商業(yè)銀行房地產(chǎn)貸款風險研究

商業(yè)銀行房地產(chǎn)貸款風險研究摘要：目前我國房地產(chǎn)行業(yè)發(fā)展迅猛，一堆投資者和投機者趨于利益誘因，紛紛進入房地產(chǎn)市場，迅速推高了我國的房價。有一部分城市的房價已經(jīng)虛高到嚴重偏離房子原有的價值，出現(xiàn)了泡沫化現(xiàn)象。一旦房地產(chǎn)泡沫破裂，則商業(yè)銀行房地產(chǎn)貸款違約率就會飆升，導致商業(yè)銀行發(fā)生系統(tǒng)性風險，從而對國民經(jīng)濟的安穩(wěn)產(chǎn)生巨大沖擊。房地產(chǎn)因為其特殊的性質(zhì)，關(guān)聯(lián)行業(yè)極多，包括上游的建筑業(yè)，金屬制品業(yè)以及下游的家具，家電等等，為我國國內(nèi)生產(chǎn)總值的增長做出了巨大貢獻。同時，房地產(chǎn)行業(yè)的健康發(fā)展少不了大量的資金支持，但是目前來說我國房地產(chǎn)企業(yè)資金來源比較單一，嚴重依賴商業(yè)銀行的信用貸款，少部分資金來源于股權(quán)，基金，債權(quán)等融資渠道。因此商業(yè)銀行承受著較大的信用風險。并且房地產(chǎn)開發(fā)企業(yè)在商業(yè)活動中受到政策，房價，利率和收入等影響，其抵押物的價值極易受到影響。當?shù)盅何飪r值產(chǎn)生較大波動時，房地產(chǎn)開發(fā)商可能會出現(xiàn)資不抵債的現(xiàn)象出現(xiàn)違約行為，一旦企業(yè)違約，將會給商業(yè)銀行帶來極大的損失進而造成金融動蕩。因此降低銀行房貸風險對穩(wěn)定我國金融市場有著重大的意義。目前房地產(chǎn)貸款也得到了迅猛發(fā)展，房地產(chǎn)開發(fā)貸款因為貸款金額大，利率高等原因帶來的高回報成為了各家商業(yè)銀行經(jīng)營競爭的主要行業(yè)之一。與此同時房地產(chǎn)開發(fā)貸款具有風險集中，還款來源渠道單一，開發(fā)貸款抵押物價值波動大等特點，也使商業(yè)銀行承受著較大的金融風險。當房地產(chǎn)開發(fā)商的抵押物價值產(chǎn)生較大波動時，房地產(chǎn)開發(fā)商和個人住房貸款持有者都有極大可能出現(xiàn)違約行為，這會導致商業(yè)銀行不良貸款率不斷累積，極有可能引發(fā)新的金融動蕩。因此本文運用CPV模型對商業(yè)銀行房地產(chǎn)貸款信用風險進行度量，選取由不良貸款率轉(zhuǎn)換得到的綜合指標Y作為被解釋變量，選取國民生產(chǎn)總值（GDP）,居民消費價格指數(shù)（CPI），商品房銷售價格,國房景氣指數(shù),貨幣供應量（M2），銀行不良貸款率和財政支出等宏觀經(jīng)濟指數(shù)作為解釋變量進行多元線性回歸，期望能得出影響信貸風險的因素，并為商業(yè)銀行的健康穩(wěn)定發(fā)展提出可靠的建議。關(guān)鍵詞：房地產(chǎn)信貸風險CPV模型AbstractAtpresent,therapiddevelopmentofChina'srealestateindustry,apileofinvestorsandspeculatorstendtoprofitincentives,haveenteredtherealestatemarket,quicklypushedupthepriceofhousinginChina.Insomecities,thehousingpricehasbeeninflatedtotheextentthatitdeviatesseriouslyfromtheoriginalvalueofthehouse,resultinginabubblephenomenon.Oncetherealestatebubblebursts,thedefaultrateofrealestateloansofcommercialBankswillsoar,leadingtosystemicrisksofcommercialBanks,whichwillhaveahugeimpactonthestabilityofthenationaleconomy.Becauseofitsspecialnature,realestateisassociatedwithmanyindustries,includingtheupstreamconstructionindustry,metalproductsindustryanddownstreamfurniture,homeappliancesandsoon.IthasdevelopedintoanimportantpillarindustryofChina'snationaleconomy.Atthesametime,alargeamountoffinancialsupportisnecessaryfortheboomingdevelopmentoftherealestateindustry.However,atpresent,China'srealestateenterpriseshavearelativelysinglesourceoffundsandrelyheavilyoncreditloansfromcommercialBanks,withasmallpartoffundscomingfromequity,fund,creditor'srightsandotherfinancingchannels.Therefore,commercialBanksbeargreatcreditrisks.Inaddition,realestatedevelopmententerprisesareaffectedbypolicies,housingprices,interestratesandincomesintheircommercialactivities,andthevalueoftheircollateralisextremelysusceptibletoinfluence.Whenthevalueofthecollateralfluctuatesgreatly,therealestatedevelopersmayappearinsolventanddefault.Oncetheenterprisedefaults,itwillbringgreatlossestothecommercialBanksandthuscausefinancialturmoil.Therefore,itisofgreatsignificancetoreducetheriskofbankmortgageloantostabilizeChina'sfinancialmarket.Atpresent,therealestateloanhasalsodevelopedrapidly.Becauseofthelargeamountofloanandhighinterestrate,thehighreturnoftherealestatedevelopmentloanhasbecomeoneofthemaincompetitiveindustriesforcommercialBanks.Atthesametime,therealestatedevelopmentloanhasthecharacteristicsofconcentratedrisks,singlerepaymentsourcesandchannels,andthedevelopmentloancollateralvaluefluctuatesgreatly,whichalsomakescommercialBanksbeargreatfinancialrisks.Whenthemortgagevalueofrealestatedevelopersfluctuatesgreatly,bothrealestatedevelopersandindividualhousingloanholdersarehighlylikelytodefault,whichwillleadtothecontinuousaccumulationofnon-performingloanratioofcommercialBanksandishighlylikelytotriggernewfinancialturmoil.SothisarticleuseCPVrealestateloansinthecommercialbankcreditriskmeasurementmodel,selectedbythenon-performingloanratiobyconvertingthecomprehensiveindexYisasexplainedvariable,selectthegrossnationalproduct(GDP),theconsumerpriceindex(CPI),commercialhousingsalesprices,GuoFangclimateindex,moneysupply(M2),Banksnon-performingloanratioandspendingmacroeconomicindexasexplanatoryvariablessuchasmultiplelinearregression,expectingtoindicatesthatthefactorsaffectingthecreditrisk,andforreliableSuggestionsforthehealthyandstabledevelopmentofthecommercialBanks.Keywords:realestate,creditrisk,CPVmodel1.緒論 61.研究背景及意義 61.2國內(nèi)外研究現(xiàn)狀 71.2.1國外研究現(xiàn)狀 71.2.2國內(nèi)研究現(xiàn)狀 71.3研究內(nèi)容與結(jié)構(gòu) 82.商業(yè)銀行房地產(chǎn)貸款風險相關(guān)概念 92.1信用風險 92.2市場風險 92.3操作性風險 103.我國商業(yè)銀行房地產(chǎn)信貸現(xiàn)狀 103.1房地產(chǎn)業(yè)發(fā)展現(xiàn)狀 103.2房地產(chǎn)貸款發(fā)展現(xiàn)狀 133.3小結(jié) 144.基于CPV模型我國商業(yè)銀行信貸風險實證研究 154.1信用風險計量 154.1.1期權(quán)定價模型（KMV） 154.1.2信用風險附加模型（CreditRisk+） 164.1.3信用度量模型（CreditMetrics） 164.1.4信貸組合審查模型（CreditProtfolioView） 164.2CPV模型的適用性 164.2.1構(gòu)建CPV模型 174.2.2變量的選取 174.3實證分析 184.3.1數(shù)據(jù)的描述 184.3.2數(shù)據(jù)的平穩(wěn)性檢驗 194.3.3多元回歸模型的建立 204.3.4模型的檢驗 214.3.5嶺回歸 224.4模型預測與分析 235．總結(jié)及建議 235.1結(jié)論 235.2建議 245.2.1政府 245.2.2商業(yè)銀行 24參考文獻 25致謝 26緒論1.研究背景及意義這幾年，飛速發(fā)展的中國房地產(chǎn)行業(yè)，已然成為中國經(jīng)濟的重要組成部分，對我國的投資，金融和國內(nèi)生產(chǎn)總值等方面均產(chǎn)生巨大影響。相關(guān)數(shù)據(jù)顯示，從2008年開始，房地產(chǎn)業(yè)創(chuàng)造的GDP一直在穩(wěn)健爬升，2008年房地產(chǎn)創(chuàng)造的GDP為14738.7億元，而到2017年這個數(shù)據(jù)已經(jīng)上升到了53850.7億元，占當年GDP比例為6.52%，從以上數(shù)據(jù)可以看出，房地產(chǎn)行業(yè)對中國GDP的增長做出了巨大的貢獻。與此同時，房地產(chǎn)行業(yè)近10年占GDP比例一直持續(xù)上升。房地產(chǎn)因為其特殊的性質(zhì)，關(guān)聯(lián)行業(yè)極多，包括上游的建筑業(yè)，金屬制品業(yè)以及下游的家具，家電等等，已然發(fā)展成了我國國民經(jīng)濟的重要支柱性產(chǎn)業(yè)。與此同時，房地產(chǎn)行業(yè)的蓬勃發(fā)展少不了大量的資金支持，但是目前來說我國房地產(chǎn)企業(yè)資金來源比較單一，嚴重依賴商業(yè)銀行的信用貸款，少部分資金來源于股權(quán)，基金，債權(quán)等融資渠道。因此商業(yè)銀行承受著較大的信用風險。