提出降低個(gè)人抵押貸款違約風(fēng)險(xiǎn)的對(duì)策：加強(qiáng)借款人信用信息的采集和甄別，實(shí)行嚴(yán)格的貸前審查；依據(jù)風(fēng)險(xiǎn)收益原則，實(shí)行差別化經(jīng)營(yíng)方針及風(fēng)險(xiǎn)管理策略；建立、健全個(gè)人抵押貸款信用擔(dān)保體系，保障違約貸款及時(shí)得到償付。

關(guān)鍵詞：抵押貸款；違約風(fēng)險(xiǎn)；判別分析

爆發(fā)于2007年的美國(guó)“次貸”危機(jī)曾引發(fā)全球金融和經(jīng)濟(jì)動(dòng)蕩，而這場(chǎng)危機(jī)的直接原因是抵押借款人的違約。近年來，隨著我國(guó)銀行領(lǐng)域利率市場(chǎng)化不斷演進(jìn)，如何根據(jù)抵押人及其行為信息有效判別貸款違約風(fēng)險(xiǎn)，依據(jù)信用風(fēng)險(xiǎn)大小調(diào)整經(jīng)驗(yàn)策略，已逐漸成為我國(guó)商業(yè)銀行經(jīng)營(yíng)過程中急需解決問題。此外，近年來我國(guó)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)在不斷積累，房地產(chǎn)市場(chǎng)價(jià)格拐點(diǎn)預(yù)期趨向一致，而我國(guó)商業(yè)銀行的住房按揭貸款在個(gè)人貸款中比重不斷上升。在上述特殊背景下，如何有效評(píng)估和識(shí)別抵押借款人潛在違約風(fēng)險(xiǎn)，關(guān)系到我國(guó)商業(yè)銀行能否有效抵御風(fēng)險(xiǎn)，實(shí)現(xiàn)穩(wěn)健經(jīng)營(yíng)。本文應(yīng)用經(jīng)濟(jì)統(tǒng)計(jì)學(xué)的“判別分析”（Discriminate Analysis），探究影響貸款違約風(fēng)險(xiǎn)的實(shí)證因素，構(gòu)建抵押貸款違約風(fēng)險(xiǎn)計(jì)量模型，為商業(yè)銀行及相關(guān)金融機(jī)構(gòu)有效識(shí)別和評(píng)估個(gè)人抵押貸款的違約風(fēng)險(xiǎn)提供借鑒。

一、相關(guān)文獻(xiàn)綜述

國(guó)外有關(guān)抵押貸款違約風(fēng)險(xiǎn)的實(shí)證研究，最早見于Jung和Allen（1962）[1]的文章。Jung和Allen認(rèn)為，違約風(fēng)險(xiǎn)的影響因素主要是貸款價(jià)值比和貸款利率這兩個(gè)變量。兩個(gè)變量與違約風(fēng)險(xiǎn)成正相關(guān)關(guān)系，貸款價(jià)值比（即貸款金額占抵押物評(píng)估值的比重）越高，違約風(fēng)險(xiǎn)越大；貸款利率越高，違約風(fēng)險(xiǎn)越大。Jung和Allen的研究為此類研究提供了基本思路，即運(yùn)用統(tǒng)計(jì)方法研究貸款數(shù)據(jù)，找出影響違約風(fēng)險(xiǎn)的主要實(shí)證因素。后續(xù)研究嘗試采用新的統(tǒng)計(jì)方法來構(gòu)建模型，并在模型中納入了更多變量。如Gau和George（1978）[2]就運(yùn)用統(tǒng)計(jì)技術(shù)對(duì)樣本數(shù)據(jù)進(jìn)行了降維，應(yīng)用多維度變量對(duì)個(gè)人住房抵押貸款的違約風(fēng)險(xiǎn)進(jìn)行回歸分析，并構(gòu)建了預(yù)測(cè)貸款違約風(fēng)險(xiǎn)的計(jì)量模型。

