房地产业风险管控研究及控制方法探讨

时间:2019-09-27

摘要

　　房地产业作为国民经济中一个重要支柱产业，其风险管控关系到整个国民经济的安全稳定。近年来房地产业发展迅猛，助推经济增长的同时也积聚了风险隐患，对商业银行管控房贷风险的能力提出了更高的要求。本文通过对N银行最近十年房贷数据的整理，基于大数据视角进行计量和风险分析，从而构建一个相对科学合理的房地产贷款风险管理模型，并在此基础上研究防范风险。这将有助于以商业银行为主的各方增强风险管控意识，降低房贷风险，为国民经济的健康稳定发展做出贡献。

　　本文首先从国内外研究现状出发，基于信息不对称理论、泡沫理论和大数据理论探讨了房地产信贷市场上的实际表现及商业银行自身放贷的风险，然后对我国房地产贷款特点、资金来源和发展现状等进行分析，再对N银行最近十年房贷数据进行清洗并在此基础上建立模型，从不同角度量化分析风险因素，最后通过国外发达国家风险防范的经验和警示，在大数据视角下借助模型分析对我国商业银行防范房地产贷款风险提出对策和建议。本文研究发现，通过Oracle数据库对N银行最近十年的房贷数据进行清洗整理然后根据所得出的一段时间各个行业不良贷的数据库，利用数据挖掘得到个人贷或者其他类型贷款的风险贷概率，通过对用户资料的评估，确定出风险区间。商业银行可以利用大数据手段下得到的全集数据库作为支撑，能得到更加科学的风险值，针对特定行业或者类型的贷款进行处理，从而得出更有针对性的风险评估。同时本模型具有数据反馈的特性，可以根据毎一次数据分析的结果和实际偏差对原有模型进行修正，并将这一修正反馈给数据库。

　　关键词：商业银行；房地产贷款；风险管理模型

目录

　　1绪论

　　1.1研究背景

　　2008年美国次贷危机爆发，在缺乏监管和高杠杆率的大环境下最终导致房贷泡沬破裂，花旗银行，巴黎银行等全球着名金融机构出现巨额亏损，新世纪金融、雷曼兄弟、印地麦克银行等商业巨头纷纷破产，金融危机使美国经济遭受严重打击并很快波及其他国家乃至席卷全球，世界各地央行相继出手救市仍然无法挽回巨额损失。次贷危机对全球的金融体系造成了巨大冲击，而个人住房次级抵押贷款正是这场金融风暴的起因。可见房地产业作为一个国家的重要支柱产业，对于整个社会的金融安全和经济稳定有着巨大的影响。

　　从次贷危机爆发至今十年间正是我国房地产市场的高速发展期。次贷危机一定程度上影响了我国政府对房地产业的发展政策和消费者对于房地产市场的预期，2008年诸如深圳等城市房地产市场出现价格滞涨和成交量下滑，1月全国70个大中城市房屋销售价格环比上涨仅为0.3%.为应对全球性金融危机，国家采取鼓励和支持房地产市场发展作为稳定经济的重要支撑措施，很快刚刚降温的房地产市场出现报复性反弹：商业银行加快扩张房地产贷款业务，地产开发商急于拿地和追求项目利润，个人购房者和投资者通过按揭和证券化等方式积极运用资金杠杆，尽管随后国家开始严厉调控房地产市场，相继在2010年出台“国十条”和2013年出台“国五条”等限购限贷举措，房地产市场高位运行的态势却没有真正得到遏制，而十年来房地产市场过热带来的泡沫和风险正在积聚。

　　在房地产市场高速发展的同时，我国逐渐步入大数据时代。信息技术取得长足进步，互联网快速普及，房地产行业每天都在产生着海量的数据。对大量历史数据的挖掘和分析，可以有效地发现房地产信贷市场的变化趋势并获得可供预测调整的基础信息。在信息时代充分利用大数据工具来有效的控制房贷风险是非常值得研究的方向。

　　1.2研究目的及意义

　　房地产业是国民经济中一个重要支柱产业，其风险管控重要性对于整个金融体不容忽视。国外历史上几次着名的金融危机大多与房贷泡沫破裂有关，虽然目前房地产行业不良贷款率相对较低，但是一旦隐藏的风险积聚导致房贷危机爆发，对整个社会带来的负面影响很可能超出预期。因此对房地产风险的研究分析对商业银行管控信贷风险乃至金融体系稳健运行意义重大。本文以N银行为例，通过对其最近十年房贷数据的分析整理，基于大数据视角进行风险分析，构建一个相对科学合理的房地产贷款风险管理模型，在此基础上量化研究房地产贷款风险。通过对房贷数据以及模型的分析，可以使得我们深入探究房贷风险是否比当年有所降低，房地产业是否存在过度投资，量化当前房产泡沬等等。通过对隐藏在大数据内部有价值的信息分析可以为防范我国房地产信贷市场风险提供决策指导，通过对房贷大数据建模分析可以积极量化房贷风险，通过对大数据技术的学习可以提升信贷人员业务水平和风险防范意识。这将有助于以商业银行为主的各方增强风险管控意识，降低房贷风险，为国民经济的健康稳定发展做出贡献。

　　1.3国内外研究综述

　　1.3.1国外研究现状

　　PeterS.Rose&SylviaC.Hudgins（2013,P.72-85）描绘了非银行金融机构及各种新型的资产证券化衍生品在整个银行贷款中日益增长的竞争态势、并指出新型不动产抵押贷款将在房地产贷款市场上占据越来越重要的地位。PeterS.Rose认为，不动产作为特殊的物权担保，由于不动产的特殊性，抵押人一般不需要转移对其的占有就可以达到相关的担保之目的，因此不动产抵押贷款形式越创新越便捷，在实践中也就越受到人们的欢迎。

　　Jos印hF.Sinkey,Jr.（2005,P.83-92）以金融创新与风险管理为主线，着重强调宏观监管、贷款保险以及道德对于商业银行和金融服务业的重要影响。他的研究表明低风险企业对利率敏感度较高，如果贷款利率过高部分企业将会退出信贷市场，同时道德危害会导致银行信贷市场资金安全问题并造成利润率降低R.GlennHubbard&AnthonyPatrickO'Brien（2013,P.252-259）指出在房地产信贷市场中资产价格失衡会严重影响抵押物价值，从而引发系统性风险和宏观金融危机对国民经济和社会稳定造成影响。NadiahAbdHamid,AiiniFarhanahJailani&RohayaMdNooreta!（2016,P.255-264）通过列举马来西亚内陆税收局的官方数据，指出从2012到2014年间马来西亚政府实施的税收激励政策对负有房贷的低收入人群好处巨大，税收减免促使人们不仅乐于去贷款，也使得人们努力去发展实体，这个乘数效应将对马来西亚的经济产生巨大的影响，所以税收的激励政策应该继续保留而不是被取消。GulderKemalbay&OzlemBerakKorkmazoglu（2013,P.730-736）通过建立逻辑回归模型，对多重共线性问题的绝对主成分进行分析，随机对2332位购房者贷款是否被批准进行预测。他们研究表明，通过对线性问题的主成分进行分析也可以对非线性的混合指标进行预测。他们的调研数据中84.6%的房贷申请者和94.1%的未申请者被正确分类。总的分类准确率为91.196.这个模型可以协助银行判别是否应该给购房申请者批准贷款。ZhaoZhihong,ChiGuotai&LiGang（2010,P.325-330）通过对个人住房贷款一千多个有效调查问卷的总结分析，在他们建立的G1模型下进行不同的评价指标评估，发现交付一年后付款和用信用卡分期还款等5个因素对购房者贷款意愿影响较大，建议银行在开发创新型房贷产品时尤其关注这5个因素。

