基于判别分析法的个人抵押贷款违约风险实证研究



基于判别分析法的个人抵押贷款违约风险实证研究

陈传刚1，高凌云2

（1、山东高速股份有限公司投资部，济南250014；2、山东警察学院，济南250014）

摘要：爆发于2007年的美国“次贷”危机曾引发全球金融和经济动荡，其直接原因是抵押借款人违约。金融危机以来，随着金融领域利率市场化不断演进，如何根据抵押人及其行为信息有效判别贷款违约风险，成为我国商业银行迫切需要解决的问题，尤其在近年来我国房地产市场风险不断积累，住房按揭贷款在个人贷款中比重不断上升的背景下。通过应用经济统计学中的判别分析法，构建抵押贷款违约风险计量模型，对实证数据回归分析，探究了影响违约风险的实证因素，提出降低个人抵押贷款违约风险的对策：加强借款人信用信息的采集和甄别，实行严格的贷前审查；依据风险收益原则，实行差别化经营方针及风险管理策略；建立、健全个人抵押贷款信用担保体系，保障违约贷款及时得到偿付。

关键词：抵押贷款；违约风险；判别分析

爆发于2007年的美国“次贷”危机曾引发全球金融和经济动荡，而这场危机的直接原因是抵押借款人的违约。近年来，随着我国银行领域利率市场化不断演进，如何根据抵押人及其行为信息有效判别贷款违约风险，依据信用风险大小调整经验策略，已逐渐成为我国商业银行经营过程中急需解决问题。此外，近年来我国房地产市场风险在不断积累，房地产市场价格拐点预期趋向一致，而我国商业银行的住房按揭贷款在个人贷款中比重不断上升。在上述特殊背景下，如何有效评估和识别抵押借款人潜在违约风险，关系到我国商业银行能否有效抵御风险，实现稳健经营。本文应用经济统计学的“判别分析”（Discriminate Analysis），探究影响贷款违约风险的实证因素，构建抵押贷款违约风险计量模型，为商业银行及相关金融机构有效识别和评估个人抵押贷款的违约风险提供借鉴。

一、相关文献综述

国外有关抵押贷款违约风险的实证研究，最早见于Jung和Allen（1962）[1]的文章。Jung和Allen认为，违约风险的影响因素主要是贷款价值比和贷款利率这两个变量。两个变量与违约风险成正相关关系，贷款价值比（即贷款金额占抵押物评估值的比重）越高，违约风险越大；贷款利率越高，违约风险越大。Jung和Allen的研究为此类研究提供了基本思路，即运用统计方法研究贷款数据，找出影响违约风险的主要实证因素。后续研究尝试采用新的统计方法来构建模型，并在模型中纳入了更多变量。如Gau和George（1978）[2]就运用统计技术对样本数据进行了降维，应用多维度变量对个人住房抵押贷款的违约风险进行回归分析，并构建了预测贷款违约风险的计量模型。

国内实证研究主要涉及借款人自身特征、抵押物状况、银行及相关机构管理经营三个方面。在研究方法上，以演绎推理的逻辑方式为主，侧重分析原因，提出预防违约风险的对策。例如，刘桂平（2004）[3]详细介绍了美国美联银行和纽约银行的风险管理经验，指出了贷款违约风险的五大影响因素——借款人的偿债能力、借款人及其担保人的道德风险、贷款抵押物的保证程度、商业银行监控力度以及外部经济变化。傅文昭和李娜（2005）[4]将“信用风险”明确区分为第一还款来源风险和第二还款来源风险，指出第一还款来源风险是道德风险，即借款人故意不履行偿债义务而形成的拖欠或无力偿还而形成的损失；第二还款来源风险主要是抵押物无形损失或抵押物处置损失。胡红星（2007）[5]根据个人住房抵押贷款自身特性和其内外部影响因素，分析了我国商业银行个人住房抵押贷款主要面临的八大风险并提出应该采取的风险化解和风险防范措施。徐淑一和王宁宁（2011）[6]利用我国住房抵押贷款持续期数据，运用Cox比例风险模型对贷款终止的提前还款和违约这两种情形展开研究，并进一步讨论了基于持续期的贷款终止风险研究在银行抵押贷款证券化和信贷风险管理中的意义。

二、样本数据与统计变量

本文所研究的“个人抵押类贷款”（Personal Mortgage Loan），指借款人以其自有资产（主要是房产或汽车）作为抵押或质押，向银行申请个人贷款的业务。虽然“抵押”和“质押”在法律意义上属于不同概念，但就经济学意义而言，均是以物产生的担保，故本文合并研究。基于此，本文所研究的个人抵押贷款业务，从商业银行经营的角度涵盖个人住房抵押贷款和个人汽车消费贷款两类。其中，个人住房抵押贷款又可分为住房按揭贷款和房产抵押（经营性）贷款两类。本文所指“借款人违约”指借款人在未经贷款银行允许情形下，未按贷款合同约定履行正常还款义务，导致贷款未能如期偿还的行为。就研究变量而言，影响抵押贷款违约风险的变量众多。为便于回归后的分析，本文将其梳理为“借款人自身特征”、“抵押物特征”及“贷款特征”三大类变量展开判别分析。

