商業(yè)銀行房地產(chǎn)信貸風(fēng)險的度量與預(yù)測
——基于多元線性回歸分析方法

文/李洪超

引言

自20 世紀(jì)80 年代儲蓄和貸款危機(jī)以來，銀行業(yè)和住房融資發(fā)生了重大變化。在此之前，傳統(tǒng)銀行市場分散，包含大量小型和專業(yè)公司，結(jié)構(gòu)性變化（例如技術(shù)和放松管制）緩慢但切實地將分割的銀行公司轉(zhuǎn)變?yōu)檎系亩喈a(chǎn)品金融機(jī)構(gòu)之一，這也標(biāo)志著金融服務(wù)業(yè)的誕生。在這一轉(zhuǎn)型期間，商業(yè)銀行越來越多地將其產(chǎn)品和資產(chǎn)組合轉(zhuǎn)向消費(fèi)貸款，這一部分在傳統(tǒng)上是儲蓄和信用合作社的專長。

隨著我國社會的發(fā)展和城鎮(zhèn)化程度的不斷提高，房地產(chǎn)貸款在銀行貸款中的比重不斷加大。2021 年，天風(fēng)證券研究所的報告顯示，全國主要的16 家銀行涉房貸款占據(jù)了全部貸款的33%，這在持續(xù)推動房地產(chǎn)行業(yè)高速發(fā)展的同時也為銀行帶來了巨額利潤，但在這種相互促進(jìn)的美好景象之中不容忽視的是，房地產(chǎn)市場體量大，而且影響房地產(chǎn)市場的因素較為復(fù)雜，蘊(yùn)含了較大的財務(wù)風(fēng)險，進(jìn)而給銀行信貸資產(chǎn)帶來了巨大的風(fēng)險。除了企業(yè)經(jīng)營狀況的影響之外，國內(nèi)整體宏觀經(jīng)濟(jì)形勢也是一大影響因素，而宏觀形勢對房地產(chǎn)信貸風(fēng)險影響的兩面性使得相關(guān)研究變得愈發(fā)困難。當(dāng)宏觀經(jīng)濟(jì)上行時，房地產(chǎn)行業(yè)會利潤大增，同時銀行會放松對房地產(chǎn)企業(yè)的銀根，在加大對房地產(chǎn)支持力度的同時減弱監(jiān)管力度，一方面會刺激房地產(chǎn)行業(yè)的繁榮和降低不良貸款率，另一方面也會增加潛在的信用風(fēng)險。

基于此，本文將從宏觀經(jīng)濟(jì)視角出發(fā)，采用多元線性回歸的分析方法，得到能反映房地產(chǎn)信貸風(fēng)險變化的一攬子指標(biāo)。此外，本文還會引入非物質(zhì)性指標(biāo)（人力資本）以及前瞻性指標(biāo)（綜合領(lǐng)先指數(shù)），建立商業(yè)銀行房地產(chǎn)不良貸款率的預(yù)測模型，并據(jù)此提出相應(yīng)的風(fēng)險控制對策，以便有效地防范房地產(chǎn)行業(yè)下行對金融行業(yè)的不利影響。

一、國內(nèi)外文獻(xiàn)綜述

本研究涉及商業(yè)銀行信貸風(fēng)險的界定（計量）、商業(yè)銀行房地產(chǎn)信貸風(fēng)險的成因及風(fēng)險控制對策等三個方面的內(nèi)容，對于這些內(nèi)容，理論界均有所研究。

