第一章 绪论
1.1 研究背景和研究意义
房地产行业在国民生产总值中占据重要地位，是提高国民经济和改善城乡居民结构的重要产业。我国的地产行业对其他产业关联值达到 1.416，其中对金融行业的影响最为密切，达到了 0.145。[1]我国于 1998 年取消了福利分房制度，房地产行业快速发展，也相应地带动了金融业，尤其是信贷业务的兴旺。这是因为房屋的价格急速上涨，已经远远超过普通居民所能一次性付清的范围，所以向商业银行申请贷款成为普通居民购置房屋的最常用的手段。1991 年日本维持五年多的房地产泡沫终于破裂，造成了全球历史上至今影响最大、最持久的一次大型金融危机，大量银行由于无法承受的巨额不良贷款而破产，或是不得不接受兼并。2007-2008 年美国出现了大量次级住房贷款违约的情形，造成次级抵押贷款相关金融机构破产、投资基金被迫关闭、股市剧烈震荡，其冲击效应空降于美国、欧盟和日本等国际金融主市场，造成了全球性金融危机。近年来我国房价一路上涨，然而房价泡沫说的呼声愈来愈烈，特别是在一些房价上涨过高的城市。2013 年至 2014 年期间，温州地区受商品房价格下跌影响，弃房数量大幅增长达一千余套，导致该地区商业银行的不良贷款达到 64 亿元。国内外的这种种相关经验表明，个人房地产信贷风险对银行和金融机构的影响巨大，甚至会引发金融危机。南京为江苏省省会，位列二线经济发达城市之一。而房地产行业是最具代表性的资金密集型产业，包含投入金额巨大、风险高而成因复杂、影响周期久、产业供应链长、地域性特征明显等特点。随着南京的国际化，房地产相关行业的经济结构发生着翻天覆地的变化，该地区经济的持续增长、房价的上涨以及居民可支配收入的提高， 为南京房地行业提供了快速增长的机会。一个地区的金融业务重点往往是由其所处宏观经济特色所主导的，南京地区独特的房产经济环境促使住宅类贷款业务在当地金融行业中越来越重要。并且从历年国家推行房贷相关政策的情况来看，南京地区的房地产行业对政策敏感性较高，基准利率的上浮下跌或是房价的波动牵动着住房交易的兴旺衰落，进而影响着商业银行个人住房贷款业务的经营业绩与风险程度。南京房地产业在 2014 年经历了一段平稳时期之后，随着 2015 年的五次降准降息等救市政策，又迎来了新一轮繁荣。因此，针对该地区的房地产信贷业务的研究具有一定的代表性，能为其他相似二线城市房贷风险研究提供一个范本。
.........
1.2 国内外研究现状
国外对住房贷款风险的研究比较全面与完善，房贷风险总体上来说分成四大类：贷款发放到偿还过程中的信用风险、房屋交易市场的风险，资金流动性引发的风险以及银行工作人员操作失误导致的内部。以上的信用风险被认为是影响最大的一种。在 20 世纪 70 年代期间，有学者提出利用财务报表中的各类往来明细数据来估量信用风险，通过“5C”分析法和 LAPP 原则等方法解析经济个体的各种信息，这一时期的风险评估较为主观。Edward. I. Alma[1]（1968）建立的 5 变量 Z 评分模型，使得信用风险管理理论由定性分析向定量分析转型。《巴塞尔协议》（1988）对信用风险的进行加权计算度量，要求商业银行设定最低资本要求以预防信用风险。《新巴塞尔协议》（2001）与原协议不同的地方在于，提出使用内生模型进行风险测量。1980 之后兴起的信用风险管理理论开始步入现代信用分析方法，主流研究分为四大模型——市场风险度量模型(Risk Metrics Model)，基于风险价值理论；KMV 模型，以研究违约频率为主；信用风险量化模型(Credit RiskQuantification)，侧重于使用编程算法度量风险值；信用组合观点模型(Credit Portfolio View)，侧重于宏观视角的风险情景模拟。发达国家与地区针对银行信贷业务的风险研究和风险度量模型的应用大体已发展完善，而且都有从定性研究向定量研究转型的趋势。然而，虽然不少学者已经将这些理论运用到银行信用风管体系里，但是针对房地产相关信贷风险研究的应用还较为少见。
..........