并且房地產(chǎn)開發(fā)企業(yè)在商業(yè)活動中受到政策，房價，利率和收入等影響，其抵押物的價值極易受到影響。當?shù)盅何飪r值產(chǎn)生較大波動時，房地產(chǎn)開發(fā)商可能會出現(xiàn)資不抵債的現(xiàn)象出現(xiàn)違約行為，一旦企業(yè)違約，將會給商業(yè)銀行帶來極大的損失進而造成金融動蕩。因此降低銀行房貸風險對穩(wěn)定我國金融市場有著重大的意義。筆者收集中國人民銀行的數(shù)據(jù)發(fā)現(xiàn)，近年來投入我國房地產(chǎn)開發(fā)貸款的資金穩(wěn)健爬升，2018年，這個數(shù)據(jù)已經(jīng)到達了10.19萬億元。大量的資本注入使得房地產(chǎn)行業(yè)迅猛發(fā)展，與之相對應的是商業(yè)銀針對房地產(chǎn)貸款業(yè)務的快速增長。然而商業(yè)銀行從飛速發(fā)展的房地產(chǎn)貸款上獲取高額利潤的同時也承受巨大的風險考驗。因為房地產(chǎn)開發(fā)貸款一般來說都是大額資金，同時具有超高的回報率因此成為了各家商業(yè)銀行經(jīng)營競爭的主要行業(yè)之一。與此同時房地產(chǎn)開發(fā)貸款具有風險集中，還款來源渠道單一，開發(fā)貸款抵押物價值波動大等特點，也使商業(yè)銀行承受著較大的金融風險。當房地產(chǎn)開發(fā)商的抵押物價值產(chǎn)生較大波動時，房地產(chǎn)開發(fā)商和個人住房貸款持有者都有極大可能出現(xiàn)違約行為，這會導致商業(yè)銀行不良貸款率不斷累積，極有可能引發(fā)新的金融動蕩。國際歷史上很多金融危機的發(fā)生都是源于房地產(chǎn)泡沫的破裂，回顧歷史我們不難發(fā)現(xiàn)，2008源于美國的全球性金融危機發(fā)生的根本原因是房地產(chǎn)貸款環(huán)節(jié)沒有受到重視。因此，房地產(chǎn)融資金融衍生產(chǎn)品的創(chuàng)新和對次貸危機的估計不足導致的房地產(chǎn)泡沫破裂應該引起人們的警覺。目前，國外有關(guān)商業(yè)銀行房貸風險及風險管理的理論研究還是比較豐富的，但是并不都符合中國國情。而且對房地產(chǎn)風險管理理論進行更新和完善是當今快速發(fā)展的中國金融市場的硬性需求。針對我國商業(yè)銀行在進行房地產(chǎn)信貸項目中遇見的新情況和新問題進行研究，有利于豐富商業(yè)銀行房貸風險管理理論體系且對金融體系的穩(wěn)健運行意義重大。1.2國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀Quercia(1992)收集了大量違約行為在此基礎上建模進行實證分析后發(fā)現(xiàn)，個人住房貸款的持有者的還款行為受到其抵押房產(chǎn)凈值波動的影響。當出現(xiàn)波動且抵押房產(chǎn)凈值下降，并且低于未償還的貸款價值，借款人就會出現(xiàn)違約行為。[1]Allen(2013)利用logistic模型得出了房貸風險與利率，失業(yè)率和抵押品價格的相關(guān)的結(jié)論。[2]HuguesPirotte(2005)打算運用CPV模型辯證分析違約率與選GDP，通貨膨脹率，利率，政府支出宏觀經(jīng)濟因素之間的關(guān)系。最后知道GDP，通貨膨脹率，利率，政府支出等宏觀經(jīng)濟指標對違約率影響重大。[3]XiaolingZhang,LiyinShen(2009)收集了芬蘭商業(yè)銀行的數(shù)據(jù)，通過壓力測試的方法對其信用風險進行度量，通過實證得出結(jié)論，通貨膨脹率，利率和工業(yè)產(chǎn)值等宏觀經(jīng)濟指數(shù)與信用風險聯(lián)系緊密。[4]Stepanova（2014）針對房地產(chǎn)貸款建立了專門的風險度量模型，并收集了1998-2002年商業(yè)銀行房地產(chǎn)貸款的借款人的信息數(shù)據(jù)作為數(shù)據(jù)支撐，希望達到幫助商業(yè)銀行度量房地產(chǎn)貸款風險的目的。并且Stepanova以經(jīng)濟人假說為基礎得出結(jié)論，商業(yè)銀行和房地產(chǎn)開發(fā)商在進行信貸交易活動的過程中都希望獲得最大限度的收獲，并為此可以不擇手段。