（一）样本数据

样本数据来源于山东省某某担保公司2007-2013年在省内某地市贷款业务数据，涉及五家商业银行，容量为1150条，其中违约数据422条，正常还款数据728条，数据的选择数量和范围符合统计学的要求，具体如表1：

（二）统计变量

统计变量共选取15个，分为借款人特征变量、贷款特征变量、抵押物特征变量三类，因变量为“是否违约”，具体情况如表2：

表1　样本数据情况

表2　　变　量　情　况

三、判别分析

判别分析（Discriminate Analysis）是一种先根据已知类别的事物性质建立判别函数，对未知类别的新事物进行判断，以将其归入已知类别中的一种统计方法。本文拟采用“正判率（Hit Ratio）”指标，即回归函数对数据判别的准确率，来衡量判别函数的有效性和准确性。在设定判别精确度时，本文借鉴“20%/25%”法则，即正判率应超过随机分组比率的20%或25%。在本文中样本数据容量是1150条，其中违约数据422条，正常数据728条。样本中，违约概率为0.366，正常数据的概率为0.634，随机分组比率为0.5359。由此，正判率超过64.31%（1.2倍）或66.98%（1.25倍），可认为判别函数是有效、可信的。另外，本文采用回代法和交互验证法进行正判率的验证。

（一）系数回归

SPSS结果文件给出的判别函数典型相关系数（Canonical Correlation）值为0.638。判别函数的特征根检验中，sig值小于0.001，拒绝原假设，即各分组的均值向量之间的重心不是完全重合的。SPSS结果文件显示该判别函数标准化自变量和原始自变量的系数矩阵，两个判别函数回归参数列示如表3：

（二）判别函数及其验证

根据表3，推导出的判别函数如下：

表3　回归系数

Y=（-2.28）+（-0.293）X1+（-0.027）X2+0.26X3+ 0.612X4+1.774X5+（-2.017）X6+（-0.173）X7+0.604X8+ 4.016X9+0.324X10+0.008X11+0.006X12+0.054X13+ （-0.002）X14

运用回归判别函数对原样本数据进行验证结果如表4：

表4　回归函数验证结果

表4上半部分是采用回代法得到的判别信息，可见把正常数据判为正常的概率为82.6%，把违约数据判为违约的概率为75.3%；表4的下半部分是采用交互验证法得到的判别信息，正判率略低于回代法得到的数值。脚注b和脚注c说明，回代法得到的总正判率为79.9%，而交互法得到的正判率为79.1%，两者均高于自然分组比率的1.2倍（64.31%）或1.25倍（66.98%）。因此，该判别函数是有效且可信的。

另外，本文还对模型的适应条件进行单因素方差分析检验，检验结果显示贷款金额、抵押物评估值两个变量的Sig值分别是0.485和0.325，即违约数据和正常数据在这三个变量上的特征均不显著，这说明贷款金额的多少和抵押物价值的高低与贷款是否会发生违约关联度不高。同时，这两个变量也是相关的，抵押贷款的抵押物价值一般与贷款金额成正比。

四、回归结果分析

（一）借款人特征变量

经过上述回归分析后发现，在纳入回归模型的变量中，“借款人特征”变量较为显著的子变量为“是否本地人”、“是否本省人”及“每月负债率”。前两个变量说明借款人户籍状况是衡量借款人是否违约重要指标，这或许与道德风险有关。也就是说，异地户籍的借款人，会考虑自己违约后银行支付较高追偿成本，因而选择违约的概率较大。“每月负债率”变量的参数值表明每月负债率越高，其违约风险或违约程度也就越高，这符合一般常识。

从表3还可看出，其他子变量如“年龄”、“性别”、“家庭月收入”等对违约风险的影响不大，这与实际业务操作中的思路略有不同，但这些指标仍可作为衡量违约风险的参考指标。需要说明的是“单位评分”变量，一般认为借款人职业越稳定，贷款违约风险越小，实际业务操作中也往往将其作为衡量借款人信用的重要指标，但回归结果却否定了上述假设。

（二）贷款特征变量

总的来看，在“贷款特征”变量中，“贷款种类”和“行别”两个子变量较为显著。“贷款种类”变量的参数值为0.46，结合本文对于贷款种类值的设定，说明个人住房按揭贷款的违约风险最低，个人房产抵押（经营性）贷款风险略高于个人住房按揭贷款。本文认为，这可能基于两方面原因：首先是抵押物特征，个人房产抵押贷款的抵押物通常是二手房或旧房，而个人住房按揭贷款抵押物一般是新房或期房，这种抵押物年限的微小差别，间接影响到了抵押债权的变现能力，进而影响到了贷款违约的风险。更为重要的因素是贷款用途，个人房产抵押贷款多用于个人经营，而个人住房按揭贷款多为自住或出租，前者的还款现金流受经营风险影响较为显著，往往不如后者稳定。“行别”变量的参数值体现了不同贷款银行在经营中遭遇违约风险的差异。我们发现，“行别”值为2的银行，其相同贷款品种发生违约概率或违约程度的水平最低，体现出较高的风险管理水平，这或许与该银行在贷款审批过程中的严格审查、在贷款发放后的后续风险控制措施得当密切相关。