第二章 G 银行南京 X 支行个人住房贷款业务发展现状分析
2.1 G 银行南京 X 支行个人住房贷款业务发展的宏观背景
G 银行 X 银行个人住房贷款业务的长盛不衰很大程度上得益于其所处的宏观环境，地域因素是一个很重要的方面。南京为江苏省省会，近年来该地区的经济持续增长、房价逐步上涨，房地产相关行业的经济结构发生着翻天覆地的变化，住宅类贷款业务在当地金融行业中越来越重要。G 银行南京 X 支行受助于这样的宏观经济趋势推动，个人住房贷款业务在该行发展历程中逐步成为其主要经营业务。
2.1.1 南京市房地产开发投资稳步增长
图 2.1 为 2006 年-2013 年南京房地产开发投资以及资金情况，历年数据表明，南京地区对房地产行业的开发投资额一直逐年稳定上涨。该行业的资金来源也总体呈上涨趋势，除了2008 年受金融危机影响，轻微下降回调，其他年份每年的新流入资金均大于前一年，并且上升幅度明显高于房地产开发投资额。根据图 2.2 中 2010-2013 年统计出的资金来源明细分类显示，近年来南京地区房地产开发所需的资金来源里，银行贷款与个人按揭贷款分别均占有一定的比例，且占比值相对稳定，银行贷款的占比均值为 22.52%，个人按揭贷款的占比均值为 16.18%。图 2.3 为 2006-2013 年南京地区房产销售面积变化图，呈波动趋势，2008、2011 年为低谷期。其中，现房的销售面积占比少，波动相对较为稳定，受宏观经济环境影响较小，在2007 年的上升期出现下降，在 2011 年的低谷期反而出现上涨；期房的销售面积占比较高，波动幅度较大，受宏观经济环境影响较大，其变动趋势与总销售面积一致。
........
2.2 G 银行南京 X 支行房贷业务发展情况分析
G 银行南京 X 支行于 2002 年 6 月注册成立，开业后营运优良，相应地开始拓展个人金融业务，顺应地区房地产市场和金融市场需求，考虑到城镇居民日益变化的住宅需求，全力部署个人信贷作为重点发展对象，经过 10 余年的苦心经营，X 支行在南京地区已经积淀了丰厚的资产力量、树立了优良的品牌形象，其房贷业务渐渐步入了专业化与系统化的轨道。G 银行南京 X 支行个人住房贷款业务在 2002 年拉开序幕，大致经历了以下几个阶段：起步发展阶段：2002 年到 2005 年。这段时期 G 银行南京 X 支行的个人住房贷款业务刚刚开展，业务量不算大，个人住房贷款和汽车贷款、信用贷款、农业贷款、大学生助学贷款等信贷业务混合经营，种类较多，个人住房贷款的业务经营额在该银行信贷业务中的比重不算大，平均每笔的贷款额也较小，处于谨慎发展阶段。但稳中有升，可以说是取得了良好的开端。逐步发展阶段：2006 年到 2009 年后，这一阶段，个人信贷部的业务管理与运营机制逐渐完善，整个个人信贷部在个人住房贷款业务上的比重也逐渐加大，开始有固定的房地产商建立起合作关系，承办个人房贷业务，互惠互利。高速增长阶段：进入 2009 年，G 银行南京 X 支行经历了其业务发展历史上一个重要转折点，H 支行合并入 X 支行旗下，业务上进行兼并与统一经营，X 支行经营规模得以快速扩张，个人住房贷款业务规模也顺应形势得以获取更丰足的客户源与房地产商。并且在这一阶段，X 支行领导层也对个人信贷业务的结构做出战略性调整。原本最初是个人住房贷款业务、个人汽车贷款业务、农户贷款、大学生助学贷款等个人信贷业务多项并行，这阶段开始着重发展个人住房贷款业务，房贷比重在 X 支行个人信贷业务总额中占比开始上升。