摘要：住房公積金貸款屬于政策性住房貸款，對于資金的安全性要求比較高，為控制貸款風險，我們需要加強對房地產開發(fā)企業(yè)的信用風險評估工作，從作為源頭的貸款房源準入環(huán)節(jié)入手控制貸款風險。從信用風險的概念、特點出發(fā)，借鑒國內外的信用風險管理的基本理論，針對房地產企業(yè)的特殊性，選取適合房地產企業(yè)的評價指標及評價方法，運用上市公司披露的財務信息和部分企業(yè)信息建立Logistic模型，并引入案例證實模型的可解釋性。

關鍵詞：住房公積金 貸款 信用風險評估

中圖分類號：F830.5文獻標志碼：A文章編號：1673-291X（2011）25-0072-05

常州市住房公積金管理中心房源管理采取的是貸款項目在辦妥貸款抵押之前由開發(fā)企業(yè)提供期間擔保的模式。這種模式存在著開發(fā)企業(yè)無力建成項目導致貸款抵押無法落實的潛在風險。我們如果將開發(fā)企業(yè)的期間擔保責任看做是房地產企業(yè)對住房公積金管理中心的或有負債，那么從住房公積金貸款的政策性住房貸款性質出發(fā)，基于降低貸款風險的考慮，很有必要加強對房地產開發(fā)企業(yè)的信用風險評估，把好房源準入關，切實控制貸款風險。

一、信用風險與信用風險管理

1.信用風險的含義與特點?，F(xiàn)在普遍接受的信用風險定義是：信用風險包括由于借款人的信用評級的變動和履約能力的變化導致其債務的市場價值變動而引起的損失的可能性。因此，信用風險的大小主要取決于交易對手的財務狀況和風險狀況。信用風險是非系統(tǒng)性風險。雖然市場風險、政治風險等系統(tǒng)風險能通過信用風險體現(xiàn)出來，但是房地產企業(yè)的還款能力主要取決于與企業(yè)相關的非系統(tǒng)性因素，如財政能力、盈利能力、發(fā)展能力、償債能力、創(chuàng)新能力及相關房地產產品銷售情況等非系統(tǒng)性因素。

2.信用風險管理。信用風險管理的基本含義是對于消費者個人的信用和企業(yè)的資信狀況進行管理，管理的內容主要包括征信和信用評級。在市場經濟成熟發(fā)達的征信國家，信用管理的側重點在于對消費者個人進行信用管理，而在廣大發(fā)展中國家，信用管理更側重進行企業(yè)信用管理。

二、住房公積金貸款項目準入的開發(fā)企業(yè)信用管理

房地產項目開發(fā)是一個需要大量資金、較高技術水平的高風險的經營運作。項目開發(fā)需要一個有較長周期，項目的一次性、不可重復性特點和過程中太多的不確定因素，構成了房地產項目開發(fā)過程具有較大的風險。因此，住房公積金貸款房源準入中需要對開發(fā)企業(yè)直接和潛在的信用風險進行全面的分析與管理，對未來可能出現(xiàn)的信用風險進行有效的識別與規(guī)避。

（一）建立房地產開發(fā)企業(yè)信用風險評估體系

1.選擇開發(fā)企業(yè)信用風險評估模型。目前常州市住房公積金貸款房源項目準入中的開發(fā)企業(yè)資信評估雖然也采用了定量分析的形式，但是實際上還是主要停留在傳統(tǒng)的定性分析上，以對借款人報表中反映出的各種財務比率等情況的定性分析為主，主觀隨意性較大，存在一定的缺陷。我們考慮結合現(xiàn)代信用風險模型，選取成熟的評價體系，借鑒商業(yè)銀行的風險管理經驗，建立適應住房公積金貸款房源管理的開發(fā)企業(yè)信用風險評估模型。在分析比較了傳統(tǒng)的判別分析統(tǒng)計方法、Logistic回歸、基于現(xiàn)代計算技術與人工智能的專家系統(tǒng)、神經網絡方法、Credit Metrics模型、KMV模型等之后我們考慮選擇Logistic回歸非線性模型。主要是考慮兩個因素：第一，Logistic回歸非線性模型能很好地解決非線性的問題，有較高的準確度，是學術界視為主流的方法，相對比較成熟；第二，Logistic模型對于變量的分布沒有具體要求，適用范圍更廣，直觀明了。2.構建開發(fā)企業(yè)信用風險評估指標體系。根據(jù)“全面、真實、科學、公正、實用”的五項原則，借鑒商業(yè)銀行信用評級指標體系，建立新的住房公積金貸款房源管理的房地產客戶信用評級指標體系，具體（見表1）：

