基于logistics模型房地產(chǎn)信貸風(fēng)險管理研究

賈曉丹 何麗霞 邢家寶 何為

摘 要：房地產(chǎn)市場的迅速發(fā)展以及信貸市場的逐步完善使得房地產(chǎn)貸款在商業(yè)銀行貸款中所占的比例逐漸加重，信貸所產(chǎn)生的風(fēng)險不僅會對房地產(chǎn)業(yè)產(chǎn)生影響，同時也會波及金融業(yè)，信貸風(fēng)險不容忽略。本文在logistics模型的基礎(chǔ)上利用違約風(fēng)險代表性分析房地產(chǎn)的信貸風(fēng)險，分析結(jié)果顯示一個公司的營運能力、盈利能力和償債能力共同影響著公司的違約情況，其中公司的償債能力對信貸風(fēng)險起著關(guān)鍵性影響。因此，為了更好的控制房地產(chǎn)信貸風(fēng)險，密切關(guān)注公司的運營情況至關(guān)重要。

關(guān)鍵詞：房地產(chǎn)信貸風(fēng)險;logistics模型;風(fēng)險分析;防范措施

引言：

房地產(chǎn)行業(yè)的穩(wěn)定發(fā)展離不開大量的資金支持，而將各種籌資方式比較后發(fā)現(xiàn)，商業(yè)銀行貸款具有風(fēng)險較小，利率較低，資金來源穩(wěn)定等多方面優(yōu)勢。因此，商業(yè)銀行貸款成為了資金的主要來源。但近年來，商業(yè)銀行的壞賬大多都與房地產(chǎn)信貸有關(guān)，信貸作為商業(yè)銀行的主要資產(chǎn)，其產(chǎn)生的風(fēng)險會對商業(yè)銀行造成很大的沖擊，甚至對金融業(yè)產(chǎn)生一定的影響，如何將房地產(chǎn)信貸風(fēng)險最小化成為商業(yè)銀行所關(guān)注的重點。現(xiàn)有大多數(shù)文章從定性角度對房地產(chǎn)信貸風(fēng)險進行分析，忽略了數(shù)據(jù)的重要作用。在此，我們將借助數(shù)據(jù)和模型從定量的角度來分析房地產(chǎn)信貸風(fēng)險的主要影響因素，針對數(shù)據(jù)分析結(jié)果尋找化解風(fēng)險的對策。

一、基于logistics模型的風(fēng)險分析

房地產(chǎn)的信貸風(fēng)險主要來自于違約風(fēng)險，是指交易對手未能履行約定契約中的義務(wù)而造成經(jīng)濟損失的風(fēng)險，即受信人不能履行還本付息的責(zé)任而使授信人的預(yù)期收益與實際收益發(fā)生偏離的可能性，它是金融風(fēng)險的主要類型，本文在的基礎(chǔ)上利用違約風(fēng)險代表性分析房地產(chǎn)的信貸風(fēng)險，并定義P為某房地產(chǎn)公司出現(xiàn)違約的概率，其中p值越接近于1，說明該公司出現(xiàn)違約的概率越高，p值越小說明該公司出現(xiàn)違約的概率越低。并根據(jù)網(wǎng)站上相關(guān)資料，在本文中我們定義D=1為違約公司，而D=0的公司則信用良好。

（一）研究設(shè)計

1.變量選擇

本文選擇了能夠反應(yīng)公司償債能力、盈利能力、發(fā)展能力、營運能力的相關(guān)變量：其中，借助流動比率、速動比率、資產(chǎn)負債率和現(xiàn)金比率來反映一個公司或企業(yè)的償債能力，對于償債能力強的公司，其出現(xiàn)違約的概率必然要小一些，相反的，償債能力弱的公司就更有可能出現(xiàn)違約情況;公司或企業(yè)的盈利能力用凈資產(chǎn)收益率、成本費用利潤率、總資產(chǎn)凈利潤率、固定資產(chǎn)凈利潤率來反映，盈利能力強的公司自然會更小概率出現(xiàn)違約情況，相反，盈利能力差、甚至出現(xiàn)虧損的公司違約的情況會更大;營業(yè)收入增長率、管理費用增長率、凈利潤增長率、固定資產(chǎn)增長率則更好地表現(xiàn)出公司的發(fā)展能力，可以說一個公司的發(fā)展能力真正決定著公司未來的走向與存續(xù)時間，好的公司理所當(dāng)然地平穩(wěn)迅速的發(fā)展，那么其信用程度自然要勝人一籌;總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率則反映了公司的營運能力，營運能力越強，公司的收入就會越多，相應(yīng)的償債能力也會提高;現(xiàn)金滿足投資比率、凈利潤現(xiàn)金凈含量、營業(yè)利潤現(xiàn)金凈含量、現(xiàn)金流量適合比率四個指標則是公司現(xiàn)金流量狀況的體現(xiàn)。

