焦鵬飛 屈國(guó)強(qiáng)

(河南理工大學(xué)工商管理學(xué)院，河南 焦作 454000；河南理工大學(xué)財(cái)經(jīng)學(xué)院，河南 焦作 454000)

?

基于層次分析法的商業(yè)銀行個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估

焦鵬飛 屈國(guó)強(qiáng)

(河南理工大學(xué)工商管理學(xué)院，河南 焦作 454000；河南理工大學(xué)財(cái)經(jīng)學(xué)院，河南 焦作 454000)

個(gè)人住房貸款市場(chǎng)不斷發(fā)展和信用風(fēng)險(xiǎn)逐步暴露，使個(gè)人住房貸款面臨違約風(fēng)險(xiǎn)，而傳統(tǒng)個(gè)人住房貸款信用風(fēng)險(xiǎn)的評(píng)估難以量化。因此，利用層次分析法構(gòu)建了個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估模型。用實(shí)際案例對(duì)該模型進(jìn)行驗(yàn)證和測(cè)試，結(jié)果表明該模型評(píng)估預(yù)測(cè)準(zhǔn)確、評(píng)估結(jié)果客觀、評(píng)估模型實(shí)用性強(qiáng)。

個(gè)人住房貸款；評(píng)估模型；層次分析法

一、引言

2007年夏季，美國(guó)次貸危機(jī)對(duì)國(guó)際金融秩序造成了極大的沖擊和破壞，使金融市場(chǎng)產(chǎn)生了強(qiáng)烈的信貸緊縮效應(yīng)，國(guó)際金融體系系統(tǒng)性金融風(fēng)險(xiǎn)暴露。此次危機(jī)，波及全球、沖擊實(shí)體經(jīng)濟(jì)，中國(guó)也受到次貸危機(jī)的影響。近年來(lái)，我國(guó)的房地產(chǎn)市場(chǎng)發(fā)展迅速，個(gè)人住房貸款已成為我國(guó)個(gè)人消費(fèi)貸款業(yè)務(wù)中新的重要增長(zhǎng)點(diǎn)，2014年實(shí)體經(jīng)濟(jì)調(diào)整持續(xù)深入[1]，導(dǎo)致銀行信用風(fēng)險(xiǎn)不斷上升，部分地區(qū)已達(dá)到相當(dāng)嚴(yán)重的水平[2]。而銀行在個(gè)人住房貸款所面臨最常見(jiàn)、最主要的風(fēng)險(xiǎn)則是信用風(fēng)險(xiǎn)，所以對(duì)信用風(fēng)險(xiǎn)的管理水平是關(guān)鍵。加強(qiáng)對(duì)個(gè)人住房貸款風(fēng)險(xiǎn)的研究，合理的對(duì)其進(jìn)行評(píng)估，對(duì)于各商業(yè)銀行防范金融風(fēng)險(xiǎn)具有重要的理論意義和實(shí)踐價(jià)值。

早期國(guó)外學(xué)者Jung通過(guò)對(duì)金融機(jī)構(gòu)原始資料分析，得出貸款價(jià)值比和個(gè)人抵押貸款利率與違約風(fēng)險(xiǎn)之間存在正相關(guān)關(guān)系；80年代，LisaL. Posey和Abdul lah Yavas通過(guò)博弈分析，得出可調(diào)整抵押貸款和固定抵押貸款之間的關(guān)系[4]；Arden Hall、Gabriel Jimenez[6]、Norvald Instefjord[7]等人指出正確評(píng)估違約所形成的損失對(duì)抵押貸款證券的合理定價(jià)至關(guān)重要；2014年FAF Ferreira以層次分析法(Analytic Hierarchy Process，AHP)為基礎(chǔ)在信用評(píng)分系統(tǒng)中應(yīng)用，提供了一個(gè)更透明的住房抵押貸款風(fēng)險(xiǎn)評(píng)價(jià)體系構(gòu)想的方法框架[8]。

