衡 春

（中國工商銀行股份有限公司 北京市分行風險管理部， 北京 100031）

在我國，個人貸款具有貸款穩(wěn)定、期限長、違約率較低且違約相關性低的特點，一直是商業(yè)銀行積極拓展的業(yè)務領域。但隨之而來的信用風險是目前商業(yè)銀行面臨的最主要也是最基本的風險。銀行在評估借款人的信用風險的方法有兩種，一種是經(jīng)驗判斷法，一種是信用評價的定量分析方法。這兩種方法都要求銀行掌握借款人的職業(yè)、還款能力、擔保等信息。經(jīng)驗判斷法是客戶經(jīng)理根據(jù)貸款規(guī)章流程，在接單或面簽時憑經(jīng)驗對借款個人及資料進行分析，并據(jù)此做出信貸決策。定量分析方法是指對資料中的數(shù)據(jù)信息進行選擇整理，結(jié)合系統(tǒng)中客戶賬戶行為和人行征信報告，建立有效的信用評估模型對借款人的風險做出估測?？偟膩碚f，定量分析方法更為科學，并且符合巴塞爾資本協(xié)議內(nèi)部評級法的要求，已成為銀行貸款審批發(fā)放和定價的重要依據(jù)。但定量分析缺點是需要定期通過驗證，回測相關模型的計量有效性。如果出現(xiàn)模型驗證不通過的情況，需要對模型設定進行調(diào)整。

對個人進行信用風險一般需要分析研究客戶產(chǎn)生風險的因素，影響因素來源于宏觀環(huán)境和微觀環(huán)境。商業(yè)銀行對于宏觀因素和微觀因素的處理是不同的。宏觀因素，如房地產(chǎn)市場走勢和利率漲幅，會對所有的借款人產(chǎn)生影響。而微觀分析則是圍繞個人及與之相關的一些因素。微觀因素主要是個人的“5C”,即品德（Character）、能力（Capacity）、資本（Capital）、擔保（Collateral）、條件（Condition），還包括貸款期限、貸款利率、還款方式等。[1]但對于客戶個人相關情況的信息采集往往存在一定的數(shù)據(jù)缺失和失真，在解釋力上存疑。

進一步地，微觀因素可分為兩類：客戶的非經(jīng)濟因素,表現(xiàn)的是還款意愿和品德問題,如性別、年齡、婚姻狀況、受教育程度、有無違約事件、有無違法犯罪記錄等；客戶的經(jīng)濟因素，主要是圍繞借款人是否有能力償還貸款,如總負債/總資產(chǎn)、總貸款額/總資產(chǎn)、月還款/穩(wěn)定月收入、貸款額/抵押物價格等。

2007年美國次貸危機引發(fā)了人們對以房屋抵押方式發(fā)放貸款所引發(fā)信用風險的關注。盡管我國個人貸款作為商業(yè)銀行優(yōu)質(zhì)貸款品種，并沒有出現(xiàn)過大面積違約的系統(tǒng)性風險，但其潛在的借款人逾期甚至違約風險仍然值得我們關注。

本文力圖在借鑒國內(nèi)外學者研究成果的基礎上，通過數(shù)據(jù)分析，建立logistic回歸模型，對住房按揭貸款逾期風險決定因素進行分析，并據(jù)此提出相關政策建議。

一、模型構(gòu)建與數(shù)據(jù)來源

一般而言，影響個人住房按揭貸款逾期風險的因素主要分為兩類：一類是與借款人個體及本筆債項相關的微觀變量，反映了借款人特征、貸款特征及所購買房屋特征，主要包括借款人性別、婚姻狀況、教育程度、年齡、收入、是否有違約記錄、貸款金額、貸款期限、貸款利率、貸款成數(shù)、是否現(xiàn)房、所購住房面積等，通過對這類變量的考察能夠分析出客戶違約的風險特征；另一類是宏觀經(jīng)濟變量，反映了整體的經(jīng)濟狀況，主要包括經(jīng)濟增長速度、市場利率水平、貨幣政策、房地產(chǎn)市場供需狀況、房價水平等，這部分變量在任一時點對所有借款人都是一樣的，通過對這類變量的考察能夠分析出在什么樣的經(jīng)濟環(huán)境下，個人住房按揭貸款的逾期風險更大。

