某市個人住房抵押貸款提前還款風險因素實證研究
理論探索
作者:馬欽玉
【摘要】 文章基於因子分析模型及判別函數,利用某市多家商業銀行2005—2013年個人住房抵押貸款數據,對影響某市個人住房抵押貸款提前還款的因素進行了實證研究。結果表明借款人財務狀況、房價指數、家庭收入、貸款利率等因素對提前還款有著重要的影響。
【關鍵詞】 個人住房 抵押貸款 提前還款
個人住房抵押貸款提前還款風險是指借款人在還款期限內,在貸款合同規定的還款計劃外,提前償還本金,造成貸款人損失的可能。提前還款風險造成的貸款人損失主要表現在三個方麵。
第一個方麵,提前還款會打破貸款人現金流計劃和資金安排,貸款人必須為提前回流的資金尋找新的投資渠道,支付再投資成本;第二個方麵,如果市場利率下降,貸款人再投資收益就會降低;第三個方麵,過早的本金償還可能使貸款人蒙受發起費用、服務費用和管理費用損失。
一、因子分析實證模型的建立
因子分析是一種多元分析方法,是將影響個人住房抵押提前還款因素的眾多指標合成少數幾個指標,將眾多的原始變量濃縮為少數幾個有效的因子變量,使變量具有更高的解釋性的研究方法。
二、變量選取
本文把變量的選擇基本歸結為借款人特征、貸款特征、房產特征和區域特征四個維度共19個變量。其中借款人特征維度主要有性別、年齡、家庭月收入、月還款額占家庭月收入比例、職業、受教育程度、婚姻狀況、是否當地人;貸款人特征維度主要有貸款金額、貸款餘額、貸款期限、貸款利率、貸款已運行時間、還款方式、貸款價值比;房產特征維度主要有單位房價、住房麵積、住房總價值。
三、變量量化
變量選擇完成後,我們需要對所選變量進行量化,以便於以後的模型分析。因變量為貸款提前還款情況,用虛擬變量表示,提前還款貸款賦值為0,正常貸款賦值為1。對本論文選取的13個自變量的量化方法用表給出,其餘6個變量采用實際數額。
四、研究樣本的來源及說明
樣本來源某市多家商業銀行個人住房抵押貸款信貸檔案資料,涵蓋了2005年以來曆年的全部個人抵押住房數據,截止於2013年6月30日。經過嚴格檢查和篩選,最終獲得正常貸款樣本5796個,提前還款樣本286個,有效樣本總容量為6082個。
五、變量描述性統計分析
采用SPSS16.0軟件對樣本進行描述性統計分析,得出個人住房抵押貸款提前還款樣本中的變量信息。
從借款人特征分析,得出提前還款中男性居多且更傾向於提前還款;從年齡分布來看得出提前還款者年齡較正常還款組大。
從職業來看,工作越穩定,提前還款的概率越大;從受教育程度來看,學曆越高提前還款傾向越大;從婚姻狀況來看,無法說明已婚家庭提前還款的可能性更大;從借款人籍貫來看,當地人更容易發生提前還款現象。
從貸款人特征分析,貸款金額較大者偏向提前還款;從貸款期限看,具有較短貸款期限者更容易發生提前還款現象;從貸款利率來看,利率越高越容易發生提前還款現象。