除此之外，“贷款金额”和“每期还款额”两个变量的参数值不很显著，这说明贷款金额及每期还款额对于违约风险的影响并非显著。可以解释这种现象的理由是，贷款金额和每期还款额往往与抵押物价值、借款人还款能力相关。

（三）抵押物特征变量

在“抵押物特征”变量中，“抵押率”和“抵押物价值趋势”两个子变量参数值最为显著，分别为0.604和0.141。“抵押率”变量显著说明，抵押率对于贷款违约风险较为敏感。换句话说，在抵押率较高情形下，若抵押物价值下跌，借款人如果选择违约，贷款银行通过拍卖抵押物追偿贷款余值的可能性越小，因为抵押物价值可能减少至贷款余值以下；而在抵押率较低的情况下，借款人选择违约是非理性的，因为抵押物价值往往远远高于贷款余值。理性观点认为，抵押物在不断升值时，违约概率会下降。2012年底以前，我国各大城市的房产价格处于上涨周期中，因此个人住房按揭贷款和个人房产抵押贷款的违约概率明显小于个人汽车消费贷款。而抵押物价值趋向下跌，特别是低于贷款余值时，贷款权益就变为负值，继续偿贷就变为不理性行为，所以贷款违约概率就会上升，这正是07年美国“次贷”危机爆发的直接原因，也是汽车消费贷款往往在贷款年限的最后两年违约比例上升的原因。

五、对策建议

（一）加强借款人信用信息的采集和甄别，实行严格的贷前审查

在贷前审查中应着重注意两条线索：一是借款人户籍特征可能带来的道德风险；二是借款人家庭的每月负债率关联的还款风险。首先，对于异地户籍借款人，商业银行在贷款授信审批时应详细准确把握借款人户籍信息，确保信息真实性和可追溯性，必要时可采取追加抵押物或当地户籍担保人的方式来降低未来贷款违约的风险。其次，准确测算借款人家庭的每月负债率。前提条件是结合借款人职业状况核实收入的真实性，进而结合征信记录查询借款人负债情况，必要时采取实地核定的方式确保信息真实准确。而对于那些信息不完全或无法准确预测家庭每月负债率的借款人，可以通过选择放弃业务或者通过提高首付比例和降低抵押率的方法来降低信贷风险。

（二）依据风险收益原则，实行差别化的经营方针及风险管理策略

商业银行应该针对不同的贷款品种实行差别化的贷款利率，保证贷款风险与收益达到合理的均衡。首先是针对不同贷款品种实行差别化利率的经营方针。在实际操作中，商业银行对于个人汽车消费贷款这类抵押物价值趋势不断降低的贷款品种，应采取适当上浮贷款利率的方法来抵御信贷风险，或设计贷款方式使借款人在贷款前期先多偿还本息，以此减少抵押物贬值风险；而对于个人住房抵押贷款，应该结合房地产市场的整体变化趋势，参考抵押物价值的变动状况，适当上下浮动贷款利率，以期实现较为理想的利润目标。其次是针对不同借款人实行差别化的风险管理策略。对于信用状况良好、违约风险较低的借款人，应适当放宽授信条件，适当下浮利率来吸引客户，主要采取贷前风险控制措施；而对于信用状况一般或较差的借款人，应严格授信条件，贷前适当提高利率、追加担保措施，贷后密切追踪，保障信贷安全。

（三）建立健全个人抵押贷款的信用担保体系，保障违约贷款及时得到偿付

任何贷款都是有风险的，即使通过各种手段降低或抵消风险，风险终归不能完全消除。对于个人抵押贷款而言，抵押物可以看做第一道担保线，违约风险可以完全或部分通过追偿抵押物的方式得到补偿。但抵押物的追偿往往涉及一定法律程序和障碍，而且抵押物变现本身也具有一定风险。而且，即使抵押物预期可以完全补偿风险，但由于变现需要一定时间，故而在一定时期内给银行信贷风险的考核带来困难。因此，商业银行应该积极建立和健全个人抵押贷款的信用担保体系，确保贷款具备及时有效的第二还款来源。个人信用担保体系的建立和健全，可以从两个方面来加强。一是建立自然人担保及互保体系，通过自然人的担保和相互担保来降低贷款违约的风险；二是建立以担保公司为主的法人担保体系。担保公司经营原理类似于保险公司，循序大数定律所确定的概率法则，通过多数被担保人的保费收入来保障单一被担保人可能发生的违约风险，而且担保资金

收稿日期：2014-8-30

DOI：10.3969/J.ISSN.2095-7238.2015.02.010

文章编号：2095-7238（2015）02-0058-06

文献标识码：A

中图分类号：F832.4