本文主要研究個人住房按揭貸款逾期風險的微觀影響因素。使用logistic模型在分析個人住房按揭貸款逾期風險的影響因素，構(gòu)建與借款人個體有關的微觀變量作為解釋變量，借款人是否逾期過作為被解釋變量。Logistic模型的最大優(yōu)點在于它解決了因變量不連續(xù)回歸問題，特別是因變量為分類變量時非常適合使用該模型進行研究，可以較好解決在具體實際業(yè)務中客戶分類因子回歸的情況，達到識別影響個人住房抵押貸款違約風險主要因素的目的。[2]

表1 微觀變量說明與變量賦值

構(gòu)建的logistic模型如下：

在上式中，Pi表示住房按揭貸款發(fā)生逾期風險的概率，Pi取值區(qū)間在0與1之間，β是待估計系數(shù)，X是自變量，μ是隨機誤差項。

Logistic模型采用極大似然估計法來檢驗模型的擬合效果，回歸系數(shù)的檢驗采用Wald統(tǒng)計量檢驗，Wald檢驗值越大表明該自變量的作用越顯著，檢驗結(jié)果可以說明回歸的解釋力的情況。

根據(jù)有關理論和我國現(xiàn)實情況，我們選擇借款人的性別、婚姻狀況、受教育程度、年齡、合同貸款金額、合同貸款余額、貸款年限、實際執(zhí)行利率作為解釋變量，選擇以虛擬變量表示的借款人是否違約作為被解釋變量，違約為1，正常為0。變量說明如表1所示。

根據(jù)有關理論、參考文獻的研究結(jié)果以及現(xiàn)實數(shù)據(jù)采集情況，本文選擇借款人的性別、婚姻狀況、教育程度、年齡、戶口是否當?shù)厝?、供養(yǎng)人數(shù)、是否有其他違約記錄、其他負債金額、貸款金額、貸款余額、貸款期限、貸款成數(shù)、月還款額與月收入之比、貸款利率、住房面積及是否現(xiàn)房作為解釋變量，選擇以虛擬變量表示的借款人是否逾期作為被解釋變量，逾期為1，正常為0。

本文所用數(shù)據(jù)來源于某商業(yè)銀行存量貸款數(shù)據(jù)1，剔除不完整數(shù)據(jù)，共計126 176條，其中違約數(shù)據(jù)共計1 193條。

二、實證分析

（一）房屋抵押貸款逾期風險決定因素的實證結(jié)果

運用SPSS工具對個人住房按揭貸款逾期風險決定因素進行Logistic回歸，具體回歸結(jié)果見表2。

表2 個人住房按揭貸款逾期風險決定因素Logistic回歸結(jié)果

從回歸結(jié)果的P值可以看出，所有自變量的回歸系數(shù)P值均小于0.05，即在95%的置信水平下顯著。對于實際執(zhí)行利率的P值大于0.01，故實際執(zhí)行利率水平在99%的置信水平下是不顯著的。由表2我們發(fā)現(xiàn)以下兩方面的情況。

1.借款人基本情況

（1）性別對違約有顯著的影響，男性借款人的違約可能性高于女性借款人。

（2）婚姻狀況對違約有顯著的影響，單身狀態(tài)下的借款人（包括單身、離異、喪偶等）的違約可能高于已婚狀態(tài)下的借款人。但值得注意的是，婚姻狀態(tài)的采集往往局限于貸款申請時，后續(xù)對于貸款者個人的家庭狀況難以跟蹤，因此銀行需進一步完善相關數(shù)據(jù)采集工作。

（3）受教育程度的高低與違約可能性成反向關系，學歷越高的借款人違約可能性越低。這說明借款人受教育程度越高，對信用越加重視，考慮到違約造成的信譽影響，他們違約可能性要低于受教育程度低者。

（4）年齡大小與違約可能性成正向關系，年齡大的借款人相對于年齡小的借款人容易違約，但從系數(shù)的值來看，兩者的差異反映較小。這一點與經(jīng)驗中的判斷有一定出入，從經(jīng)驗來講，年齡越大的借款人財務穩(wěn)健性較高。

2.住房按揭貸款情況

（1）合同貸款金額、合同貸款余額系數(shù)極小，但從P值而言是顯著的。從貸款業(yè)務實務而言，這說明合同貸款金額、合同貸款余額對于違約的影響存在，但極其微小。