另一方面，南京的房价、地价也步入了加速增长旺盛期，这使得大量大大小小的房地产商、楼盘如雨后春笋般拔地而起，房地产一级交易市场逐步活跃，X 支行又恰好坐落于南京新开发城区附近，毗邻几大知名楼盘开发区，房地产开发商也倾向于在楼盘签售处附近寻求合作的贷款银行，以促进加快购房人的购房拍板进程、提高交易成功率，因为只有到购房人申请到贷款并且银行也放款到房地产开发商账户，才算房屋买卖真正的成交完成。倘若在签订购房协议到贷款审批的过程中，客户改变主意或是贷款办理进程没有顺利完成，这都将导致房地产商的损失。因此，寻求一个靠谱、办事效率高的银行进行个人住房贷款申请业务的长期合作，是南京地区广大地产商的需求，这也就再次促进了 G 银行 X 支行个人一手住房贷款业务的扩张，比重远远超过该行办理经营的个人二手住房贷款业务金额。大幅波动阶段：2010 年到 2015 年。2010 年开始，由于支行的合并、总体规模扩大，对于国家颁布的房地产相关政策反应程度也变大。2010 年至 2012 年遭遇房市紧缩政策，新国十条、限购政策纷纷出台，购置二套房首付提高，严打小产权房，新国五条等等使得南京房地产交易市场有所降温，G 银行南京 X 支行的个人住房贷款业务也相应减少了贷款额；2014年开始国家相关部门又再次逐渐放松房地产政策，房市慢慢回温，X 支行的个人住房贷款业务申请需求也相应上涨。
...........
第三章 G 银行南京 X 支行个人住房贷款违约因素分析.......22
3.1 个人住房贷款违约因素分类..........22
3.2 数据特征描述及因素分析.....25
3.2.1 数据来源与因子设定.........25
3.2.2 指标量化...........27
3.2.3 描述性统计分析........28
3.3 基于粗糙集的个人住房贷款违约风险因素约简.....30
3.4 个人住房贷款违约率的 RS-Logistic 方法实证分析..... 37
第四章 完善 G 银行南京 X 支行个人住房贷款信用风险管理的对策建议.............43
4.1 加强住房贷款的动态监管和违约风险控制.............43
4.2 重点关注借款人学历和首付款等要点............43
4.3 完善个人征信系统的建设及提高房贷资产质量.....44
4.4 重视未来可能出现的潜在违约影响因素........45
第五章 结论与展望............47
第四章 完善 G 银行南京 X 支行个人住房贷款信用风险管理的对策建议
当前国内针对银行个人住房贷款信用风险的评估与防范没有统一完善的机制，特别是对于某个特定的地区支行，大多只能凭前辈的审核经验把控贷款客户。然而从长远来看，经验主义并不能有效预防违约风险，而是应该引入与建立以定量分析模型为核心的信贷风险管理体系，细化违约影响因子进行测度。根据本文做出来的因素分析结论，参考国际上自始至今银行家针对预防住房贷款违约风险的理论与模型，本人关于 G 银行南京 X 支行在审批住房贷款时，提出以下四点应该采取的策略。
4.1 加强住房贷款的动态监管和违约风险控制
我国商业银行对于住房贷款风险的防范主要是放在申办贷款时的信用水平审核，对于后续的还款跟踪把控得并不到位，然而住房贷款的风险度会随着时间变动，具有难预测性。对于贷款客户的从事行业、月均收入以及真实财务状况了解不够，一旦借款人遭受重大事件冲击，银行往往很难及时跟上信用水平的骤减处理。总的来说，商业银行需要一个动态的追踪信用机制。