商業(yè)銀行希望通過對房地產(chǎn)開發(fā)商進行放貸獲得利差來達到收益，會盡可能的降低信貸風險。而房地產(chǎn)開發(fā)商可能會為了滿足自己的某種需求，不想承擔高額的利息成本而選擇隱瞞甚至欺騙商業(yè)銀行的行為。兩者的利益目標不是一致的，這種行為會有極大可能引發(fā)商業(yè)銀行信貸風險。[5]1.2.2國內(nèi)研究現(xiàn)狀1.2.2.1房地產(chǎn)信貸風險理論研究李睿（2006）認為商業(yè)銀行對在事前風險防控中對借款人資信情況的判斷是決定商業(yè)銀行房地產(chǎn)貸款信用風險大小的關(guān)鍵要素。在商業(yè)銀行決定是否發(fā)放貸款的過程中，借款人的貸款利率，貸款收益率，違約率，信用等級都是重要的考察指標。[6]錢楓林和鄧允蘭（2011）通過文獻研究和結(jié)合中國國情發(fā)現(xiàn)，目前我國的個人住房貸款風險主要由貸款違約風險和提前還款風險構(gòu)成，值得注意的是，在風險管理過程中我國將重點放在貸款違約風險的管理卻不重視提前還款風險管理。他們提出要對提前還貸風險作出正確的認識，靈活運用表內(nèi)對沖，進行個人住房抵押貸款創(chuàng)新。[7]康路陽（2012）認為可以通過深化房地產(chǎn)市場各種機制體制改革，增加房地產(chǎn)的投資渠道，嚴格控制商業(yè)銀行信貸閥門等手段防范房貸風險。[8]王倩（2017）以農(nóng)行遼寧通行為例，認為預防房地產(chǎn)信貸風險要從商業(yè)銀行和政府兩個層面著手。從銀行層面來說，銀行必須要建立專門針對房地產(chǎn)貸款的事前預警機制，事中加強內(nèi)部控制體系，同時要拓寬房地產(chǎn)貸款風險事后轉(zhuǎn)移渠道。從政府層面看，政府有必要完善我國房地產(chǎn)信用風險階段性管理體系，加強對貸款后房地產(chǎn)市場的監(jiān)管。[9]簡貴來(2016)試圖構(gòu)建一個系統(tǒng)的新視角來探究產(chǎn)業(yè)的模式和問題，以實證經(jīng)濟學研究的方法和經(jīng)驗，剖析房地產(chǎn)行業(yè)在中國幾十年來的發(fā)展過程中所表現(xiàn)出來的問題，找出導致這些問題的基本原因，力求為中國房地產(chǎn)行業(yè)的健康穩(wěn)定發(fā)展提出有效建議。[10]1.2.2.2房地產(chǎn)信貸風險實證研究劉大琴（2014）選取了十余家銀行的貸款不良率作為樣本數(shù)據(jù)來源，經(jīng)過Logit模型轉(zhuǎn)換后得到被解釋變量，最后經(jīng)過實證分析發(fā)現(xiàn)，貸款利率與商業(yè)銀行不良貸款率呈正相關(guān)關(guān)系，GDP增長率和房價變動率與商業(yè)銀行不良貸款率呈負相關(guān)關(guān)系。最后作運用壓力測試模型對我國商業(yè)銀行信貸風險進行預測，提出了讓壓力測試成為常態(tài)的建議。[11]肖冰和李春紅通過建立Logistic模型來分析影響房地產(chǎn)信貸風險的因素，發(fā)現(xiàn)對于房地產(chǎn)企業(yè)來說，公司的財務狀況僅僅是影響其信貸風險的一部分，利率，房價，GDP增長率和中長期貸款利率等宏觀經(jīng)濟指標也對信貸風險影響頗深。[12]李雙佳(2013)通過收集2005-2010年5年間20個季度的宏觀經(jīng)濟指標進行CPV模型實證研究，最后得出結(jié)論，居民消費價格指數(shù)和違約風險呈正相關(guān)關(guān)系。國房景氣指數(shù)，房地產(chǎn)景氣指數(shù)和宏觀經(jīng)濟景氣指數(shù)和違約風險呈負相關(guān)關(guān)系。[13]孫蕾（2018）利用隨機面板模型定量分析商業(yè)銀行信貸風險和房地產(chǎn)行業(yè)之間的關(guān)系，用不良資產(chǎn)率表示商業(yè)銀行信貸風險，選取了我國具有代表性的34家銀行2007-2016年的樣本。