论文部分内容阅读
摘要:论文分析了当前我国商业银行开展个人住房抵押贷款中提前偿还行为研究的背景,以小城市商业银行贷款数据为基础,选取贷款人特征、贷款合约特征和房屋特征三个方面的17个变量,用实证分析的方法研究了小城市商业银行住房抵押贷款提前还款的影响因素,并根据研究结果对中小城市商业银行提出相关的政策性建议。
关键词:住房抵押贷款;提前还款;影响因素;实证研究
一、引言
1998年7月,国家确定了启动内需、拉动经济增长的经济政策,国务院颁布《关于加快城镇住房制度改革促进住房建设发展的通知》,开始实施货币化住房分配政策。之后,房地产市场快速发展,房价一路飙升,我国的个人住房抵押贷款业务也随之迅速发展。因为住房抵押贷款具有利润高,期限长,风险较低的特点,所以成为各商业银行市场竞争的焦点。
在业务迅速发展的同时,风险也在相应的积累。传统的中国消费者作为债务人,不喜欢欠债,总是希望在自己有能力偿还贷款的时候提前还款。提前还款对于商业银行来讲存在很大的影响,其负面影响包括:增加再投资风险;打乱商业银行的资金运用计划;直接减少商业银行的利息收入,导致利润下降等。同时,对基于固定利率的个人住房抵押贷款证券,过高的提前还款率还将直接导致债券的收益受到重大影响,减少投资人的收益。在我国金融市场全面开放、业务竞争日趋激烈的背景下,商业银行急需强化管理理念,丰富管理手段,加强对提前还款风险的研究和控制,并结合我国的客观实际情况,建立适合我国情况的提前还款预测模型,研究导致提前还款风险的影响因素,对改变目前我国该项研究的空白,建立完整的理论体系,具有重要的理论依据和实用价值。
纵观国内目前关于住房抵押贷款提前还款实证研究的文献,都是以北京、上海、杭州等大城市的商业银行数据为贷款样本,而缺乏对小城市的研究。因此,本文以小城市商业银行贷款数据作为样本来研究住房抵押贷款提前还款问题,具有较强的实践意义。
二、基于小城市商业银行贷款数据的个人住房抵押贷款提前还款风险的实证研究
(一)数据的选取
本文选取了苏北某商业银行的某一级支行的数据。在对有关的数据进行调整后,共选取样本数据1032个。样本贷款的总金额为18059.1万元。总体样本中包括提前还款样本288个,占样本数的27.9% 正常还款样本744个,占样本数的72.1% 。而其中提前还款样本的贷款总金额为4660.7万元,占样本贷款总金额的25.8% 正常还款样本的贷款总金额为13398.4万元,占样本贷款总金额的74.2% 。样本时间从2003年4月到2008年12月,时间跨度为6年,数据记录时间截止为2009年7月1日。另外该商业银行所发放的贷款都是可调利率的商业住房抵押贷款(ARM),而且,对于借款人的部分提前还款和全部提前还款行为没有任何限制和惩罚措施。
(二)变量的量化
在研究住房抵押贷款的提前还款的风险之前,我们要先确定可能影响提前还款的因素。通过国内外大量文献的阅读,发现国内外学者在研究这一问题时,变量选择基本集中在如下四个维度:借款人特征维度、贷款特征维度、房产特征维度和地域特征维度。另外,从住房抵押贷款的资料的可获取性考虑,选取性别、婚姻状况、年龄、教育程度、职业、年收入、借款金额等变量进行实证研究。这些变量涉及借款人特征、贷款合约特征、房屋特征等三个方面。并把贷款的还款状态作为因变量——提前还款和正常还款分别赋值为0和1(见表1) 。
表1 变量及其量化方式说明表
变量类型变量名称变量量化方式说明
借款人特征因素借款人性别男=0,女=1
借款人年龄每个借款人在贷款发放时的年龄
家庭收入3000元以下=0,3000至6000元=1,6000~10000元=2,1万元以上=3
借款人职业不稳定=0,较稳定=1,稳定=2