國(guó)內(nèi)這方面的論文雖然比較多，但相對(duì)于實(shí)用性研究并不多。初期人行研究局劉萍提出從政策角度提出解決違約風(fēng)險(xiǎn)的方法[9]；尚耀華等認(rèn)為導(dǎo)致個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估違約風(fēng)險(xiǎn)的發(fā)生除了與購(gòu)房者資產(chǎn)凈值、貸款支出占月收入比等財(cái)政因素有關(guān)外，還與個(gè)人信用有很大關(guān)系[10]；鄭媛將中美兩國(guó)的個(gè)人住房抵押貸款風(fēng)險(xiǎn)進(jìn)行比較，在此基礎(chǔ)上提出具體可行的防范個(gè)人住房抵押貸款風(fēng)險(xiǎn)的對(duì)策[11]；2015年張國(guó)政、陳偉煌、劉呈輝基于商業(yè)銀行個(gè)人消費(fèi)信貸的實(shí)際操作數(shù)據(jù)和Logistic回歸模型，利用SPSS17.0統(tǒng)計(jì)軟件構(gòu)建個(gè)人信用評(píng)分模型，通過(guò)實(shí)證，測(cè)得借款人的年齡、婚姻狀況、受教育程度等六項(xiàng)指標(biāo)是影響個(gè)人信用風(fēng)險(xiǎn)的關(guān)鍵因素[12]；2016年陳佳潔、李建波嘗試用AHP分析法建立商業(yè)銀行中小企業(yè)貸款信用風(fēng)險(xiǎn)評(píng)估模型，以期能找到科學(xué)的風(fēng)險(xiǎn)評(píng)估方法[13]。

根據(jù)大量中文文獻(xiàn)參考，應(yīng)用定量模型進(jìn)行實(shí)證研究較少，國(guó)內(nèi)對(duì)其研究基本集中在理論上。國(guó)外對(duì)AHP方法和信用風(fēng)險(xiǎn)及其評(píng)估的研究比較成熟，而國(guó)內(nèi)進(jìn)行實(shí)用性研究尚較欠缺。本文在國(guó)內(nèi)外研究基礎(chǔ)上，運(yùn)用AHP分析法構(gòu)建個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估模型。

二、基于AHP分析法的個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估模型

(一)AHP分析法

AHP分析法是匹茲堡大學(xué)Thomas L.Saaty教授于20世紀(jì)70年代初期提出的一種實(shí)用的多準(zhǔn)則決策方法，它把一個(gè)復(fù)雜的決策問(wèn)題表示為一個(gè)有序的遞階層次結(jié)構(gòu)，并通過(guò)人們的主觀判斷和科學(xué)計(jì)算結(jié)出備選方案的優(yōu)劣順序[14]。通過(guò)AHP分析法分配指標(biāo)權(quán)重，尋找重要評(píng)估層面，建立各類(lèi)評(píng)估層面、要素和權(quán)重，最后以此進(jìn)行有效排序，使銀行對(duì)借款人未來(lái)還款能力有更客觀的評(píng)價(jià)，實(shí)現(xiàn)了連續(xù)性指標(biāo)和狀態(tài)性指標(biāo)的綜合分析，最終做出合理的信貸決策。

(二)風(fēng)險(xiǎn)評(píng)估模型的構(gòu)建

1.確立目標(biāo)集

2.建立因素集

3.構(gòu)設(shè)評(píng)語(yǔ)集

評(píng)語(yǔ)集為V=(V1,V2,…，Vn)，其中表示該因素從好到差的各級(jí)評(píng)語(yǔ)，而每個(gè)指標(biāo)評(píng)語(yǔ)將采用專家評(píng)分法。文中各指標(biāo)評(píng)語(yǔ)設(shè)為“良好”、“較好”、“一般”和“差”4個(gè)等級(jí)。V1、V2、V3、V4分別代表良好、較好、一般、差。

4.確定隸屬矩陣

在確定隸屬矩陣時(shí)，采用專家評(píng)估的方法得出數(shù)據(jù)。首先根據(jù)客戶的情況編制了個(gè)人住房貸款風(fēng)險(xiǎn)因素量化水平評(píng)估表(表1)，然后各位專家評(píng)委根據(jù)客戶的情況，在表2的四個(gè)評(píng)語(yǔ)等級(jí)中選出同意的一個(gè)評(píng)語(yǔ)等級(jí)(在選項(xiàng)下面打√)。然后，依據(jù)評(píng)委評(píng)估的數(shù)據(jù)，構(gòu)建隸屬矩陣Rk。

5.模糊矩陣運(yùn)算

用加權(quán)平均算子對(duì)二級(jí)指標(biāo)Xki的評(píng)價(jià)矩陣Rk作模糊矩陣運(yùn)算，即得到子目標(biāo)Xk對(duì)評(píng)語(yǔ)集V的隸屬向量Ak：

Ak=WkRk=(ak1,ak2,…,akp)

(1)