　　PhilippeHerlin（2017,P.106-119）指出支付方式变革势在必行，此次革新可能完全颠覆银行的主导地位，这将同样对银行的房地产贷款业务造成影响。他声称新形态的支付模式将崩解现行的货币系统，传统的银行极有可能被边缘化，银行贷款也要思考自己的出路。James,R.,Kalyvas（2016,P.186-192）指出要高效地利用大数据的同时要注意避免风险和责任的问题，合理使用健康信息，他强调在新的商业模式下确保企业使用大数据时能够注意不要越过法律红线。国外机构的房贷风险管理意识较强，发达国家房贷业务本身拥有着较长的历史，在其摸索和成长道路上打下了坚实的基础。首先国外部分研究对各种房贷产品进行设计包装，思路较为广阔，其认为房贷产品的创新可以满足不同群体客户的需求，有利于提供更有效率的服务。比如PeterS.Rose&SylviaC.Hudgins（2013,P.72-85）对于诸如房产价值转换抵押和新型不动产抵押等反向抵押贷款的思考设计，AndrewDavidson（2006,P.33-40）对于房地产资产证券化衍生品及其组合等较复杂的创新产品探讨等，这与西方国家资金来源广泛、制度体系完备的房地产信贷二级市场环境是分不开的，并且很多产品项目可以得到国会或者联邦政府的支持，比如美国的房产价值转换抵押贷款就受美国住房与城市发展部联邦住房管理局的支持，在这种良好的环境下房贷产品可以得到充分的设计和创新；其次国外学者的风险控制研究水平及预警模型的复杂程度在逐年提升，主要的研究思路是通过调研数据和银行的财务报表数据，通过与稳健企业或机构的对比，可以分析出关键的财务特征，然后建立相应的风险预警模型进行检测。WilliamH.Beaver（2009,P.94-107）通过穆迪工业手册随机抽样，对倒闭企业和健康企业选取单一指标进行对比从而进行财务预警，单变量虽然简便易操作但是缺点也很明显；单个财务指标无法全面反映企业财务状况，且不同财务指标之间比率也往往出现相反的现象；A1tmanEdwardI.（1968,P.189-209）提出了“Z-Score'‘多变量模型，从五大财务指标来加权计算企业的风险评分，其预测准确率明显超过单变量预测模型，但是假设对服从正态分布要求比较苛刻，报表不能体现现金流影响且不具有横向比较性，这极大影响了该模型的应用；

　　SinkeyJ.F.（1975,P.21-36）的多重判别法同样要求样本在各个类别都要符合正态分布，这在实际操作中很难满足；再到后期采用各种指标的Logistic回归分析和多层神经网络模型等等，美国的CAMEL体系也从资本、盈利性和流动性等指标对金融机构进行评级。这些风险预警模型在帮助风险管理取得了一定的成果，然而存在采用历史账面资料、缺乏实时的市场信息、有些假设条件较为苛刻、对信用风险处理往往不够敏感等弱点。同时国外研究注重对于二级市场的产品创新，往往存在过度创新反而导致放大了风险等问题。总之，尽管国外和我国在实际国情等方面存在不少差异，但研究中具有许多共性的经验教训值得我们去思考和借鉴。

　　1.3.2国内研究现状

　　简贵来（2016,P.264-271）试图构建一个系统的新视角来探究产业的模式和问题，以实证经济学研究的方法和经验，剖析房地产行业在中国几十年来的发展过程中所现出来的问题，找出导致这些问题的基本原因，并力图对房地产自发的生长过程和国民经济高速发展推动下的快速成长进行合乎逻辑的椎理和描述。

　　李伟，周立（2017,P.238-257）关注国内首单公募房地产信托投资基金，2017年2月20日，兴业国信资管联合兴业银行成功发行国内首单银行间市场公募REITs-一兴业皖新阅嘉一期房地产投资信托基金（REIT）资产支持证券。由于国内制度环境不规范、项目利润低优惠少、市场规模有限，他认为我国房地产市场主要依赖的还是商业银行信贷，REITs不是主流。刘铁彬（2014,P.39-41）建议信贷投放应与房地产等周期性行业保持适当距离，同时注意优化房地产贷款投放结构，房产开发贷款应坚持抵押和资金封闭管理的原则。

　　张维智（2017,P.1-2）从我国商业银行个人贷款现状出发，分析贷款业务流程，重点强调贷后管理。他认为商业银行对于批贷后对还款人的管理比批贷前还要重要。

　　孟瑞琦（2017,P.57-59）强调分段出售证券以减少资金浪费风险，并对公积金个人贷款资产证券进行信用评价以降低投资者风险。郑志明，缪绍日和荆丽丽（2015,P.18-25）指出现在国内大型银行不仅仅视信息科技为稳健运营的支持保障，逐渐将其向价值创造的定位转型。他以中国工商银行股有限公司2015年度报告（A股）为例，提出几点大数据海外机构应用举例可以和境内机构实际情况相结合考虑。如将大数据技术应用到信贷风险控制领域，并拓展到反洗钱反欺诈操作风险防控领域；将大数据为客户指定差异化产品和营销方案；用大数据为优化银行运行提供决策基础等等。高旭华、修逸群（2016,P.5-9）指出REITs作为房地产特色的信托基金，因其具有税收优惠、收益稳定、长期回报高、流动性好并且投资门槛低有利于分散风险等优势，已成为除了现金、股票、债券外最重要的融资方式，非常适合投融资并符合政策方向。2015年国内首款公募REITs:鹏华前海万科REITs顺利登陆深交所，对金融市场的创新和发展都具有重要的现实意义。