表1

（二）Logistic回歸模型對房地產企業(yè)進行信用評價

1.數(shù)據(jù)的選取及處理。選取上市的33家房地產公司截至2010年12月31日的財務及其他數(shù)據(jù)指標，其中上市的公司中有5家ST股票，1家*ST股票。

因為不同指標量綱、經濟意義、表現(xiàn)形式的不同，不具有可比性，無法相互直接比較，所以，首先對各個評價指標進行無量綱化處理：一是對定量指標的處理。定量指標的處理又分兩種，第一種是對于有公認標準的，將企業(yè)相應指標與公認標準的比值作為無量綱化值；第二種是無公認標準的，將企業(yè)相應指標以行業(yè)平均值作為基值，各企業(yè)具體指標與相應的行業(yè)基值的比值數(shù)作為無量綱化值；二是對于定性指標的處理。首先確定一個適度值xi，即該數(shù)值為這個適度指標的“最佳點”，然后將指標進行正向化處理，處理后的數(shù)據(jù)按正向指標進行處理。

具體來說：

流動比率：2為標準值；速動比率：1為標準值。分別取企業(yè)相應值與標準值的比值作為無量綱化值。

總資產報酬率、銷售凈利潤率、存貨周轉率、資產負債率、注冊資本以行業(yè)平均值作為基值，分別取企業(yè)相應值與基值的比值作為無量綱化值。

公司行業(yè)地位和開發(fā)資質等級賦值。上市公司非ST類，注冊資本低于10億元的賦值0.5分，注冊資本高于10億元的賦值0.6分，行業(yè)領軍企業(yè)賦值0.8分。上市公司ST類賦值0.2分，上市公司*ST類賦值0.1分。一級開發(fā)資質賦值0.8分，二級開發(fā)資質賦值0.5分，三級開發(fā)資質賦值0.2分。

2.Logistic模型的基本原理。Losistic回歸在統(tǒng)計學方法中的被認為是預測精度為理想的模型，而且對數(shù)據(jù)與假設條件要求很少，能處理定性指標，同時，Logistic回歸的穩(wěn)健性比較好，能適用于不同的檢驗樣本，此外，Logistic回歸可以對違約概率與特征變量之間的關系進行定量分析，能分辨出哪些變量與企業(yè)的信用程度有密切的關系。

本文將是否獲得房地產開發(fā)企業(yè)住房公積金貸款準入y與指標變量x，之間通過p，（給定x，條件下y=1的概率）發(fā)生關系。該模型可表示為f（x）=ln[pi/（1-pi）]，建立回歸模型方程為：

ln[pi/（1-pi）]＝β0+β1x1+β2x2+…+βnxn

給定一組房地產開發(fā)企業(yè)樣本{（xi，yi）}ni=1，其中xi是房地產開發(fā)企業(yè)的指標變量，yi∈[0，1]是一個二分類的屬性變量，（yi=0表示第i個企業(yè)不能獲得住房公積金貸款準入資格，yi=1表示第i個企業(yè)獲得住房公積金貸款準入資格），使用Logistic回歸模型可以用來判斷一個企業(yè)是否可以獲得住房公積金貸款準入資格，公式如下：

p（y=1|x）=■

其中，x為m維向量，β為維待求的系數(shù)。由于其非線性模型，無法用最小二乘法求解，因此可以通過極大似然估計法進行求解：

設從總體中隨機抽取n個案例作為樣本，分別表示為y1，y2……yn，設pi=p（yi=1|x），在給定的xi條件下，yi=1的概率。同理可得，yi=0的概率可表示為：p（yi）=pyii（1-pi）1-yi

其中，yi=1或yi=0 （i=1，2…n）。因為各項觀測相互獨立，其充分必要條件就是其聯(lián)合概率分布，設L（θ）為等于各邊界分布的乘積：

L（θ）=■pyii（1-pi）1-yi

L（θ）為n個觀測值的似然函數(shù)。對于確定的標本值yi （i=1，

2…n）來說，它是β0和βi （i=1，2…n）的函數(shù)，即Pi=■。我們的目的是求出得參數(shù)的估計量，且應使L（θ）最大，因為使L（θ）最大化非常困難，所以我們選擇使ln[L（θ）]最大，因為ln[L（θ）]和L（θ）是單調函數(shù)，當ln[L（θ）]取最大值時，L（θ）也同時取到最大值，根據(jù)Logistic函數(shù)，可以得到如下公式：

Pi=P（yi=1|xi）■

ln[L（θ）]=ln[■pyii（1-pi）1-yi]