借款人受教育程度中专以下=0,中专、大专=1,本科及以上=2
婚姻状况未婚=0,已婚=1
职位或职称一般员工=0,具有职称的领导人=1
是否本地人户口在本地的,视为本地人,赋值为0;户口不在本地的,工作在本地,即将成为本地人,赋值为1;户口不在本地,工作也不在本地,则不是本地人,赋值为2。
贷款特征因素还款方式等额本金还款法=0,等额本息还款法=1
贷款金额借款的实际金额
贷款期限贷款期限的实际值
最初月还款额第一个月的还款额是实际值
贷款价值比(LTV)贷款价值比=(贷款金额/房屋购买金额)*100%
贷款利率发放日的贷款年利率
房屋特征因素房屋价格房屋价格的实际值
房屋面积房屋面积的实际值
房屋类别一手房=0,二手房=1
(三)提前还款影响因素的实证研究
首先利用因子分析法来降低数据的多重共线性,达到数据缩减和变量精炼的程度,为后面即将进行的LOGISTIC回归分析奠定基础。
1.利用KMO样本测度和Bartlett卡方检验来判定自变量之间的相关性。检验结果显示,KMO统计量为0.556,而Bartlett卡方检验值为9005.190,Sig.为0.000,通过了检验,需要进行因子分析。
2.按照累计方差贡献率大于85%的原则提取因子,提取了特征值在0.7以上的10个因子,他们的累计方差贡献率达到86.980%,能够反映原始变量的绝大部分信息。本文运用方差最大化(Varimax)对因子载荷进行正交旋转,根据正交旋转后的因子载荷矩阵,将17个指标按高载荷分为10类,表中的数据代表每一个变量在10个因子中的荷重,在某一个因子中荷重越大,说明该变量越应归入该因子中。将这10个因子重新命名,并根据因子得分矩阵计算得出因子的取值,这些因子之间相互独立,作为LOGISTIC回归分析的基础。命名情况如表2所示:
表2 正交旋转后因子的高载荷变量情况
因子高载荷的原始变量
变量名称载荷因子的命名
FAC1最初月还款额0.915
贷款金额0.829
房屋价格0.669
贷款价值比0.654
贷款利率0.613贷款金额因子
FAC2职位或职称0.904
受教育程度0.806借款人职位因子
FAC3贷款期限0.960贷款期限因子
FAC4收入状况0.909
工作稳定度0.719借款人收入状况因子
FAC5房屋面积0.935房屋面积因子
FAC6婚姻状况0.877
年龄0.750借款人婚姻状况因子
FAC7房屋类型0.837房屋类型因子
FAC8性别0.993借款人性别因子
FAC9还款方式0.992贷款还款方式因子
FAC10是否本地人0.992是否本地人因子
然后利用logistic回归模型来分析各个因子对提前还款的影响程度及影响方向,各因子变量的回归系数及显著性水平如下:
表3 Logistic模型估计
因子参数估计标准差(S.E.)统计量(Wald)自由度(df)显著性水平(Sig.)优势比Exp(B)
FAC10.1780.0716.34510.0121.195
FAC2-0.2730.07114.81110.0000.761
FAC30.2510.07311.88610.0011.286
FAC4-0.3540.07224.41310.0000.702
FAC5-0.0450.0760.33910.5600.956
FAC6-0.0890.0731.47510.2250.915
FAC70.3320.07519.35410.0001.393
FAC8-0.1440.0704.25010.0390.866
FAC90.0780.0651.42810.2321.081
FAC100.1590.0853.51810.0611.172