國(guó)內(nèi)實(shí)證研究主要涉及借款人自身特征、抵押物狀況、銀行及相關(guān)機(jī)構(gòu)管理經(jīng)營(yíng)三個(gè)方面。在研究方法上，以演繹推理的邏輯方式為主，側(cè)重分析原因，提出預(yù)防違約風(fēng)險(xiǎn)的對(duì)策。例如，劉桂平（2004）[3]詳細(xì)介紹了美國(guó)美聯(lián)銀行和紐約銀行的風(fēng)險(xiǎn)管理經(jīng)驗(yàn)，指出了貸款違約風(fēng)險(xiǎn)的五大影響因素——借款人的償債能力、借款人及其擔(dān)保人的道德風(fēng)險(xiǎn)、貸款抵押物的保證程度、商業(yè)銀行監(jiān)控力度以及外部經(jīng)濟(jì)變化。傅文昭和李娜（2005）[4]將“信用風(fēng)險(xiǎn)”明確區(qū)分為第一還款來源風(fēng)險(xiǎn)和第二還款來源風(fēng)險(xiǎn)，指出第一還款來源風(fēng)險(xiǎn)是道德風(fēng)險(xiǎn)，即借款人故意不履行償債義務(wù)而形成的拖欠或無力償還而形成的損失；第二還款來源風(fēng)險(xiǎn)主要是抵押物無形損失或抵押物處置損失。胡紅星（2007）[5]根據(jù)個(gè)人住房抵押貸款自身特性和其內(nèi)外部影響因素，分析了我國(guó)商業(yè)銀行個(gè)人住房抵押貸款主要面臨的八大風(fēng)險(xiǎn)并提出應(yīng)該采取的風(fēng)險(xiǎn)化解和風(fēng)險(xiǎn)防范措施。徐淑一和王寧寧（2011）[6]利用我國(guó)住房抵押貸款持續(xù)期數(shù)據(jù)，運(yùn)用Cox比例風(fēng)險(xiǎn)模型對(duì)貸款終止的提前還款和違約這兩種情形展開研究，并進(jìn)一步討論了基于持續(xù)期的貸款終止風(fēng)險(xiǎn)研究在銀行抵押貸款證券化和信貸風(fēng)險(xiǎn)管理中的意義。

二、樣本數(shù)據(jù)與統(tǒng)計(jì)變量

本文所研究的“個(gè)人抵押類貸款”（Personal Mortgage Loan），指借款人以其自有資產(chǎn)（主要是房產(chǎn)或汽車）作為抵押或質(zhì)押，向銀行申請(qǐng)個(gè)人貸款的業(yè)務(wù)。雖然“抵押”和“質(zhì)押”在法律意義上屬于不同概念，但就經(jīng)濟(jì)學(xué)意義而言，均是以物產(chǎn)生的擔(dān)保，故本文合并研究。基于此，本文所研究的個(gè)人抵押貸款業(yè)務(wù)，從商業(yè)銀行經(jīng)營(yíng)的角度涵蓋個(gè)人住房抵押貸款和個(gè)人汽車消費(fèi)貸款兩類。其中，個(gè)人住房抵押貸款又可分為住房按揭貸款和房產(chǎn)抵押（經(jīng)營(yíng)性）貸款兩類。本文所指“借款人違約”指借款人在未經(jīng)貸款銀行允許情形下，未按貸款合同約定履行正常還款義務(wù)，導(dǎo)致貸款未能如期償還的行為。就研究變量而言，影響抵押貸款違約風(fēng)險(xiǎn)的變量眾多。為便于回歸后的分析，本文將其梳理為“借款人自身特征”、“抵押物特征”及“貸款特征”三大類變量展開判別分析。

（一）樣本數(shù)據(jù)

樣本數(shù)據(jù)來源于山東省某某擔(dān)保公司2007-2013年在省內(nèi)某地市貸款業(yè)務(wù)數(shù)據(jù)，涉及五家商業(yè)銀行，容量為1150條，其中違約數(shù)據(jù)422條，正常還款數(shù)據(jù)728條，數(shù)據(jù)的選擇數(shù)量和范圍符合統(tǒng)計(jì)學(xué)的要求，具體如表1：

（二）統(tǒng)計(jì)變量

統(tǒng)計(jì)變量共選取15個(gè)，分為借款人特征變量、貸款特征變量、抵押物特征變量三類，因變量為“是否違約”，具體情況如表2：

表1　樣本數(shù)據(jù)情況

表2　　變　量　情　況

三、判別分析

判別分析（Discriminate Analysis）是一種先根據(jù)已知類別的事物性質(zhì)建立判別函數(shù)，對(duì)未知類別的新事物進(jìn)行判斷，以將其歸入已知類別中的一種統(tǒng)計(jì)方法。本文擬采用“正判率（Hit Ratio）”指標(biāo)，即回歸函數(shù)對(duì)數(shù)據(jù)判別的準(zhǔn)確率，來衡量判別函數(shù)的有效性和準(zhǔn)確性。在設(shè)定判別精確度時(shí)，本文借鑒“20%/25%”法則，即正判率應(yīng)超過隨機(jī)分組比率的20%或25%。在本文中樣本數(shù)據(jù)容量是1150條，其中違約數(shù)據(jù)422條，正常數(shù)據(jù)728條。樣本中，違約概率為0.366，正常數(shù)據(jù)的概率為0.634，隨機(jī)分組比率為0.5359。由此，正判率超過64.31%（1.2倍）或66.98%（1.25倍），可認(rèn)為判別函數(shù)是有效、可信的。另外，本文采用回代法和交互驗(yàn)證法進(jìn)行正判率的驗(yàn)證。