根據(jù)式1分別對(duì)3級(jí)矩陣進(jìn)行計(jì)算，得到矩陣A1、A2、A3、A4、A5、A6。

依據(jù)式2：

(2)

得出矩陣R后，對(duì)矩陣R進(jìn)行模糊矩陣運(yùn)算。得到總目標(biāo)層指標(biāo)X對(duì)于評(píng)語(yǔ)集V的隸屬向量：

=(a1,a2,…,an)

(3)

表1 基本情況分析表

表2 個(gè)人住房貸款風(fēng)險(xiǎn)因素量化水平評(píng)估表

依據(jù)式3將矩陣R和其權(quán)重相乘，得到A矩陣，即最后的評(píng)價(jià)矩陣。由此評(píng)價(jià)矩陣可以得出商業(yè)銀行對(duì)客戶個(gè)人住房貸款風(fēng)險(xiǎn)評(píng)估的隸屬度，如表3：

表3 商業(yè)銀行對(duì)客戶綜合評(píng)估隸屬度表

6.綜合評(píng)定

對(duì)于工商銀行來(lái)說(shuō)，如果客戶的評(píng)估等級(jí)為“良好”和“較好”的狀態(tài)下，可以給予貸款；如果評(píng)估等級(jí)為“一般”，那么工商銀行必須對(duì)其進(jìn)行全面、細(xì)致的調(diào)查，然后在決定是否給予貸款；如果評(píng)估等級(jí)為“差”，那么不能給予貸款。

(三)案例分析

上海市A公司職工李某于2014年10月1日向某商業(yè)銀行上海分行提出借貸申請(qǐng)，貸款金額為40萬(wàn)元用于買(mǎi)房。李某的情況如下：A公司為某上市公司，經(jīng)濟(jì)效益良好。李某擔(dān)任其銷(xiāo)售部經(jīng)理，工作能力強(qiáng)，家庭條件優(yōu)良，妻子為某國(guó)企員工，夫妻雙方都由各自的單位購(gòu)買(mǎi)了“四險(xiǎn)”，家中只有一個(gè)女孩需要撫養(yǎng)。從李某的個(gè)人誠(chéng)信檔案中可以看出，其信用記錄一直良好，沒(méi)有任何債務(wù)。李某的申請(qǐng)是分15年還清房貸，每月需要償付的本金、利息、稅款等大約為3000元。

首先根據(jù)李某的情況編制了個(gè)人住房貸款風(fēng)險(xiǎn)因素量化水平評(píng)估表(表4)，然后各位專家評(píng)委根據(jù)李某的情況，在表2的四個(gè)評(píng)語(yǔ)等級(jí)中選出同意的一個(gè)評(píng)語(yǔ)等級(jí)(在選項(xiàng)下面打√)。

表4 某商業(yè)銀行——李某的基本情況分析表

依據(jù)各位評(píng)委評(píng)估結(jié)果對(duì)每項(xiàng)二級(jí)指標(biāo)的占比情況，構(gòu)建隸屬矩陣Rk。具體評(píng)估矩陣如下：

根據(jù)公式3-2分別對(duì)3級(jí)矩陣進(jìn)行計(jì)算，得到矩陣A1、A2、A3、A4、A55、A6：

A1=W1R1=(0.408 0.330 0.262 0)

A2=W2R2=(0.400 0.433 0.167 0)

A3=W3R3=(0.359 0.334 0.307 0)

A4=W4R4=(0.393 0.393 0.214 0)

A5=W5R5=(0.320 0.500 0.180 0)

A6=W6R6=(0.100 0.400 0.467 0.033)

依據(jù)公式3-3得出矩陣R：

然后對(duì)R進(jìn)行模糊矩陣運(yùn)算。依據(jù)公式3-4將矩陣R和其權(quán)重相乘，得到A矩陣，即最后的評(píng)價(jià)矩陣：

A=WR=[0.358 0.390 0.250 0.002]

由此評(píng)價(jià)矩陣可以得出工商銀行對(duì)李某個(gè)人住房貸款風(fēng)險(xiǎn)評(píng)估的隸屬度，如表5。

最后對(duì)評(píng)語(yǔ)集V中各因素進(jìn)行量化，具體賦值為V1=20、V2=40、V3=60、V4=80、V5=100，則最終評(píng)價(jià)結(jié)果V在20到100之間，值越大說(shuō)明李某個(gè)人住房貸款信用情況越好，反之也說(shuō)明越差。對(duì)李某個(gè)人住房貸款風(fēng)險(xiǎn)進(jìn)行量化，實(shí)際結(jié)果為：F=AVT=82.08。對(duì)于李某，某商業(yè)銀行是可以對(duì)其發(fā)放貸款。