常数项1.0400.075191.93310.0002.830
由此,我们可以得到二项Logistic回归模型为:即
Ln(Pi1-Pi)=1.040+0.178Xi1-0.273Xi2+0.251Xi3-0.354Xi4-0.045Xi5-0.089Xi6+0.332Xi7-0.144Xi8+0.078Xi9+0.159Xi10
其中:pi 为第i个借款人提前还款的概率(如果p小于0.5,则归入提前还款类)。
X1、X2、X3、X4、X5、X6、X7、X8、X9和X10 分别代表FAC1、FAC2、FAC3、FAC4、FAC5、FAC6、FAC7、
FAC8、FAC9和FAC10。
(四)实证研究结果
通过对logistic模型得出的系数进行分析,可以得到如下结论:
1.贷款人收入状况因子(FAC4)是影响提前还款的第一大因素。贷款人的工作越稳定,其收入状况越好,越容易提前还款。这个结果可以理解为,小城市的贷款人相对较保守,受“无债一身轻”的观念影响,不希望欠银行的贷款,有钱就希望能把贷款还上,所以条件好的贷款人更容易提前还款,而条件不好的贷款人则只能欠债。
2.房屋类型因子(FAC7)是影响提前还款的第二大因素。购买一手房的贷款人较容易提前还款。这个结果可以理解为,在小城市中,本地人而条件较好的都不会选择买二手房,所以购买一手房的贷款人相对财力状况较好,容易提前还款。
3.借款人职位因子(FAC2)是影响提前还款的第三大因素。借款人受教育程度越高,职位越大,或者说有较高的职称,越容易提前还款,因为此类人的财务状况也相对较好。
4.贷款期限因子(FAC3)是影响提前还款的第四大因素。贷款期限越短,越容易提前还款;贷款期限越长,提前还款的可能性越小。首先,贷款期限越长,借款人月还款额越少,财务负担轻,提前还款的可能性越高;其次,由于选择较短贷款期限的借款人,一般在经济实力上较选择较短贷款期限的借款人要好,提前还款的能力较强。在本文所采用的小城市商业银行贷款中,后者占了上风。
5.贷款金额因子(FAC1)是影响提前还款的第五大因素。房屋价格越低,贷款金额越少,贷款价值比越低,最初月还款额越少,其提前还款的可能性越大;贷款利率越低,提前还款的可能性越大。
6.借款人性别因子(FAC8)是影响提前还款的第六大因素,女性比男性更倾向于提前还款。国外的研究表明,男性比女性更容易提前还款。所以我想这个可能是我国的特殊现象,因为女性的抗压能力较低,所以比较倾向于提前还款。
7. 房屋面积因子(FAC5)、借款人婚姻年龄因子(FAC6)、还款方式因子(FAC9)、是否本地人因子(FAC10)对提前还款的影响较小,没有通过显著性检验。
三、结论及政策性建议
本文利用小城市商业银行数据来研究个人住房抵押贷款的提前还款风险影响因素,得出以下结论:
第一,小城市中,对住房贷款有影响的因素在其影响方向上与前人研究基本没有差别,也验证了本文在选取变量时,对变量的分析和假设。
第二,在小城市中,对提前还款风险影响最大的当数能反映借款人财务状况的因子,借款人收入状况因子排在第一位,职务职位因子排在第三位,其中包含收入、工作的稳定度、受教育程度和职务职位四个变量,均能反映借款人的财务状况。说明小城市思想比较保守,不喜欢欠债,只要借款人的财务状况较好,他们都会倾向于提前还款。就算受教育程度较高的人思想会比较开明,抗压能力较强,也还是比较容易提前还款。
第三,在小城市中,购买一手房的人比较容易提前还款。二手房市场起步比较晚,贷款的数量也比较少,本文首次将房屋的类型作为影响纳入研究。其实所谓的房屋类型,也就是贷款的类型。人们为什么要买二手房,不买一手房。原因主要有以下几条:二手房周边环境成熟,配套设施齐全;二手房都是现房交易,买了之后很快即可入住;最后的一点,在小城市中,二手房还是比较便宜的。所以说在小城市,购买二手房的人有很多都是从县城、