（一）系數(shù)回歸

SPSS結(jié)果文件給出的判別函數(shù)典型相關(guān)系數(shù)（Canonical Correlation）值為0.638。判別函數(shù)的特征根檢驗(yàn)中，sig值小于0.001，拒絕原假設(shè)，即各分組的均值向量之間的重心不是完全重合的。SPSS結(jié)果文件顯示該判別函數(shù)標(biāo)準(zhǔn)化自變量和原始自變量的系數(shù)矩陣，兩個(gè)判別函數(shù)回歸參數(shù)列示如表3：

（二）判別函數(shù)及其驗(yàn)證

根據(jù)表3，推導(dǎo)出的判別函數(shù)如下：

表3　回歸系數(shù)

Y=（-2.28）+（-0.293）X1+（-0.027）X2+0.26X3+ 0.612X4+1.774X5+（-2.017）X6+（-0.173）X7+0.604X8+ 4.016X9+0.324X10+0.008X11+0.006X12+0.054X13+ （-0.002）X14

運(yùn)用回歸判別函數(shù)對(duì)原樣本數(shù)據(jù)進(jìn)行驗(yàn)證結(jié)果如表4：

表4　回歸函數(shù)驗(yàn)證結(jié)果

表4上半部分是采用回代法得到的判別信息，可見把正常數(shù)據(jù)判為正常的概率為82.6%，把違約數(shù)據(jù)判為違約的概率為75.3%；表4的下半部分是采用交互驗(yàn)證法得到的判別信息，正判率略低于回代法得到的數(shù)值。腳注b和腳注c說明，回代法得到的總正判率為79.9%，而交互法得到的正判率為79.1%，兩者均高于自然分組比率的1.2倍（64.31%）或1.25倍（66.98%）。因此，該判別函數(shù)是有效且可信的。

另外，本文還對(duì)模型的適應(yīng)條件進(jìn)行單因素方差分析檢驗(yàn)，檢驗(yàn)結(jié)果顯示貸款金額、抵押物評(píng)估值兩個(gè)變量的Sig值分別是0.485和0.325，即違約數(shù)據(jù)和正常數(shù)據(jù)在這三個(gè)變量上的特征均不顯著，這說明貸款金額的多少和抵押物價(jià)值的高低與貸款是否會(huì)發(fā)生違約關(guān)聯(lián)度不高。同時(shí)，這兩個(gè)變量也是相關(guān)的，抵押貸款的抵押物價(jià)值一般與貸款金額成正比。

四、回歸結(jié)果分析

（一）借款人特征變量

經(jīng)過上述回歸分析后發(fā)現(xiàn)，在納入回歸模型的變量中，“借款人特征”變量較為顯著的子變量為“是否本地人”、“是否本省人”及“每月負(fù)債率”。前兩個(gè)變量說明借款人戶籍狀況是衡量借款人是否違約重要指標(biāo)，這或許與道德風(fēng)險(xiǎn)有關(guān)。也就是說，異地戶籍的借款人，會(huì)考慮自己違約后銀行支付較高追償成本，因而選擇違約的概率較大?！懊吭仑?fù)債率”變量的參數(shù)值表明每月負(fù)債率越高，其違約風(fēng)險(xiǎn)或違約程度也就越高，這符合一般常識(shí)。

從表3還可看出，其他子變量如“年齡”、“性別”、“家庭月收入”等對(duì)違約風(fēng)險(xiǎn)的影響不大，這與實(shí)際業(yè)務(wù)操作中的思路略有不同，但這些指標(biāo)仍可作為衡量違約風(fēng)險(xiǎn)的參考指標(biāo)。需要說明的是“單位評(píng)分”變量，一般認(rèn)為借款人職業(yè)越穩(wěn)定，貸款違約風(fēng)險(xiǎn)越小，實(shí)際業(yè)務(wù)操作中也往往將其作為衡量借款人信用的重要指標(biāo)，但回歸結(jié)果卻否定了上述假設(shè)。