所以商业银行应该对发放的贷款实行每日监测，当日事当日结，发现了逾期则要即刻调查原因，主动提醒客户按时还款，对于一些已经发生多次逾期的借款人可以通过电邮、线上催收以阻止逾期的进一步发生；针对连续三个月以上发生逾期的贷款客户，不仅是信息催收的处理方式，而是要开始重视起来，询问与调查借款人连续逾期背后的原因，沟通解决之道，在更多次的逾期发生之前，做好预防止损措施；对长期不按时还款的故意拖延者以及信用水平滑落到风险临界线以下的贷款，贷后管理员还需要告知该笔贷款的保证人、连带责任人，违约严重者可依法对其诉讼，申请法院处理抵押品以弥补尚未偿还的贷款余额。对于 G 银行南京 X 支行来说，历年的个人信贷不良贷款算是较低较安全的，一方面是由于发展的前半期处于较平稳的状态，外部经济环境稳定，另一方面是因为 G 银行对于个人房贷的审批流程在众多商业银行中相对较为严格，对于信用状况不好的客户有一些直接不予贷款考虑，但是随着时代的变迁，外部经济环境发生变化，涌入新的购房客户群，这使得原本使用多年的信贷评分系统未必适合 X 支行的现状。评分系统的完善需要时间与试验，本文提出可以根据历年的不良贷款率水平均值，当某一年的不良贷款率超过均值时，可以适当锁紧贷款客户准入门槛，以调控稳准；当某一年的不良贷款率处于 X 支行均值水平以下时，顺应国家宏观房市政策亦可。
........
结论
本文根据国内外学者的研究理论经验以及目标企业经营数据的实证情况，针对 G 银行南京 X 支行个人住房贷款违约风险的影响因素进行了分析，获得以下几点成果：
（1）分离出 G 银行南京 X 支行个人房贷违约风险的核心影响因素本文在做多元统计回归模型之前，先进行了自变量的筛选，通过粗糙集算法属性约简，提取了核心影响因素，为之后的二分类逻辑回归减少了干扰因素，减少了由于多重共线性而需要多花的步骤。通过手动离散化法，将所有自变量设置为离散变量，约简之后得到 7 个核心影响因素：X1年龄，X6受教育年限，X8家庭月收入，X9贷款期限，X13家庭收入还贷比，X18住房面积，X23首付款金额。
（2）建立了 G 银行南京 X 支行个人房贷违约风险的 RS-Logistic 回归模型本文根据在 G 银行南京 X 支行实习期间获取的房贷业务样本数据，设定了初始的 23 个影响自变量，经过筛选提取出 7 个核心因子，简化自变量之后进一步建立逻辑回归模型，即RS-Logistic 回归，分析获得七个因子对房贷违约风险的相关程度与显著性，最终得到以下启示：家庭收入还贷比、购置房屋的面积与住房贷款发生违约的概率呈正相关关系；贷款客户的年龄、受教育年限、首付款金额与住房贷款发生违约的概率呈负相关关系；贷款客户的月收入水平，无法判断其对住房贷款违约概率的影响程度与方向。贷款期限因素没有能够通过显著性检验。
（3）提出 G 银行南京 X 支行预防住房贷款违约风险的策略建议根据逻辑回归模型得出的因子分析结果，本文针对显著性影响因素，探讨了 G 银行南京X 支行预防住房贷款违约风险的策略，主要分为以下几点：第一，加紧住房贷款的动态追踪和违约风险把控；第二，重点关注借款人学历和首付款等要点因素，完善住房贷款核查准入体系；第三，构建全面化、跨行业的联合个人征信系统，以降低住房贷款不良率；第四，重视未来可能出现的潜在违约影响因素。但是在本研究还是存在一定研究局限，由于该支行的业务兼并，数据只来源于 2009 年至 2014 年，也未能获得该支行每年违约客户的迁移率；诸如借款人名下房产情况、工作类别的划分数据无法明确获得，以及南京地区宏观经济因素未能代入模型中，以上不足难免使得研究结果与适用范围有一定局限性。日后若进一步深究，考虑从以下几点着手：将贷款客户分层成多类别，不只是“正常组”与“违约组”，而是从根据逾期次数依次递减设置不同等级的信用水平客户组；结合期权理论与模型解释违约客户的动机；增加个人房贷提前还款的研究。
..........
参考文献（略）