乡镇等迁入城市的人群,他们急于入住,对新开盘的楼盘又不是很了解,相对来说财务状况也较差,所以比较不容易提前还款。
根据文章的研究结论,本文提出以下建议:
第一,完善个人资信评估机制及贷款信息资料库。个人资信档案一般包括两方面:一是借款人在贷款申请表中提供的贷款历史、居住情况、收入情况、婚姻情况等方面的信息;二是信用管理机构提供的与借款人信用历史相关的资料,包括未偿还的债务情况、信用卡透支情况、在其他金融机构的贷款记录等。贷款信息资料库不光要建立,而且要科学、完善,才能确切的反映借款人的情况,有效的预测其提前还款的风险。2009年10月,国务院公布征信管理条例(征求意见稿),我国信用体系的建设将进入一个新的时代,也体现了完善个人资信评估机制的重要性。
第二,在审核资料时,重点注意借款人财务状况的真实性。由于在中小城市,影响提前还款的最主要因素是与借款人财务状况相关的变量,包括收入、工作的稳定度、受教育程度和职务职位等,所以,在审核资料时,要重点调查借款人的这些资料,保证资料的真实性。
第三,加大提前还款风险的管理力度,提防提前还款潮。住房抵押贷款属于商业银行的优质资产,银行之间竞争激烈,都不愿意提出不利于业务发展的政策,所以收违约金等强行条件是不现实的,只能通过加大提前还款风险的管理力度,优化其管理策略来实现对住房抵押贷款的科学管理。
参考文献:
[1] 蔡明超、费一文,商业银行消费信贷中的提前偿还风险影响因素与风险管理——理论与实证,金融研究,2007,(7):25-35.
[2]刘疆,个人住房抵押贷款提前还款风险实证研究,博士学位论文,成都,西南财经大学,2007。
[3] 宁薛平、陈小勇、杨蓬勃.住房消费信贷的提前偿付行为研究——基于人口统计特征变量的实证,产业经济研究,2009,(2):75-78.
(作者单位:南京航空航天大学经济与管理学院)
关键词:住房抵押贷款;提前还款;影响因素;实证研究
一、引言
1998年7月,国家确定了启动内需、拉动经济增长的经济政策,国务院颁布《关于加快城镇住房制度改革促进住房建设发展的通知》,开始实施货币化住房分配政策。之后,房地产市场快速发展,房价一路飙升,我国的个人住房抵押贷款业务也随之迅速发展。因为住房抵押贷款具有利润高,期限长,风险较低的特点,所以成为各商业银行市场竞争的焦点。
在业务迅速发展的同时,风险也在相应的积累。传统的中国消费者作为债务人,不喜欢欠债,总是希望在自己有能力偿还贷款的时候提前还款。提前还款对于商业银行来讲存在很大的影响,其负面影响包括:增加再投资风险;打乱商业银行的资金运用计划;直接减少商业银行的利息收入,导致利润下降等。同时,对基于固定利率的个人住房抵押贷款证券,过高的提前还款率还将直接导致债券的收益受到重大影响,减少投资人的收益。在我国金融市场全面开放、业务竞争日趋激烈的背景下,商业银行急需强化管理理念,丰富管理手段,加强对提前还款风险的研究和控制,并结合我国的客观实际情况,建立适合我国情况的提前还款预测模型,研究导致提前还款风险的影响因素,对改变目前我国该项研究的空白,建立完整的理论体系,具有重要的理论依据和实用价值。
纵观国内目前关于住房抵押贷款提前还款实证研究的文献,都是以北京、上海、杭州等大城市的商业银行数据为贷款样本,而缺乏对小城市的研究。因此,本文以小城市商业银行贷款数据作为样本来研究住房抵押贷款提前还款问题,具有较强的实践意义。
二、基于小城市商业银行贷款数据的个人住房抵押贷款提前还款风险的实证研究
(一)数据的选取