（2）貸款期限與違約可能性成反向關系，期限越長違約的可能性會降低。但從系數(shù)的值而言，其影響不大。

（3）實際利率與貸款違約可能成正向關系，利率越高違約可能性越大，這符合借款人的財務情況。但考慮到銀行個人業(yè)務差異化定價的程度不高，相當?shù)目蛻魣?zhí)行的都是當期最優(yōu)利率，其區(qū)分意義不明顯。

（二）房屋抵押貸款逾期風險logistic回歸解釋力分析

表3 單變量顯著性分析結(jié)果

從表3給出的自變量的顯著性可以看出，變量“合同貸款金額”的P值大于0.576，說明該變量對違約的影響性不顯著。而其他變量均對違約有顯著的影響，故可以在后續(xù)分析中剔除“合同貸款金額”變量進行l(wèi)ogistic回歸。

表4 模型擬合摘要

模型摘要（表4）中給出最大似然平方的對數(shù)、Cox＆Snell擬合優(yōu)度以及Nagelkerke擬合優(yōu)度值。最大似然平方的對數(shù)值（-2loglikelihood=12762.130），用于檢驗模型的整體性擬合效果，該值在理論上服從卡方分布，（查表可知顯著性水平0.05，到自由度數(shù)目df=8，出卡方臨界值為15.5073），因此，最大似然對數(shù)值檢驗不通過，因變量變動中無法解釋的部分是顯著的。需要注意的是Cox＆Snell擬合優(yōu)度以及Nagelkerke擬合優(yōu)度值越接近1則擬合優(yōu)度越高，而模型給出的值都不高，說明所用的變量構(gòu)造logistic模型的對于違約發(fā)生的解釋力不高。從側(cè)面說明，對于違約發(fā)生的影響因素現(xiàn)有的數(shù)據(jù)采集是不夠的。

該模型雖然擬合優(yōu)度不高，但在一定程度上可以揭示模型變量對于違約的影響。

三、結(jié)論與啟示

研究結(jié)果表明：借款人性別、婚姻狀況、受教育程度、年齡、貸款期限、執(zhí)行利率等因素對住房按揭貸款逾期風險具有顯著影響。通過回歸分析發(fā)現(xiàn)，男性借款人、單身狀態(tài)、較低的學歷程度、較大的年齡、較短的貸款期限、較高的執(zhí)行利率會對客戶逾期產(chǎn)生正向影響。從貸款審查角度來看，可以考慮上述各項違約影響因素的基礎上，有針對性地制定個人住房抵押貸款政策，以此來規(guī)范商業(yè)銀行放貸行為，保持穩(wěn)健經(jīng)營。本文亦可以較為簡潔地向貸款審查人員提供風險特征的參考，幫助審查人員進行業(yè)務判斷。[3]

同時本文探討了模型解釋力并進行數(shù)據(jù)質(zhì)量分析，研究表明以現(xiàn)有的信貸審批的個體特征信息還不足以支持對貸款違約的解釋，對于違約發(fā)生的影響因素以現(xiàn)有的數(shù)據(jù)采集是不夠的。特別是對于房產(chǎn)信息、相關抵押品價值信息的數(shù)據(jù)跟蹤采集的缺失，也很大程度上制約了逾期風險分析進一步的數(shù)據(jù)挖掘，采集如何有效選取相關信息字段提高模型的解釋力，是實際工作需要解決的問題。

［1］劉春紅.上海市個人住房抵押貸款違約因素實證分析[J].上海金融，2000（1）：32-34.

［2］王福林.個人住房抵押貸款違約風險影響因素實證研究[D].杭州：浙江大學博士學位論文，2004.

［3］馬宇.我國個人住房抵押貸款違約風險影響因素實證研究[J].統(tǒng)計研究，2009（5）：100-107

［4］Calhoun,C.A.,and Deng,Y.A Dynamic Analysis of Fixed and Adjustable Rate Mortgage Terminations[J].Journal of Real Estate Finance and Economics,2002（24）：9-33.

［5］Hendershott,P.H.,and Schultz,W.R.Equity and Non-equity Determinants of FHA Single-family Mortgage Foreclosures in the 1980s[J].Journal of the American Real Estate and Urban Economics Association,1993（21）：405-430.

［6］Phillips,R.A.,and Vanderhoff,J.H..The Conditional Probability of Forceclosure:An Empirical Analysis of Conventional Mortgage Loan Defaults[J].Real Estate Economics， 2004（32）：571-587.