學(xué)者曹帥從兩個方面（商業(yè)銀行信貸風(fēng)險的含義及相關(guān)理論、信貸風(fēng)險現(xiàn)狀及成因分析）進(jìn)行闡述，運(yùn)用CPV模型證明了CPI、一年期貸款利率LPR 的變動對于商業(yè)銀行房地產(chǎn)信貸風(fēng)險的重要影響。[1]學(xué)者靳鳳菊先從理論上非常透徹地分析了CPV 模型的優(yōu)勢和應(yīng)用的可行性，[3]然后分部門分行業(yè)選取變量，認(rèn)為國房景氣指數(shù)對房地產(chǎn)不良貸款率的影響最為顯著，且為負(fù)相關(guān)，最后通過BG 檢驗驗證了自己的結(jié)論。[4]學(xué)者黃俊杰則將1 年到3 年期的貸款利率引入模型里面，證實該貸款利率與房地產(chǎn)信貸風(fēng)險成反比，還從政府和銀行兩個方面提出了一些防范信貸風(fēng)險的建議。[2]齊雅坤采用CPI 的計算方式消除了各變量的通貨膨脹影響，然后通過線性回歸得出對房地產(chǎn)信貸風(fēng)險影響最大的宏觀變量為貨幣供應(yīng)量M2。[6]王俊籽等人認(rèn)為房地產(chǎn)企業(yè)的經(jīng)營狀況在很大程度上影響著商業(yè)銀行信貸資產(chǎn)質(zhì)量，房地產(chǎn)的違約很有可能誘發(fā)銀行信貸風(fēng)險進(jìn)而導(dǎo)致金融風(fēng)險。他們運(yùn)用基于24 家上市公司面板數(shù)據(jù)的logistic 模型證實了降低房地產(chǎn)信貸風(fēng)險的三種途徑：提高股東權(quán)益、加強(qiáng)短期償債能力、增強(qiáng)現(xiàn)金流量。[7]祁樹鵬等人采用向量自回歸模型（VAR）證實宏觀經(jīng)濟(jì)變量的波動會對我國商業(yè)銀行信貸風(fēng)險產(chǎn)生較大的影響。[5]

房地產(chǎn)市場在最近的金融危機(jī)中扮演著重要角色。認(rèn)識到這一點(diǎn)，一些學(xué)者總結(jié)了房地產(chǎn)市場動態(tài)的四個問題，這四個問題的基本點(diǎn)是如何更好地理解房地產(chǎn)周期中的風(fēng)險。[13]由于其流動性不足和異質(zhì)性，房地產(chǎn)投資往往具有不同的風(fēng)險調(diào)整后回報，同時，房地產(chǎn)市場與其他行業(yè)相互影響，使得房地產(chǎn)市場成為當(dāng)?shù)亟?jīng)濟(jì)的支柱產(chǎn)業(yè)。因此，從長遠(yuǎn)來看，房地產(chǎn)投資的回報往往是穩(wěn)定和有吸引力的，而在這些投資中，證券化房地產(chǎn)在亞洲國家特別受歡迎，對房地產(chǎn)市場具有重大影響。此外，由于房地產(chǎn)市場容易受到泡沫的影響，學(xué)者們有理由相信證券化房地產(chǎn)市場也是如此。[9]與直接房地產(chǎn)投資相比，證券化房地產(chǎn)投資具有相對較高的流動性水平，這使得資產(chǎn)價格波動更大。還有學(xué)者認(rèn)為在蓬勃發(fā)展的市場中，資產(chǎn)價格的急劇上漲會不斷吸引新的參與者進(jìn)入市場。[11]學(xué)者們甚至認(rèn)為，一些投資者也意識到了資產(chǎn)定價過高或所謂的泡沫（定義為偏離基本面的非理性價值)現(xiàn)象。[12]有些專家從不同角度出發(fā)剖析了不同信貸風(fēng)險度量模型的不同適應(yīng)范圍。[14]國外學(xué)者運(yùn)用“金融加速器”的概念[8]，闡述了宏觀經(jīng)濟(jì)、房地產(chǎn)和商業(yè)銀行之間存在著相互作用，宏觀經(jīng)濟(jì)下行，房地產(chǎn)市場不景氣，房地產(chǎn)企業(yè)的資產(chǎn)負(fù)債惡化，引發(fā)商業(yè)銀行的系統(tǒng)性風(fēng)險。有學(xué)者則從國家宏觀調(diào)控的措施入手，深度解析了國家貨幣政策影響房地產(chǎn)和銀行的作用機(jī)制。[15]還有學(xué)者發(fā)現(xiàn)，金融市場和金融服務(wù)業(yè)各部門的結(jié)構(gòu)性變化，特別是儲蓄和貸款部分，會給商業(yè)銀行帶來機(jī)會和威脅。[16]許多銀行家，尤其是當(dāng)?shù)厣鐓^(qū)的銀行家，已經(jīng)將他們的投資組合轉(zhuǎn)向房地產(chǎn)貸款或住房融資。例如，房地產(chǎn)貸款銀行的數(shù)量從1989 年底的1724 家增加到1996 年底的2835 家，因此，銀行業(yè)的大幅整合與房地產(chǎn)業(yè)的收縮平行尤其值得注意。監(jiān)管資本套利、聯(lián)邦存款保險改革以及FHLB 招聘的機(jī)會，為銀行更多地參與房地產(chǎn)貸款提供了額外的激勵。有學(xué)者實證評估了2006-2019 年間會計和財務(wù)變量對中國傳統(tǒng)銀行、影子銀行以及房地產(chǎn)金融服務(wù)的系統(tǒng)性風(fēng)險水平的影響，通過評估危機(jī)時期的影響來進(jìn)行一些穩(wěn)定性分析。研究發(fā)現(xiàn)，大型金融機(jī)構(gòu)的規(guī)模擴(kuò)大增加了系統(tǒng)性風(fēng)險，而后者對房地產(chǎn)金融服務(wù)的規(guī)模不敏感，相反，房地產(chǎn)金融服務(wù)對期限錯配和杠桿特別敏感，國有和非國有銀行的系統(tǒng)性風(fēng)險也存在不同。[10]