　　龙益敏（2017,P.240-241）指出传统的融资渠道已逐渐满足不了房地产行业的发展，在一定程度上影响了房地产行业的进一步发展。所以为了改善这一局面，房地产行业必须要实现融资渠道多元化，积极的探索新的融资渠道，建设并健全一个完善的融资机构。总体来说，首先国内研究房贷风险对国情分析较为深入，从宏观上对于国内信贷市场的优缺点分析非常细致，比如王德培（2016,P.78-85）对寻找中国经济”新大陆“提出房贷市场对政策导向非常敏感，王先庆和文丹枫（2016,P.144-152）在我国供给侧结构性改革中强调房地产信贷市场转型与变革的重要影响。对于操作中的风险控制点有彳艮多探讨，比知明源地产研究院（2〇15,P.174-183）提出房地产企业战略突围的N种模式等，从国内大量研究中也可以看出资产证券化是国内研究的一个重点方向，但是国内房地产信贷市场环境不够规范，诸如税收优惠不足、公募投资限制、无法设立SPV实现风险隔离以及物业运营等基础设施的建设相对薄弱，导致资产证券化发展道路上仍有不少障碍。最后国内研究往往缺乏量化分析及对大数据信息的采用，如沙磊（2011,P.26-29）对商业银行房地产贷款信用风险定量压力测试方法研究这种采用数据分析较少，对风险形成原因及风险控制往往停留在表面的探讨以及缺乏预警模型研究，个人主观性较强，且很多提出的方案和体系缺乏数据的支撑，显得单薄而缺乏说服力。

　　1.4研究内容与研究方法

　　本文运用了如下几种研究方法：第一、理论与实际分析相结合。本文先从信息不对称理论，泡沫理论，大数据理论为理论切入点，对我国房地产业现状进行分析，然后提出一些可操作的具体措施；第二、量化分析。利用Oracle数据库对N银行从2008年到2017年十年间的房贷数据清洗后构建风险管理模型，通过对数据的分析来量化研究房贷风险。第三、比较分析法。将国内外市场特点进行对比，对构建合理的模型有实际的意义。

　　本文共分为以下七章：第一章，绪论首先介绍了研究的背景、目的及意义，然后对国内外研究现状进行概述，最后介绍了本文的研究方法及创新点。

　　第二章，我国商业房地产贷款风险理论基础，分别介绍了信息不对称理论、泡沫理论、大数据理论及其在房地产信贷市场中的一般考察。第三章，我国房地产贷款风险状况基本分析。概括了我国房地产分类及特点、资金来源、商业银行房地产贷款发展现状及风险分析。

　　第四章，构建我国商业银行房地产贷款风险管理模型。对N银行近十年的房贷数据通过Oracle软件进行整理，对商业银行的房贷风险进行评估和建模分析，并与KMV模型进行对比验证，在大数据基础上初步分析房贷风险成因。

　　第五章，部分发达国家房地产信贷市场风险管控的经验与启示。首先介绍美国、英国的房地产信贷市场体系并分别对其风险管控模式进行分析，接着分析美国”次贷“危机的教训对我国房地产信贷市场有所警示和参考价值。第六章，防范我国商业银行房地产贷款风险的对策与建议。从宏观层面，商业银行内部操作层面及在大数据视角下应用风险管理模型层面对我国现阶段商业银行房地产信贷风险进行分析并提出个人建议。

　　第七章，结论及展望。文章的总结部分并得出结论。

　　1.5本文创新点

　　本文创新点主要体现在以下两个方面：第一，研究方法方面。从大数据角度进行房贷风险管理分析，这在以往的研究中相对较少。同时通过查阅资料，借助N银行十年来详实的房贷数据，应用Oracle及Matlab等软件，在各个行业不良贷占比等因素中进行指标选取和建模分析，从而得出较为科学符合实际的模型并具有数据反馈的特性，对房贷风险管控有积极的现实意义。第二，对策与建议方面。通过自身对大数据理论的理解和思考，结合当前的传统数据思维和分业监管改革新形势，提出优化房地产信贷市场结构、构建大数据征信共享平台以及数据库采用回归分析和大数据份额分类算法。