（二）貸款特征變量

總的來看，在“貸款特征”變量中，“貸款種類”和“行別”兩個(gè)子變量較為顯著。“貸款種類”變量的參數(shù)值為0.46，結(jié)合本文對(duì)于貸款種類值的設(shè)定，說明個(gè)人住房按揭貸款的違約風(fēng)險(xiǎn)最低，個(gè)人房產(chǎn)抵押（經(jīng)營(yíng)性）貸款風(fēng)險(xiǎn)略高于個(gè)人住房按揭貸款。本文認(rèn)為，這可能基于兩方面原因：首先是抵押物特征，個(gè)人房產(chǎn)抵押貸款的抵押物通常是二手房或舊房，而個(gè)人住房按揭貸款抵押物一般是新房或期房，這種抵押物年限的微小差別，間接影響到了抵押債權(quán)的變現(xiàn)能力，進(jìn)而影響到了貸款違約的風(fēng)險(xiǎn)。更為重要的因素是貸款用途，個(gè)人房產(chǎn)抵押貸款多用于個(gè)人經(jīng)營(yíng)，而個(gè)人住房按揭貸款多為自住或出租，前者的還款現(xiàn)金流受經(jīng)營(yíng)風(fēng)險(xiǎn)影響較為顯著，往往不如后者穩(wěn)定?！靶袆e”變量的參數(shù)值體現(xiàn)了不同貸款銀行在經(jīng)營(yíng)中遭遇違約風(fēng)險(xiǎn)的差異。我們發(fā)現(xiàn)，“行別”值為2的銀行，其相同貸款品種發(fā)生違約概率或違約程度的水平最低，體現(xiàn)出較高的風(fēng)險(xiǎn)管理水平，這或許與該銀行在貸款審批過程中的嚴(yán)格審查、在貸款發(fā)放后的后續(xù)風(fēng)險(xiǎn)控制措施得當(dāng)密切相關(guān)。

除此之外，“貸款金額”和“每期還款額”兩個(gè)變量的參數(shù)值不很顯著，這說明貸款金額及每期還款額對(duì)于違約風(fēng)險(xiǎn)的影響并非顯著。可以解釋這種現(xiàn)象的理由是，貸款金額和每期還款額往往與抵押物價(jià)值、借款人還款能力相關(guān)。

（三）抵押物特征變量

在“抵押物特征”變量中，“抵押率”和“抵押物價(jià)值趨勢(shì)”兩個(gè)子變量參數(shù)值最為顯著，分別為0.604和0.141?！暗盅郝省弊兞匡@著說明，抵押率對(duì)于貸款違約風(fēng)險(xiǎn)較為敏感。換句話說，在抵押率較高情形下，若抵押物價(jià)值下跌，借款人如果選擇違約，貸款銀行通過拍賣抵押物追償貸款余值的可能性越小，因?yàn)榈盅何飪r(jià)值可能減少至貸款余值以下；而在抵押率較低的情況下，借款人選擇違約是非理性的，因?yàn)榈盅何飪r(jià)值往往遠(yuǎn)遠(yuǎn)高于貸款余值。理性觀點(diǎn)認(rèn)為，抵押物在不斷升值時(shí)，違約概率會(huì)下降。2012年底以前，我國(guó)各大城市的房產(chǎn)價(jià)格處于上漲周期中，因此個(gè)人住房按揭貸款和個(gè)人房產(chǎn)抵押貸款的違約概率明顯小于個(gè)人汽車消費(fèi)貸款。而抵押物價(jià)值趨向下跌，特別是低于貸款余值時(shí)，貸款權(quán)益就變?yōu)樨?fù)值，繼續(xù)償貸就變?yōu)椴焕硇孕袨?，所以貸款違約概率就會(huì)上升，這正是07年美國(guó)“次貸”危機(jī)爆發(fā)的直接原因，也是汽車消費(fèi)貸款往往在貸款年限的最后兩年違約比例上升的原因。

五、對(duì)策建議

（一）加強(qiáng)借款人信用信息的采集和甄別，實(shí)行嚴(yán)格的貸前審查

在貸前審查中應(yīng)著重注意兩條線索：一是借款人戶籍特征可能帶來的道德風(fēng)險(xiǎn)；二是借款人家庭的每月負(fù)債率關(guān)聯(lián)的還款風(fēng)險(xiǎn)。首先，對(duì)于異地戶籍借款人，商業(yè)銀行在貸款授信審批時(shí)應(yīng)詳細(xì)準(zhǔn)確把握借款人戶籍信息，確保信息真實(shí)性和可追溯性，必要時(shí)可采取追加抵押物或當(dāng)?shù)貞艏畵?dān)保人的方式來降低未來貸款違約的風(fēng)險(xiǎn)。其次，準(zhǔn)確測(cè)算借款人家庭的每月負(fù)債率。前提條件是結(jié)合借款人職業(yè)狀況核實(shí)收入的真實(shí)性，進(jìn)而結(jié)合征信記錄查詢借款人負(fù)債情況，必要時(shí)采取實(shí)地核定的方式確保信息真實(shí)準(zhǔn)確。而對(duì)于那些信息不完全或無法準(zhǔn)確預(yù)測(cè)家庭每月負(fù)債率的借款人，可以通過選擇放棄業(yè)務(wù)或者通過提高首付比例和降低抵押率的方法來降低信貸風(fēng)險(xiǎn)。