國內(nèi)外學(xué)者的研究理論與研究方法為本文的研究提供了較好的基礎(chǔ)。然而，已有研究的變量多集中在GDP 和CPI 上，一些重要但容易忽視的變量并未被納入模型，致使模型擬合優(yōu)度不高，因此，本文將會針對這些不足之處展開研究。

二、模型構(gòu)建

商業(yè)銀行信貸風(fēng)險可以采用KMV 模型、CM 模型、CR+模型、CPV 模型等不同的計量模型進(jìn)行計量，但相較而言，CPV 計量模型具有如下優(yōu)勢：(1)CPV 模型的變量是宏觀經(jīng)濟(jì)變量，適用范圍更廣，數(shù)據(jù)在我國更易獲?。?2)CPV 模型考慮了價差風(fēng)險，既是盯市模型也是違約模型；(3)CPV 模型會隨著宏觀經(jīng)濟(jì)狀況的變化改變違約率和信用等級轉(zhuǎn)換矩陣的概率。

信用組合觀點(diǎn)模型CPV 是麥肯錫公司在1997 年提出的。CPV 模型既關(guān)注是否出現(xiàn)不履約行為，同時還考慮企業(yè)或者個人的信用等級的變化，以及當(dāng)前企業(yè)信貸資產(chǎn)的變動。模型利用統(tǒng)計學(xué)方法與動力學(xué)相結(jié)合來作定量分析，不僅依據(jù)借款企業(yè)信息資料，還考慮到國際宏觀經(jīng)濟(jì)指標(biāo)，數(shù)據(jù)權(quán)威性與連續(xù)性都能得到保障，模型的建立基礎(chǔ)堅實。CPV 模型基本假設(shè)如下：（1）各宏觀經(jīng)濟(jì)變量之間不存在完全共線性；（2）模型殘差項不存在自相關(guān)性且同方差。

其中：βj= (βj,0,βj,1,βj,2,...,βj,n) 代表參數(shù)；

Xj,t=(Xj,1,t,Xj,2,t,...,Xj,n,t)代表n 個宏觀經(jīng)濟(jì)變量；

μj,t代表殘差項，服從正態(tài)分布，即μj,t～N(0,σJ)。

三、實證分析

（一）變量選取

本文從國家、商業(yè)銀行、政府、房地產(chǎn)行業(yè)、消費(fèi)者等與房地產(chǎn)行業(yè)相關(guān)的各個領(lǐng)域和部門依次選取指標(biāo)。