本文选取了苏北某商业银行的某一级支行的数据。在对有关的数据进行调整后,共选取样本数据1032个。样本贷款的总金额为18059.1万元。总体样本中包括提前还款样本288个,占样本数的27.9% 正常还款样本744个,占样本数的72.1% 。而其中提前还款样本的贷款总金额为4660.7万元,占样本贷款总金额的25.8% 正常还款样本的贷款总金额为13398.4万元,占样本贷款总金额的74.2% 。样本时间从2003年4月到2008年12月,时间跨度为6年,数据记录时间截止为2009年7月1日。另外该商业银行所发放的贷款都是可调利率的商业住房抵押贷款(ARM),而且,对于借款人的部分提前还款和全部提前还款行为没有任何限制和惩罚措施。
(二)变量的量化
在研究住房抵押贷款的提前还款的风险之前,我们要先确定可能影响提前还款的因素。通过国内外大量文献的阅读,发现国内外学者在研究这一问题时,变量选择基本集中在如下四个维度:借款人特征维度、贷款特征维度、房产特征维度和地域特征维度。另外,从住房抵押贷款的资料的可获取性考虑,选取性别、婚姻状况、年龄、教育程度、职业、年收入、借款金额等变量进行实证研究。这些变量涉及借款人特征、贷款合约特征、房屋特征等三个方面。并把贷款的还款状态作为因变量——提前还款和正常还款分别赋值为0和1(见表1) 。
表1 变量及其量化方式说明表
变量类型变量名称变量量化方式说明
借款人特征因素借款人性别男=0,女=1
借款人年龄每个借款人在贷款发放时的年龄
家庭收入3000元以下=0,3000至6000元=1,6000~10000元=2,1万元以上=3
借款人职业不稳定=0,较稳定=1,稳定=2
借款人受教育程度中专以下=0,中专、大专=1,本科及以上=2
婚姻状况未婚=0,已婚=1
职位或职称一般员工=0,具有职称的领导人=1
是否本地人户口在本地的,视为本地人,赋值为0;户口不在本地的,工作在本地,即将成为本地人,赋值为1;户口不在本地,工作也不在本地,则不是本地人,赋值为2。
贷款特征因素还款方式等额本金还款法=0,等额本息还款法=1
贷款金额借款的实际金额
贷款期限贷款期限的实际值
最初月还款额第一个月的还款额是实际值
贷款价值比(LTV)贷款价值比=(贷款金额/房屋购买金额)*100%
贷款利率发放日的贷款年利率
房屋特征因素房屋价格房屋价格的实际值
房屋面积房屋面积的实际值
房屋类别一手房=0,二手房=1
(三)提前还款影响因素的实证研究
首先利用因子分析法来降低数据的多重共线性,达到数据缩减和变量精炼的程度,为后面即将进行的LOGISTIC回归分析奠定基础。
1.利用KMO样本测度和Bartlett卡方检验来判定自变量之间的相关性。检验结果显示,KMO统计量为0.556,而Bartlett卡方检验值为9005.190,Sig.为0.000,通过了检验,需要进行因子分析。
2.按照累计方差贡献率大于85%的原则提取因子,提取了特征值在0.7以上的10个因子,他们的累计方差贡献率达到86.980%,能够反映原始变量的绝大部分信息。本文运用方差最大化(Varimax)对因子载荷进行正交旋转,根据正交旋转后的因子载荷矩阵,将17个指标按高载荷分为10类,表中的数据代表每一个变量在10个因子中的荷重,在某一个因子中荷重越大,说明该变量越应归入该因子中。将这10个因子重新命名,并根据因子得分矩阵计算得出因子的取值,这些因子之间相互独立,作为LOGISTIC回归分析的基础。命名情况如表2所示:
表2 正交旋转后因子的高载荷变量情况
因子高载荷的原始变量
变量名称载荷因子的命名
FAC1最初月还款额0.915
贷款金额0.829
房屋价格0.669
贷款价值比0.654