（二）依據(jù)風(fēng)險(xiǎn)收益原則，實(shí)行差別化的經(jīng)營(yíng)方針及風(fēng)險(xiǎn)管理策略

商業(yè)銀行應(yīng)該針對(duì)不同的貸款品種實(shí)行差別化的貸款利率，保證貸款風(fēng)險(xiǎn)與收益達(dá)到合理的均衡。首先是針對(duì)不同貸款品種實(shí)行差別化利率的經(jīng)營(yíng)方針。在實(shí)際操作中，商業(yè)銀行對(duì)于個(gè)人汽車消費(fèi)貸款這類抵押物價(jià)值趨勢(shì)不斷降低的貸款品種，應(yīng)采取適當(dāng)上浮貸款利率的方法來抵御信貸風(fēng)險(xiǎn)，或設(shè)計(jì)貸款方式使借款人在貸款前期先多償還本息，以此減少抵押物貶值風(fēng)險(xiǎn)；而對(duì)于個(gè)人住房抵押貸款，應(yīng)該結(jié)合房地產(chǎn)市場(chǎng)的整體變化趨勢(shì)，參考抵押物價(jià)值的變動(dòng)狀況，適當(dāng)上下浮動(dòng)貸款利率，以期實(shí)現(xiàn)較為理想的利潤(rùn)目標(biāo)。其次是針對(duì)不同借款人實(shí)行差別化的風(fēng)險(xiǎn)管理策略。對(duì)于信用狀況良好、違約風(fēng)險(xiǎn)較低的借款人，應(yīng)適當(dāng)放寬授信條件，適當(dāng)下浮利率來吸引客戶，主要采取貸前風(fēng)險(xiǎn)控制措施；而對(duì)于信用狀況一般或較差的借款人，應(yīng)嚴(yán)格授信條件，貸前適當(dāng)提高利率、追加擔(dān)保措施，貸后密切追蹤，保障信貸安全。

（三）建立健全個(gè)人抵押貸款的信用擔(dān)保體系，保障違約貸款及時(shí)得到償付

任何貸款都是有風(fēng)險(xiǎn)的，即使通過各種手段降低或抵消風(fēng)險(xiǎn)，風(fēng)險(xiǎn)終歸不能完全消除。對(duì)于個(gè)人抵押貸款而言，抵押物可以看做第一道擔(dān)保線，違約風(fēng)險(xiǎn)可以完全或部分通過追償?shù)盅何锏姆绞降玫窖a(bǔ)償。但抵押物的追償往往涉及一定法律程序和障礙，而且抵押物變現(xiàn)本身也具有一定風(fēng)險(xiǎn)。而且，即使抵押物預(yù)期可以完全補(bǔ)償風(fēng)險(xiǎn)，但由于變現(xiàn)需要一定時(shí)間，故而在一定時(shí)期內(nèi)給銀行信貸風(fēng)險(xiǎn)的考核帶來困難。因此，商業(yè)銀行應(yīng)該積極建立和健全個(gè)人抵押貸款的信用擔(dān)保體系，確保貸款具備及時(shí)有效的第二還款來源。個(gè)人信用擔(dān)保體系的建立和健全，可以從兩個(gè)方面來加強(qiáng)。一是建立自然人擔(dān)保及互保體系，通過自然人的擔(dān)保和相互擔(dān)保來降低貸款違約的風(fēng)險(xiǎn)；二是建立以擔(dān)保公司為主的法人擔(dān)保體系。擔(dān)保公司經(jīng)營(yíng)原理類似于保險(xiǎn)公司，循序大數(shù)定律所確定的概率法則，通過多數(shù)被擔(dān)保人的保費(fèi)收入來保障單一被擔(dān)保人可能發(fā)生的違約風(fēng)險(xiǎn)，而且擔(dān)保資金

收稿日期：2014-8-30

DOI：10.3969/J.ISSN.2095-7238.2015.02.010

文章編號(hào)：2095-7238（2015）02-0058-06

文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：F832.4