首先選取國家宏觀層面的指標(biāo)：

宏觀經(jīng)濟(jì)一致指數(shù)（CI）。該指數(shù)反映當(dāng)前宏觀經(jīng)濟(jì)的基本走勢，當(dāng)該指數(shù)的走勢向好時，居民消費(fèi)和企業(yè)投資的熱情增加，就業(yè)率上升，居民收入和企業(yè)利潤上升。

綜合領(lǐng)先指數(shù)（CLI）。該指標(biāo)用來預(yù)測未來幾個月的宏觀經(jīng)濟(jì)狀況，當(dāng)CLI 上升時，意味著未來國家經(jīng)濟(jì)發(fā)展整體向好，反之則經(jīng)濟(jì)有下滑趨勢。

實際總?cè)肆Y本（ATHC）。該指標(biāo)是一個非物質(zhì)資本，它涵蓋了勞動者的知識、技能、文化以及健康水平等方面，更高的人力資本水平意味著更強(qiáng)的生產(chǎn)能力和更強(qiáng)的盈利能力。

M2 同比增長率（M2GT）。房地產(chǎn)行業(yè)的發(fā)展很大程度上依賴于金融業(yè)的支持，故M2 的變化必然會對房地產(chǎn)行業(yè)產(chǎn)生影響，尤其是房價，M2 的增多往往會抬高房價。

貸款基準(zhǔn)利率（LPR）。貸款基準(zhǔn)利率是各大金融機(jī)構(gòu)制訂貸款利率的標(biāo)準(zhǔn)，提高基準(zhǔn)利率，會收縮信貸，減少投資。

然后選取房地產(chǎn)行業(yè)的指標(biāo)：

國房景氣指數(shù)（CERCI）。該指數(shù)綜合反映了房地產(chǎn)發(fā)展?fàn)顩r，CERCI 過高或過低都會對房地產(chǎn)行業(yè)產(chǎn)生不利影響。

房地產(chǎn)開發(fā)投資增長率（REIGT）。該指標(biāo)反映了在一定時期內(nèi)，房地產(chǎn)企業(yè)在道路、供電、供熱等基礎(chǔ)設(shè)施的建設(shè)和與房地產(chǎn)開發(fā)配套的服務(wù)設(shè)施上的投資的增長情況。

隨后選取政府層面的指標(biāo)：

政府財政支出（TPFE）。政府財政可以推動房地產(chǎn)行業(yè)的開發(fā)投資，同時，在房地產(chǎn)企業(yè)困難時期，積極的財政配合貨幣政策有利于房地產(chǎn)業(yè)發(fā)展。

最后選取消費(fèi)者層面的指標(biāo)：

消費(fèi)者價格指數(shù)（CPI）。CPI 是衡量通貨膨脹非常重要的指標(biāo)，CPI 上升，意味著物價水平上升、實際工資下降，會對企業(yè)投資和居民消費(fèi)產(chǎn)生不利影響。

房地產(chǎn)信貸風(fēng)險用不良貸款率P 來衡量，將P 通過logistic 模型轉(zhuǎn)化為宏觀經(jīng)濟(jì)指標(biāo)Y，所有的變量采用2011年至2021 年的月度數(shù)據(jù)，貸款基準(zhǔn)利率采用當(dāng)年的最新報價，當(dāng)年無最新報價的采用去年最后給出的報價(表1)。