2.樣本選擇

本文按照系統(tǒng)隨機抽樣的方法，給合肥查閱到的大部分公司名稱進行編號，先利用簡單隨機抽樣的方法抽取第一個房地產(chǎn)公司，之后再利用系統(tǒng)抽樣的方法，依次選擇到48家房地產(chǎn)公司。之后，在同花順、上海證券交易所網(wǎng)站、深圳證券交易所網(wǎng)站、wind數(shù)據(jù)網(wǎng)等網(wǎng)站查閱了這48個公司到2017年年末的財務(wù)報告，對相關(guān)數(shù)據(jù)進行收集。同時，數(shù)據(jù)庫找尋數(shù)據(jù)時，在標記為樣本的48個公司找尋出了被深滬兩市記為共五家“ST”違約公司，根據(jù)模型假設(shè)定義為D=1，其他均記為D=0。

3.模型的選取

logistic回歸又稱logistic回歸分析，是一種廣義的線性回歸分析模型，常用于數(shù)據(jù)挖掘，疾病自動診斷，經(jīng)濟預(yù)測等領(lǐng)域。本文中可以根據(jù)某一公司的流動比率、速動比率、資產(chǎn)負債率、現(xiàn)金比率、凈資產(chǎn)收益率、成本費用利潤率、總資產(chǎn)凈利潤率、固定資產(chǎn)凈利潤率、營業(yè)收入增長率、管理費用增長率、凈利潤增長率、固定資產(chǎn)增長率、總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、現(xiàn)金滿足投資比率、凈利潤現(xiàn)金凈含量、營業(yè)利潤現(xiàn)金凈含量、現(xiàn)金流量適合比率這二十個指標數(shù)值，通過SPSS軟件進行主成分分析，得到各公司的主成分得分，利用logistic回歸模型來預(yù)測該公司的違約概率。

4.模型的準備

logistic回歸在定量分析模型中是比較特殊的，使用該模型時需要滿足以下幾點要求：1.觀測值獨立且自變量的觀測值誤差。2.解釋變量中不得有多重共線性的關(guān)系。3.自變量必須和logic p之間有線性關(guān)系。

具體模型為以下內(nèi)容：

其中，0

（二）變量的處理與模型建立

在上文中，我們選擇了能代表企業(yè)四項能力的二十個不同的指標，它們分別直接或間接影響著企業(yè)的違約風(fēng)險，但在實際過程中，這二十個代表不同領(lǐng)域的指標往往一起影響著實驗的結(jié)果。假設(shè)這二十個指標中的幾個或者全部的變量可以構(gòu)成一個影響實驗結(jié)果的線性函數(shù)或線性組合，那么數(shù)據(jù)的分析處理必將簡化，并且它的實驗結(jié)果也會更加精確。在多變量問題中，變量較多雖然增加了問題的復(fù)雜性，但實際上，變量之間往往存在一定的信息相關(guān)性，可能會存在信息的重疊，因此我們希望克服多變量之間的信息相關(guān)性、重疊性，用較少的變量進行線性組合，并且盡可能最大限度地保留原來多變量中的大部分、關(guān)鍵性數(shù)據(jù)信息，于是我們使用主成分分析法舍棄變量之間的重疊信息，降低變量數(shù)據(jù)的“維度”，對變量重新構(gòu)造線性組合。對“降維”后的數(shù)據(jù)進行主成分分析，得到的主成分可以直接用于logistic模型建立。