【由于本篇文章为硕士论文，如需全文请点击底部下载全文链接】

　　2我国商业银行房地产贷款风险相关理论的一般考察
　　2.1信息不对称理论的一般考察
　　2.2泡沫理论的一般考察
　　2.3大数据理论的一般考察

　　3我国房地产贷款风险状况基本分析
　　3.1我国房地产贷款特点及资金来源
　　3.2我国房地产贷款发展现状
　　3.3我国房地产贷款风险的一般考察

　　4构建我国商业银行房地产贷款风险管理模型
　　4.1我国商业银行房地产贷款风险涉及因素
　　4.2我国商业银行房地产贷款风险指标体系的构建
　　4.3我国商业银行房地产贷款风险管理模型的构建
　　4.4我国商业银行房地产贷款风险管理模型的验证区

　　5部分发达国家房地产信贷市场风险管控的经验与启示
　　5.1美国房地产信贷市场风险管控经验与启示
　　5.1.1美国住房贷款市场概述
　　5.1.2美国住房贷款风险管控

　　5.2英国房地产信贷市场风险管控经验与启示
　　5.2.1英国住房体系概述
　　5.2.2英国住房贷款风险管控
　　5.3中、英、美房地产信贷市场的比较
　　5.4美国的“次贷”危机与启示

　　6防范房地产贷款风险的对策与建议
　　6.1当前我国房地产贷款存在的风险及成因
　　6.2宏观层面房地产贷款风险防范的对策与建议
　　6.3商业银行内部层面房地产贷款风险防范的对策与建议
　　6.4大数据分析层面房地产贷款风险防范的对策与建议

7结论与展望

　　本文以信息不对称理论，泡沫理论及大数据理论为切入点，对房地产信贷风险状况进行了一般考察，然后对我国房地产贷款风险状况进行基本分析，接着对N银行从2008年到2017年间的房贷数据的分析并建模研究基础上，与西方发达国家风控管理模式进行对比，得出结论如下：

　　第一，我国商业银行房地产贷款中个人和企业风险程度大致相同。通过所建立的模型分别对个人和企业数据与KMV模型中的违约频率（EDF）进行对比，可以发现求出的风险系数与KMV模型下的违约频率数值接近，相对误差浮动在千分之一。但是需要注意的是N银行企业贷款占比较少，尤其逾期偿还概率因为样本偏少缺乏说服力。

　　第二，以贷款类型占比，不良贷占比，逾期贷款率，分行业不良贷占比指标作为解释我国商业银行房地产贷款风险程度具有较强的预测能力。利用本模型能够针对特定行业或者类型的贷款进行处理，比如个人贷款下的餐饮行业类贷款。那么我们可以利用最近一段时间的个人餐饮业贷款情况数据、用户信息数据分析，从而得出更有针对性的风险评估。

　　第三，通过利用大数据手段得到准确的全集数据库来进行层次分析，对我国商业银行房地产贷款风险状况进行客观准确的评价是可行的。本模型易于操作，大数据中得到的风险值更为科学。如果商业银行通过自身优势建立准确而完备的平台网络，则通过修正系数可以确定每一种类型贷款的具体风险程度，通过对客户资料的评估，确定出风险区间。这种模型还具有数据反馈的特性，可以根据每一次数据分析的结果和实际偏差对原有模型进行修正，同时将这一修正反馈给数据库。当然，数据反馈和自动修正处理都超出了这个模型的范围。但是这也是这个模型发展的更强大和完备的方向。而这个方向是诱人的，因为自我反馈的模式具有绝对的灵活性。

　　本研究力求在我国商业银行房地产贷款风险现状及理论的考察下，通过建立一个科学易行的风险预警模型来对商业银行房贷进行风险管理。然而由于本人学识有限，仍有许多不足之处，也是进一步研究的方向：首先，本研究所选择的四个风险指标均是通过Oracle数据库在银行报表计算取得，虽然简单易行但是数量偏少，商业银行风险指标体系的构建需要在后续研究中加入更多有价值的因素变量。

　　其次，本研究基于大数据分析思路，且未能获取更全面的银行数据，对指标未进行赋权，这样显得粗糙了些，还需要更多数据类型诸如非量化数据以便对各指标确定权重。

　　参考文献

【由于硕士论文篇幅较长，此页面不展示全文，如需全文，请点击下方下载全文链接】

TAG标签： 商业银行  风险  

上一篇：研究铁矿石期货价格对现货价格的影响
下一篇：商业银行金融管理存在的问题及借鉴对策研究