一般情況下，宏觀經(jīng)濟(jì)變量之間普遍存在著相關(guān)關(guān)系，但如果變量之間存在著嚴(yán)重的線性相關(guān)關(guān)系，這種多重共線性就會導(dǎo)致回歸結(jié)果不準(zhǔn)確，產(chǎn)生偽回歸。由于選取的變量多達(dá)9 個，本文先對變量之間相關(guān)性的大小進(jìn)行檢驗，然后根據(jù)檢測結(jié)果來判斷是否進(jìn)行多重共線性的篩選。由表2 中的數(shù)據(jù)可知，各自變量之間的相關(guān)系數(shù)有的達(dá)到了0.8 甚至0.9 以上，存在著嚴(yán)重的相關(guān)關(guān)系，因此需要對數(shù)據(jù)進(jìn)行多重共線性的檢驗，篩除相關(guān)性較強(qiáng)的一些變量，確保回歸結(jié)果準(zhǔn)確。各變量之間的相關(guān)系數(shù)如表2 所示。

表2 各宏觀經(jīng)濟(jì)變量之間的相關(guān)系數(shù)

這里運(yùn)用SPSS 進(jìn)行變量的篩選。采用后退法，經(jīng)過6 次篩選后，剔除了消費(fèi)者價格指數(shù)、宏觀經(jīng)濟(jì)一致指數(shù)、政府財政支出、M2 同比增長率、貸款基準(zhǔn)利率等5 個經(jīng)濟(jì)變量，保留國房景氣指數(shù)、綜合領(lǐng)先指數(shù)、實際總?cè)肆Y本、房地產(chǎn)開發(fā)投資增長率等4 個宏觀經(jīng)濟(jì)變量.篩選過后，變量的容差明顯變大，VIF 明顯變小，多重共線性降低，因此，本文將重點(diǎn)研究這4 個變量與房地產(chǎn)不良貸款率之間的關(guān)系（表3）。

表3 多重共線性診斷結(jié)果

（二）描述性統(tǒng)計分析

表4 為因變量宏觀經(jīng)濟(jì)指標(biāo)Y 以及自變量國房景氣指數(shù)CERCI、綜合領(lǐng)先指數(shù)CLI、實際總?cè)肆Y本ATHC 和房地產(chǎn)開發(fā)投資增長率REIGT 等5 個變量的描述性統(tǒng)計分析結(jié)果。從偏度和峰度來看，Y 和CLI 對應(yīng)的偏度值全為負(fù)數(shù)，對應(yīng)的峰度值大于3，因此數(shù)據(jù)分布是高峰右偏。其余3 個變量偏度值全部大于0 且峰度值小于3，因此數(shù)據(jù)分布是低峰左偏。從JB 統(tǒng)計量以及對應(yīng)的P 值來看，在5%的顯著性水平下，5 個變量的JB 統(tǒng)計量對應(yīng)的P 值全部大于0.05，說明所有變量都是服從正態(tài)分布的。

表4 描述性統(tǒng)計分析

（三）平穩(wěn)性檢驗

在5%的顯著性水平下，自變量的T 統(tǒng)計量所對應(yīng)的P 值全部大于0.05，因此接受原假設(shè)：時間序列存在單位根，不是平穩(wěn)序列。經(jīng)一階差分后的時間序列T 統(tǒng)計量所對應(yīng)的P 值全部小于0.02，在2%的顯著性水平下，拒絕存在單位根的假設(shè)，均為平穩(wěn)序列，5 個變量存在同階單整的情況。經(jīng)過協(xié)整檢驗后發(fā)現(xiàn)，變量間至少存在一個協(xié)整關(guān)系，因此數(shù)據(jù)可用（表5）。

表5 ADF 單位根檢驗

（四）研究結(jié)果

由表6 的回歸結(jié)果可知：判定系數(shù)達(dá)到了88.5%，而調(diào)整的判定系數(shù)也達(dá)到80%以上，模型擬合度非常高。在1%的顯著性水平下，模型回歸的自變量系數(shù)是顯著的。從回歸系數(shù)來看，4 個自變量中只有CERCI 與房地產(chǎn)不良貸款率成正比，其余均與其成反比，CLI 對于Y 的影響最為顯著，其參數(shù)是CERCI 的2 倍多?？傮wF 統(tǒng)計量對應(yīng)的P 值小于0.01，說明自變量整體對Y 有顯著性影響。此外，DW 值為2.06，根據(jù)DW 檢驗的判斷標(biāo)準(zhǔn)，殘差序列不存在一階自相關(guān)，自然也就不存在高階自相關(guān)性，這一點(diǎn)通過Q 檢驗進(jìn)一步得到了證實。

