论文部分内容阅读
经历了美国次贷危机后,近两年的中国房地产市场在各方因素的作用下可谓“波澜起伏”。从2008年的萎靡不振,到2009年的强势反弹,再到2010年调控新政。全社会的目光都被集中到了房子身上。房价是涨还是跌?买房到底合不合算?国家调控会给房产市场带来怎样的影响?这样的问题接踵而来。而普通百姓更关心的是:我能不能买得起一间房子。作为人口大国,中国的住房需求市场巨大,而鉴于国民收入和现在的房市行情,大多数的人只能选择住房贷款来达成买房的愿望。这就意味了房价在坐“过山车”的同时还拉着金额巨大的住房贷款。如何控制住房抵押贷款的风险,防止中国式的次贷危机发生已经成为当前社会各界关注的重点问题。然而,作为发放住房抵押贷款的主要金融机构一商业银行却认为贷款的风险可以控制,近期推出的各大商业银行贷款压力测试报告显示,房价下跌30%,商业银行仍然能从容应对上升的不良贷款率。众所周知,房地产市场的走势和一国经济有着微妙的关系,如果真的出现房价大幅下挫,国家宏观经济环境也会有所影响。这对贷款的回收影响将是巨大的。能否能像商业银行测试报告上说的那么乐观?这还要等时间来检验。本文着眼于住房抵押贷款的风险监控上。笔者在阅读和整理了大量资料后发现,已经有很多前人学者在此问题上做了深入的研究,并已经形成了几大流派,但是相对国外,我国学者的研究大多注重定性的分析,或是案例的分析,提出了很多制度上或是管理上的办法。对如何量化贷款风险的定量分析相对不足。量化贷款风险意味着要结合金融工程和计算机技术等多个学科的知识,这项研究无论在理论上还是实践上都具有一定的借鉴意义。本文首先阐述了我国房地产市场的发展现状,然后简要分析了美国次贷危机发生的原因以及对我国住房信贷的启示。进而提出本文的研究重点—如何做好住房贷款的风险监控?随后,文章简要列举了国内外对住房贷款风险监控的研究成果,重点介绍了信息不对称,期权理论以及资产证券化这三大研究方向。通过大量资料学习,笔者发现国内学者对于贷款风险的定量研究相对较少,所以本文研究的创新之处就在于把信用监测模型略加改进应用到了我国住房贷款上。这不仅增加了风险量化的理论意义也为我国房产市场震荡期的风险监控提出新的办法。接下来介绍了本文的理论基础--KMV模型,KMV模型是一套用于上市公司的信用监测模型和一个可延伸的数据库。它继承了期权定价理论和默顿模型的方法论,利用上市公司的资产变化预估公司对负债的违约概率。经过改进的KMV模型不仅能针对上市公司,还扩展到了非上市公司以及个人贷款风险监控上。在介绍过KMV模型的相关理论后,本文开始分析我国住房抵押贷款以及它所面临的风险。根据巴塞尔协议对银行所面临风险的定义,本文从信用风险,操作风险,市场风险三个方面对住房抵押贷款进行全方面的分析,并辅以案例,这从实践上为本文的研究提供依据--住房抵押贷款正面临多方面的风险。而对这些风险的监控明显不足。第五章是本文的核心内容,它首先介绍了我国商业银行现行的房贷审查办法,并讨论了它对风险防范的局限性,然后通过借鉴KMV模型的理论架构,将影响房贷的各要素带入改进的模型中,计算出了预期的违约概率,并辅以数据说明。得出结论:预期违约率EDF比房贷的不良贷款率更能代表房贷未来面临的风险,不良贷款率只是已经发生违约情况的贷款占全部贷款的比率,而预期违约率依据的是房地产市场和利率的变化,能够在房市震荡时第一时间做出风险的判断,我们认为它更能代表住房贷款未来面临的风险。本文在对房地产市场做出合理假设时,应用KMV模型对当前几种主要形式的住房贷款进行了违约率的度量。结果发现:当房价、利率出现一定幅度的波动时,风险的暴漏程度要比预测的大得多。本文的创新之处在于把国外先进的信用监测模型--KMV模型应用到了我国个人贷款风险监控研究之中,并结合我国几种主要的贷款方式进行分析,在个人贷款信用风险防范方面有一定的理论意义。另外,本文突破现行办法贷前定性审查的局限,提出利用金融工程模型动态监控贷款风险的方法。这也对商业银行贷后管理有一定的实践指导意义。