=■[yiln（pi）+（1-yi）ln（1-pi）]

=■[yiln（■）+ln（1-pi）]

代入公式可以得到：

■[yi（β0+■βixi）+ln（1-■）

=■[yi（β0+■βixi）-ln（1+eβ0+β1x1+βmxim）]（1）

公式（1）稱為似然對數(shù)函數(shù)。為了求得系數(shù)，且使L（θ）最大，分別對βi（i=0，1…m）求偏導數(shù)，并令其為零，得到如下公式：

■=■（yi-■）=0（2）

■=■（yi-■）xij=0 （j=1，2...m）（3）公式（2）與（3）得出的βi為極大似然估計，而相應的條件概率估計值為pi，這個值是指在給定的xi的條件下yi=1的概率估計值，其代表了Logistic回歸模型的擬合值或預測值。

3.Logistic模型的應用。采用軟件SPSS16.0forwindows對數(shù)據(jù)進行處理，經過對變量篩選方法的逐個實驗，使用多元逐步回歸分析（stePwise）得到的篩選效果較為滿意，因此選擇該方法對Logistic回歸模型進行變量篩選。

從模型整體檢驗表中可以看出，R為判定系數(shù)，它是回歸方程擬合優(yōu)度的一個度量，在多元回歸模型中，判定系數(shù)R方為解釋平方和ESS與總平方和TSS的比值，即：

R2=■=1-■

Adjusted R Square 為調整判定系數(shù)R2=1-■，式中，k為包括截距項在內的模型中的參數(shù)個數(shù)。所謂調整，就是指R2的計算式中的■e2i和■（Yi-■）2都用它們的自由度（n-k）和（n-1）去除。Std.Error of the Estimate為估計值的標準差，估計值的標準差越小，估計值代表的線性就越大，相關點的離散程度就越大。判定系數(shù)與調整判定系數(shù)越高說明模型的擬合程度越好。從表2可以看出，經過四步擬合樣本的判定系數(shù)為0.807，調整后的判定系數(shù)也為0.780，說明該模型有較好的整體擬合性，已經達到了模型建立的要求。通過上面的計算和SPSS分析我們可以得到檢驗樣本的回歸模型方程的表達式為：

ln（■）=0.279+0.017X2+0.102X4-0.045X6+0.804X7

從最終回歸模型的回歸系數(shù)可以看出，銷售凈利潤率、流動比率、資產負債率、公司行業(yè)地位這四項指標在一定程度上反映出企業(yè)的還款能力及信用程度，會對房地產企業(yè)是否可以獲得住房公積金貸款準入資格有較大影響。

（三）案例分析

常州市某家房地產企業(yè)具有暫二級房地產開發(fā)資質，注冊資本金5 000萬元。其開發(fā)一樓盤項目，向住房公積金管理中心提交了貸款房源準入審批材料。根據(jù)實地查看和資料分析，對該企業(yè)我們做出如下信用評估：

1.數(shù)據(jù)提取。根據(jù)該企業(yè)提供的財務報表，其銷售凈利潤率為0；流動比率為1.26，經無綱量量化處理取值0.70；資產負債率78.36%，經無綱量量化處理取值0.87；考慮該公司為非上市公司，且根據(jù)調查發(fā)現(xiàn)其開發(fā)的房地產項目存在經營風險、股東變動風險和關聯(lián)人風險，有不能按期交付和資金斷裂的可能，商業(yè)銀行紛紛停止對其提供期房按揭貸款，也沒有商業(yè)性金融機構向該公司提供項目開發(fā)貸款，因此就該公司行業(yè)地位賦值0.1。

2.評價結果。將上述值代入Logistic回歸模型，得值為0.41，因此做出不批準該項目辦理住房公積金貸款房源準入的決定。實踐證明這樣的決定是正確的，避免了住房公積金貸款的損失。

參考文獻：

[1]曹道勝，何明升.商業(yè)銀行信用風險模型的比較及其借鑒[J].金融研究，2006，(10).

[2]王宗軍.基于層次分析法的企業(yè)信用評價方法研究[J].華中科技大學學報，2004，(3).

[3]傅強，李永濤.基于Logistic模型的上市公司信用風險評價[J].華東經濟管理，2005，(9).

[4]楊軍.銀行信用風險——理論、模型和實證分析[M].北京：中國財政經濟出版社，2004：23-28.

[5]馬崇明，唐國儲.論構建中國商業(yè)銀行風險管理體系[J].新金融，2003，(9)：4-37.

[6]王碧劍.房地產企業(yè)信用評價體系及方法研究[D].西安：西安建筑科技大學，2008.[責任編輯 陳麗敏]