圖1 殘差的自相關(guān)性檢驗

表6 線性回歸結(jié)果

表7 懷特檢驗

根據(jù)懷特檢驗原理，在P 值較大的情況下接受原假設(shè)，即殘差項不存在異方差性。

經(jīng)過殘差項的自相關(guān)和異方差檢驗，證明該回歸模型可靠，則商業(yè)銀行房地產(chǎn)不良貸款率的預(yù)測表達(dá)式為：

Y=34.07717+0.3003356C E R C I-0.628446C L I-0.011201ATHC- 0.107848REIGT

從表達(dá)式來看，對房地產(chǎn)不良貸款率產(chǎn)生影響的宏觀因素主要有綜合領(lǐng)先指數(shù)、國房景氣指數(shù)、實際總?cè)肆Y本、房地產(chǎn)開發(fā)投資增長率這4 個宏觀經(jīng)濟(jì)變量。

1.綜合領(lǐng)先指數(shù)。綜合領(lǐng)先指數(shù)對于房地產(chǎn)不良貸款率的影響最大，而且與其呈負(fù)相關(guān)。綜合領(lǐng)先指數(shù)上升，意味著未來國民經(jīng)濟(jì)會向著更好的方向發(fā)展，本國貨幣增值，居民消費(fèi)欲望增加，銀行業(yè)更多資金流向房地產(chǎn)市場，房地產(chǎn)企業(yè)利潤增加，不良貸款率隨之下降；反之則不良貸款率上升。

2.國房景氣指數(shù)。國房景氣指數(shù)是影響房地產(chǎn)信貸風(fēng)險的第二大因素。與常識相 的是，該指數(shù)與房地產(chǎn)信貸違約率呈正相關(guān)?？赡艿脑蚴牵喝绻麌烤皻庵笖?shù)過高，說明當(dāng)前房地產(chǎn)行業(yè)熱情高漲，可能會導(dǎo)致房地產(chǎn)行業(yè)盲目擴(kuò)大投資，銀行對于房地產(chǎn)信貸的審批和監(jiān)管強(qiáng)度下降，最終會使房地產(chǎn)信貸的風(fēng)險加大，違約率上升。

3.房地產(chǎn)開發(fā)投資增長率和實際總?cè)肆Y本分別是影響房地產(chǎn)信貸違約率的第三和第四大因素。房地產(chǎn)開發(fā)投資增長率的上升，意味著房地產(chǎn)行業(yè)的行情變好，企業(yè)擁有更多的資金用于基礎(chǔ)設(shè)施和服務(wù)設(shè)施的建設(shè)，不良貸款違約率會下降。人力資本的增加意味著國民素質(zhì)和學(xué)歷、健康狀況的提升，更多的人追求更高質(zhì)量的生活，紛紛由農(nóng)村走向城市，由三、四線城市走向一、二線城市，使買房的人數(shù)增加。更高的人力資本同樣也會提升企業(yè)的服務(wù)質(zhì)量，推動房地產(chǎn)企業(yè)的發(fā)展，降低不良貸款率。