贷款利率0.613贷款金额因子
FAC2职位或职称0.904
受教育程度0.806借款人职位因子
FAC3贷款期限0.960贷款期限因子
FAC4收入状况0.909
工作稳定度0.719借款人收入状况因子
FAC5房屋面积0.935房屋面积因子
FAC6婚姻状况0.877
年龄0.750借款人婚姻状况因子
FAC7房屋类型0.837房屋类型因子
FAC8性别0.993借款人性别因子
FAC9还款方式0.992贷款还款方式因子
FAC10是否本地人0.992是否本地人因子
然后利用logistic回归模型来分析各个因子对提前还款的影响程度及影响方向,各因子变量的回归系数及显著性水平如下:
表3 Logistic模型估计
因子参数估计标准差(S.E.)统计量(Wald)自由度(df)显著性水平(Sig.)优势比Exp(B)
FAC10.1780.0716.34510.0121.195
FAC2-0.2730.07114.81110.0000.761
FAC30.2510.07311.88610.0011.286
FAC4-0.3540.07224.41310.0000.702
FAC5-0.0450.0760.33910.5600.956
FAC6-0.0890.0731.47510.2250.915
FAC70.3320.07519.35410.0001.393
FAC8-0.1440.0704.25010.0390.866
FAC90.0780.0651.42810.2321.081
FAC100.1590.0853.51810.0611.172
常数项1.0400.075191.93310.0002.830
由此,我们可以得到二项Logistic回归模型为:即
Ln(Pi1-Pi)=1.040+0.178Xi1-0.273Xi2+0.251Xi3-0.354Xi4-0.045Xi5-0.089Xi6+0.332Xi7-0.144Xi8+0.078Xi9+0.159Xi10
其中:pi 为第i个借款人提前还款的概率(如果p小于0.5,则归入提前还款类)。
X1、X2、X3、X4、X5、X6、X7、X8、X9和X10 分别代表FAC1、FAC2、FAC3、FAC4、FAC5、FAC6、FAC7、
FAC8、FAC9和FAC10。
(四)实证研究结果
通过对logistic模型得出的系数进行分析,可以得到如下结论:
1.贷款人收入状况因子(FAC4)是影响提前还款的第一大因素。贷款人的工作越稳定,其收入状况越好,越容易提前还款。这个结果可以理解为,小城市的贷款人相对较保守,受“无债一身轻”的观念影响,不希望欠银行的贷款,有钱就希望能把贷款还上,所以条件好的贷款人更容易提前还款,而条件不好的贷款人则只能欠债。
2.房屋类型因子(FAC7)是影响提前还款的第二大因素。购买一手房的贷款人较容易提前还款。这个结果可以理解为,在小城市中,本地人而条件较好的都不会选择买二手房,所以购买一手房的贷款人相对财力状况较好,容易提前还款。
3.借款人职位因子(FAC2)是影响提前还款的第三大因素。借款人受教育程度越高,职位越大,或者说有较高的职称,越容易提前还款,因为此类人的财务状况也相对较好。
4.贷款期限因子(FAC3)是影响提前还款的第四大因素。贷款期限越短,越容易提前还款;贷款期限越长,提前还款的可能性越小。首先,贷款期限越长,借款人月还款额越少,财务负担轻,提前还款的可能性越高;其次,由于选择较短贷款期限的借款人,一般在经济实力上较选择较短贷款期限的借款人要好,提前还款的能力较强。在本文所采用的小城市商业银行贷款中,后者占了上风。
