○馬欽玉

（江西理工大學(xué)經(jīng)濟(jì)管理學(xué)院 江西 贛州 341000）

個(gè)人住房抵押貸款提前還款風(fēng)險(xiǎn)是指借款人在還款期限內(nèi)，在貸款合同規(guī)定的還款計(jì)劃外，提前償還本金，造成貸款人損失的可能。提前還款風(fēng)險(xiǎn)造成的貸款人損失主要表現(xiàn)在三個(gè)方面。

第一個(gè)方面，提前還款會(huì)打破貸款人現(xiàn)金流計(jì)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(gè)方面，如果市場(chǎng)利率下降，貸款人再投資收益就會(huì)降低；第三個(gè)方面，過早的本金償還可能使貸款人蒙受發(fā)起費(fèi)用、服務(wù)費(fèi)用和管理費(fèi)用損失。

一、因子分析實(shí)證模型的建立

因子分析是一種多元分析方法，是將影響個(gè)人住房抵押提前還款因素的眾多指標(biāo)合成少數(shù)幾個(gè)指標(biāo)，將眾多的原始變量濃縮為少數(shù)幾個(gè)有效的因子變量，使變量具有更高的解釋性的研究方法。

設(shè) X=（ x1，x2，…，xp）為觀察到的隨機(jī)向量，F(xiàn)=（ F1，F(xiàn)2，…，F(xiàn)m）是不可觀測(cè)的向量。有：

稱Fi為第i個(gè)公共因子，aij為因子載荷。

二、變量選取

本文把變量的選擇基本歸結(jié)為借款人特征、貸款特征、房產(chǎn)特征和區(qū)域特征四個(gè)維度共19個(gè)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(yè)、受教育程度、婚姻狀況、是否當(dāng)?shù)厝耍毁J款人特征維度主要有貸款金額、貸款余額、貸款期限、貸款利率、貸款已運(yùn)行時(shí)間、還款方式、貸款價(jià)值比；房產(chǎn)特征維度主要有單位房?jī)r(jià)、住房面積、住房總價(jià)值。

三、變量量化

變量選擇完成后，我們需要對(duì)所選變量進(jìn)行量化，以便于以后的模型分析。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(duì)本論文選取的13個(gè)自變量的量化方法用表給出，見表1，其余6個(gè)變量采用實(shí)際數(shù)額。

表1 變量量化表

四、研究樣本的來源及說明

樣本來源某市多家商業(yè)銀行個(gè)人住房抵押貸款信貸檔案資料，涵蓋了2005年以來歷年的全部個(gè)人抵押住房數(shù)據(jù)，截止于2013年6月30日。經(jīng)過嚴(yán)格檢查和篩選，最終獲得正常貸款樣本5796個(gè)，提前還款樣本286個(gè)，有效樣本總?cè)萘繛?082個(gè)。

五、變量描述性統(tǒng)計(jì)分析

采用SPSS16.0軟件對(duì)樣本進(jìn)行描述性統(tǒng)計(jì)分析，得出個(gè)人住房抵押貸款提前還款樣本中的變量信息，見表2。

從借款人特征分析，得出提前還款中男性居多且更傾向于提前還款；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(yè)來看，工作越穩(wěn)定，提前還款的概率越大；從受教育程度來看，學(xué)歷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(dāng)?shù)厝烁菀装l(fā)生提前還款現(xiàn)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(fā)生提前還款現(xiàn)象；從貸款利率來看，利率越高越容易發(fā)生提前還款現(xiàn)象。

表2 變量統(tǒng)計(jì)性描述

表3 因子得分系數(shù)矩陣

從還款方式看，等額本金還款法更容易發(fā)生提前還款現(xiàn)象；從貸款價(jià)值比（LTV）看，提前還款組LTV均值為40.51%小于正常還款組的40.77%。

從房產(chǎn)特征來看，單位房?jī)r(jià)越高越容易發(fā)生提前還款現(xiàn)象；從區(qū)域特征來看，房?jī)r(jià)越高提前還款現(xiàn)象越明顯。

六、因子賦值

本文中在用因子分析法提取因子時(shí)，我們選用了SPSS 16.0軟件中的主成份分析法，采用方差解釋度大于85%的原則來選取因子的個(gè)數(shù)，共抽取了9個(gè)因子。

接著對(duì)提取出來的9個(gè)因子進(jìn)行賦值，記為Fi（i=1，2，…，8）。在給因子賦值之前首先要對(duì)原始變量進(jìn)行標(biāo)準(zhǔn)化，然后將標(biāo)準(zhǔn)化后的原始變量矩陣乘以因子得分系數(shù)矩陣即得到賦值后的因子分值，見表3。

同時(shí)由表三我們可以看出，在因子1中，貸款金額、貸款余額、住房面積對(duì)因子1的貢獻(xiàn)度最大，具有最強(qiáng)的解釋力，其次是年齡、月還款額占家庭收入比例、還款方式、貸款價(jià)值比和住房總價(jià)值對(duì)因子1的貢獻(xiàn)度較大，而其因子的分析同理。

至此得到了新的因子變量，這些因子變量包含了原先19個(gè)變量的絕大部分信息，同時(shí)又避免了原始變量的多重共線性問題，為后面的判別分析奠定了基礎(chǔ)。

七、判別函數(shù)

應(yīng)用判別分析，可以研究各變量對(duì)個(gè)人住房抵押提前還款風(fēng)險(xiǎn)的影響方法和影響程度，進(jìn)而達(dá)到判別未知分類貸款可能所屬類別的目的。

判別函數(shù)的一般形式是：

其中，Y為判別值；x1，x2，…，xn為反映個(gè)人住房抵押貸款違約特征的變量；a1，a2，a3，…an為各自變量的系數(shù)，即判別系數(shù)。

判別函數(shù)分析的程序是先將所研究的樣本分為違約貸款組和正常貸款組，根據(jù)“組內(nèi)離散性最小、組間離散性最大”的原則建立判別函數(shù)來對(duì)未知分組屬性的樣本的可能歸屬進(jìn)行判別。

八、判別結(jié)果

根據(jù)判別分析，可以得出這樣的結(jié)論：借款人財(cái)務(wù)狀況越好，提前還款的可能性越大。月還款額占家庭收入比例越高、貸款期限越長(zhǎng)、貸款運(yùn)行期數(shù)越長(zhǎng)、單位房?jī)r(jià)越高，個(gè)人住房抵押貸款提前還款可能性越大。房?jī)r(jià)指數(shù)越高，提前還款可能性越大。男性、收入穩(wěn)定者、受教育程度越高越傾向于提前還款。家庭收入越高，越容易發(fā)生提前還款現(xiàn)象。等額本金還款法更容易發(fā)生提前還款現(xiàn)象。已婚借款人較未婚借款人提前還款的可能性較大。貸款利率越高，提前還款可能性越大。本地人提前還款的可能性大于外地人。

[1]劉洪玉、孫冰：個(gè)人住房抵押貸款提交還款風(fēng)險(xiǎn)因素實(shí)證研究[J].同濟(jì)大學(xué)學(xué)報(bào)（ 自然科學(xué)版），2007（ 1）.