四、結(jié)論與建議

從宏觀角度出發(fā)，本文對房地產(chǎn)信貸風(fēng)險進(jìn)行了度量，采用CPV 模型預(yù)測商業(yè)銀行房地產(chǎn)不良貸款率，運(yùn)用計量軟件進(jìn)行數(shù)據(jù)的篩選、線性回歸、結(jié)果檢驗。結(jié)果表明：國房景氣指數(shù)、綜合領(lǐng)先指數(shù)、房地產(chǎn)開發(fā)投資增長率、實際總?cè)肆Y本這4 個宏觀經(jīng)濟(jì)變量對房地產(chǎn)不良貸款率有明顯影響。從預(yù)測模型來看，自變量系數(shù)有正有負(fù)，宏觀經(jīng)濟(jì)形勢對信貸風(fēng)險的影響確實呈現(xiàn)出了兩面性的特點(diǎn)：當(dāng)宏觀經(jīng)濟(jì)形勢發(fā)生變化時，一方面會降低不良貸款率，另一方面也會增加企業(yè)高負(fù)債所帶來的潛在的信用風(fēng)險。

總體來說，降低房地產(chǎn)不良貸款率需要銀行、政府各個部門的共同努力。政策要有前瞻性，既要看到當(dāng)前所面臨的風(fēng)險，同時也要防范當(dāng)前措施所帶來的潛在風(fēng)險，確保國民經(jīng)濟(jì)在房地產(chǎn)業(yè)下行壓力下健康發(fā)展。

（一）商業(yè)銀行方面的控制措施

1.建立預(yù)測性風(fēng)險監(jiān)督管理機(jī)制，加強(qiáng)信用風(fēng)險控制?；诤暧^經(jīng)濟(jì)假設(shè)，衡量貸款業(yè)績的當(dāng)前和長期不確定性是對商業(yè)銀行信貸業(yè)務(wù)未來虧損可能性的預(yù)測。同時，建立一個系統(tǒng)全面的風(fēng)險應(yīng)對機(jī)制，加強(qiáng)行業(yè)處理和應(yīng)對不確定性的能力。一些國際銀行設(shè)有風(fēng)險準(zhǔn)備金制度，該制度被用作控制風(fēng)險的最終保險，然而在中國，這一制度并不完善。因此，合理提高風(fēng)險準(zhǔn)備金，可以有效化解商業(yè)銀行不良貸款的違約風(fēng)險。

2.加大貸款前的審批力度。銀行須優(yōu)化信用評價系統(tǒng)，提高企業(yè)信用評價的準(zhǔn)確性，防止虛假數(shù)據(jù)帶來的信用虛高。銀行要對企業(yè)的財務(wù)報表加強(qiáng)審核，仔細(xì)核對企業(yè)的資產(chǎn)負(fù)債，準(zhǔn)確了解企業(yè)近幾年的資金流動狀況，防止虛假財務(wù)數(shù)據(jù)導(dǎo)致貸后風(fēng)險增加。此外，銀行也可利用一些指標(biāo)評估企業(yè)違約概率，如本文所采用的預(yù)測模型和變量。

3.做好貸后監(jiān)管相關(guān)事項。貸后要加強(qiáng)對房地產(chǎn)企業(yè)經(jīng)營狀況的監(jiān)管，如果遇到財務(wù)狀況不佳、經(jīng)營不善的情況，且在評估后認(rèn)為該企業(yè)狀況將長時間難以好轉(zhuǎn)，銀行可以通過縮短信貸期限、提高利率等方式來降低違約風(fēng)險。

（二）政府方面的控制措施

1.各級城鄉(xiāng)建設(shè)部門在對房地產(chǎn)行業(yè)進(jìn)行相關(guān)事項的受理、審查、審批過程中，要加大監(jiān)管力度，對違反相關(guān)法律和規(guī)定的房地產(chǎn)企業(yè)及人員要給予相應(yīng)的懲罰。

2.政府相關(guān)部門對于房地產(chǎn)部門的監(jiān)督除了日常的例行檢查外，應(yīng)加大隨機(jī)抽查的頻率，增強(qiáng)信息透明度。

3.銀保監(jiān)會在對房地產(chǎn)貸款方面進(jìn)行監(jiān)管時要時刻保持警惕，保證銀行房地產(chǎn)貸款率維持在合理范圍內(nèi)，防止銀行為贏利而肆意放款，對于違反相關(guān)規(guī)定的銀行要加大處罰力度。