表5 某商業(yè)銀行對(duì)李某綜合評(píng)估隸屬度表

四、結(jié)束語(yǔ)

我國(guó)個(gè)人住房貸款起步較晚，仍處于發(fā)展階段，在風(fēng)險(xiǎn)評(píng)估方面仍存在諸多不足。本文結(jié)合李某案例，分析了基于AHP算法對(duì)個(gè)人住房貸款風(fēng)險(xiǎn)的評(píng)估，較好的解決了商業(yè)銀行個(gè)人住房貸款風(fēng)險(xiǎn)評(píng)估量化問(wèn)題，實(shí)現(xiàn)個(gè)人住房貸款風(fēng)險(xiǎn)動(dòng)態(tài)的評(píng)估，提高資金管理水平，最終為商業(yè)銀行是否發(fā)放個(gè)人住房貸款提供了依據(jù)和參考，有效防范和化解風(fēng)險(xiǎn)。

[1] 李楊，王國(guó)剛.中國(guó)金融發(fā)展報(bào)告2011[R].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2011：33-53.

[2] 李楊，王國(guó)剛.中國(guó)金融發(fā)展報(bào)告2015[R].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2014：31-47.

[3] Allen FJ.Terms of Conventional Mortgage Loans on Existing Houses.Journal of Finance，1962，17(3)：432-443.

[4] Lisa LP，Abdullah Y.Adjustable and Fixed Rate Mortgages as a Screening Mechanism for Default Risk. Journal of Urban Economics，2001，49(1)：54-79.

[5] Arden H.Controlling for Burnout in Estimating Mortgage Prepayment Models.Journal of Housing Economics，2000，(9)：215-232.

[6] Gabriel J，Jesus S C.Type of Lender and Relationship：Banking as Determinants of Credit Risk.Journal of Banking &Finance，2004，28(2)：2191-2212.

[7] Norvald I.Risk and Hedging：Do Credit Derivatives Increase Bank Risk.Journal of Banking &Finance，2005，29(3)：333-345.

[8] Ferreira FAF.An AHP-based approach to credit risk evaluation of mortgage loans[J].International Journal of Strategic Property Management，2014，18(1)：38-55.

[9] 劉萍.個(gè)人住房抵押貸款風(fēng)險(xiǎn)探析[J].金融研究，2002(8)：105-110.

[10] 尚耀華，萬(wàn)威武.個(gè)人住房抵押貸款的風(fēng)險(xiǎn)與控制[J].統(tǒng)計(jì)與決策，2006(2)：109-111.

[11] 鄭媛.商業(yè)銀行個(gè)人住房抵押貸款風(fēng)險(xiǎn)分析[J].中國(guó)集體經(jīng)濟(jì)，2010(16)：101-102.

[12] 張國(guó)政，陳維煌，劉呈輝.基于Logistic模型的商業(yè)銀行個(gè)人消費(fèi)信貸風(fēng)險(xiǎn)評(píng)估研究[J].金融理論與實(shí)踐，2015(3)：53-57.

[13] 陳佳潔，李建波.基于DEA/AHP的我國(guó)商業(yè)銀行中小企業(yè)貸款信用風(fēng)險(xiǎn)評(píng)估研究[J].中國(guó)證券期貨，2009(7)：73-75.

[14] 張炳江.層次分析法及其應(yīng)用案例[M].北京：電子工業(yè)出版社，2014.

[15] 張曉慧，李元.COSO新框架下風(fēng)險(xiǎn)管理與內(nèi)部控制的有機(jī)融合探討[J].經(jīng)營(yíng)者：學(xué)術(shù)版，2013，27(6)：72-72.

[16] 陳旭東，吳昊旻.COSO報(bào)告、巴塞爾資本協(xié)議與我國(guó)商業(yè)銀行內(nèi)部控制[J].商業(yè)研究，2007(5)：211-213.

[17] 程曉寒.H銀行A分行個(gè)人住房貸款風(fēng)險(xiǎn)研究[D].天津商業(yè)大學(xué)，2015.

河南省政府決策研究招標(biāo)一般課題(No.2016B080)；河南省教育廳科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目軟科學(xué)計(jì)劃項(xiàng)目(No.14B630009)；河南理工大學(xué)博士基金項(xiàng)目(No.SZB2013-34)。