5.贷款金额因子(FAC1)是影响提前还款的第五大因素。房屋价格越低,贷款金额越少,贷款价值比越低,最初月还款额越少,其提前还款的可能性越大;贷款利率越低,提前还款的可能性越大。
6.借款人性别因子(FAC8)是影响提前还款的第六大因素,女性比男性更倾向于提前还款。国外的研究表明,男性比女性更容易提前还款。所以我想这个可能是我国的特殊现象,因为女性的抗压能力较低,所以比较倾向于提前还款。
7. 房屋面积因子(FAC5)、借款人婚姻年龄因子(FAC6)、还款方式因子(FAC9)、是否本地人因子(FAC10)对提前还款的影响较小,没有通过显著性检验。
三、结论及政策性建议
本文利用小城市商业银行数据来研究个人住房抵押贷款的提前还款风险影响因素,得出以下结论:
第一,小城市中,对住房贷款有影响的因素在其影响方向上与前人研究基本没有差别,也验证了本文在选取变量时,对变量的分析和假设。
第二,在小城市中,对提前还款风险影响最大的当数能反映借款人财务状况的因子,借款人收入状况因子排在第一位,职务职位因子排在第三位,其中包含收入、工作的稳定度、受教育程度和职务职位四个变量,均能反映借款人的财务状况。说明小城市思想比较保守,不喜欢欠债,只要借款人的财务状况较好,他们都会倾向于提前还款。就算受教育程度较高的人思想会比较开明,抗压能力较强,也还是比较容易提前还款。
第三,在小城市中,购买一手房的人比较容易提前还款。二手房市场起步比较晚,贷款的数量也比较少,本文首次将房屋的类型作为影响纳入研究。其实所谓的房屋类型,也就是贷款的类型。人们为什么要买二手房,不买一手房。原因主要有以下几条:二手房周边环境成熟,配套设施齐全;二手房都是现房交易,买了之后很快即可入住;最后的一点,在小城市中,二手房还是比较便宜的。所以说在小城市,购买二手房的人有很多都是从县城、
乡镇等迁入城市的人群,他们急于入住,对新开盘的楼盘又不是很了解,相对来说财务状况也较差,所以比较不容易提前还款。
根据文章的研究结论,本文提出以下建议:
第一,完善个人资信评估机制及贷款信息资料库。个人资信档案一般包括两方面:一是借款人在贷款申请表中提供的贷款历史、居住情况、收入情况、婚姻情况等方面的信息;二是信用管理机构提供的与借款人信用历史相关的资料,包括未偿还的债务情况、信用卡透支情况、在其他金融机构的贷款记录等。贷款信息资料库不光要建立,而且要科学、完善,才能确切的反映借款人的情况,有效的预测其提前还款的风险。2009年10月,国务院公布征信管理条例(征求意见稿),我国信用体系的建设将进入一个新的时代,也体现了完善个人资信评估机制的重要性。
第二,在审核资料时,重点注意借款人财务状况的真实性。由于在中小城市,影响提前还款的最主要因素是与借款人财务状况相关的变量,包括收入、工作的稳定度、受教育程度和职务职位等,所以,在审核资料时,要重点调查借款人的这些资料,保证资料的真实性。
第三,加大提前还款风险的管理力度,提防提前还款潮。住房抵押贷款属于商业银行的优质资产,银行之间竞争激烈,都不愿意提出不利于业务发展的政策,所以收违约金等强行条件是不现实的,只能通过加大提前还款风险的管理力度,优化其管理策略来实现对住房抵押贷款的科学管理。
参考文献:
[1] 蔡明超、费一文,商业银行消费信贷中的提前偿还风险影响因素与风险管理——理论与实证,金融研究,2007,(7):25-35.
[2]刘疆,个人住房抵押贷款提前还款风险实证研究,博士学位论文,成都,西南财经大学,2007。
[3] 宁薛平、陈小勇、杨蓬勃.住房消费信贷的提前偿付行为研究——基于人口统计特征变量的实证,产业经济研究,2009,(2):75-78.
(作者单位:南京航空航天大学经济与管理学院)