以商品銷售面積，房地產(chǎn)企業(yè)景氣指數(shù)，國房景氣指數(shù)，宏觀經(jīng)濟景氣指數(shù)，M2，貸款利率，銀行資本充足率和其他行業(yè)信貸集中度為自變量建立模型進行實證分析，發(fā)現(xiàn)國房經(jīng)濟指數(shù)，貨幣供應量和貸款利率等指標與商業(yè)銀行不良資產(chǎn)呈顯著正相關(guān)。宏觀經(jīng)濟指數(shù)，銀行資本充足率和除房地產(chǎn)外其他行業(yè)貸款占銀行總貸款的比例與商業(yè)銀行不良資產(chǎn)呈顯著負相關(guān)。[14]1.3研究內(nèi)容與結(jié)構(gòu)本文的研究對象是商業(yè)銀行房地產(chǎn)信貸風險度量，目前我國房地產(chǎn)行業(yè)發(fā)展迅猛，一堆投資者和投機者趨于利益誘因，紛紛進入房地產(chǎn)市場，迅速推高了我國的房價。有一部分城市的房價已經(jīng)虛高到嚴重偏離房子原有的價值，出現(xiàn)了泡沫化現(xiàn)象。一旦房地產(chǎn)泡沫破裂，則商業(yè)銀行房地產(chǎn)貸款違約率就會飆升，導致商業(yè)銀行發(fā)生系統(tǒng)性風險，從而對國民經(jīng)濟的安穩(wěn)產(chǎn)生巨大沖擊。因此本文運用CPV模型對商業(yè)銀行房地產(chǎn)貸款信用風險進行度量，期望能得出影響信貸風險的因素，并為商業(yè)銀行的健康穩(wěn)定發(fā)展提出可靠的建議。本文主要分為五大部分，第一部分是緒論，筆者簡要闡述了本文的研究背景及意義，如今我國房地產(chǎn)貸款發(fā)展迅猛，與之相對應的是我們應該加強對房地產(chǎn)信貸風險的度量。接著筆者分析了國內(nèi)外的研究現(xiàn)狀，為后文的模型提供理論支持。第二部分筆者闡述了商業(yè)銀行房地產(chǎn)貸款風險的含義以及分析了信貸風險的類型，商業(yè)銀行信貸風險主要由信用風險，市場風險和操作風險構(gòu)成。第三部分筆者分析了我國房地產(chǎn)行業(yè)和房地產(chǎn)貸款的發(fā)展現(xiàn)狀，結(jié)合數(shù)據(jù)分析，肯定了本文進行商業(yè)銀行房地產(chǎn)信貸風險度量的經(jīng)濟意義。第四部分筆者通過比較KMV，CR+，CM，CPV等四種現(xiàn)代風險度量模型各自的特點，最后采用CPV模型進行實證分析得出不良貸款率和宏觀經(jīng)濟因素之間的關(guān)系。第五部分筆者對全文進行了總結(jié)，并且從政府和商業(yè)銀行兩個層面出發(fā)，試圖對我國商業(yè)銀行房地產(chǎn)貸款風險預防提出建議。商業(yè)銀行房地產(chǎn)貸款風險相關(guān)概念近年來越來越多的學者將目光聚焦在房地產(chǎn)信貸問題上，商業(yè)銀行房地產(chǎn)信貸風險的定義也俞加廣泛。一般來說，商業(yè)銀行信貸風險指的是房地產(chǎn)開發(fā)商和個人住房貸款人沒有按照約定履行義務導致業(yè)務發(fā)生損失的可能性。按照國際貨幣基金組織的分類，商業(yè)銀行風險包括市場風險，信用風險，流動性風險，操作風險和法律風險。具體到商業(yè)銀行房地產(chǎn)信貸風險則可以劃分為：信用風險，市場風險和操作性風險。2.1信用風險信用風險指的是借款人不能按時還本付息的風險。借款人違約行為的發(fā)生主要基于兩個層面的原因：一個是道德風險，即借款人道德品質(zhì)出現(xiàn)問題，對債權(quán)人故意隱瞞自身的財務狀況，主觀上不想履行合約。二是貸款人客觀上無力償還借款，例如借款人自有資金不足，企業(yè)因經(jīng)營不善導致虧損，借款人所處的宏觀經(jīng)濟環(huán)境惡化（例如國家實行緊縮的財政或貨幣政策，金融危機的發(fā)生，國內(nèi)政治勢力動蕩，國外對此行業(yè)進行經(jīng)濟制裁等等）導致借款人無力償還債務。信用風險是金融市場最常見的風險，信貸合同簽訂的那一刻信用風險隨之產(chǎn)生，直到借款人還本付息或者借款人發(fā)生違約情況才結(jié)束。對于借款人來說不管是從主觀意愿還是客觀環(huán)境上來看，其能否按時還本付息總是充滿了不確定性，因此商業(yè)銀行要在發(fā)放這筆貸款到收回本金和利息的期間，做好事前，事中，事后風險防范，建立一系列的風險度量，分析模型，以及做出各種風險管理的決策，這就是商業(yè)銀行信貸風險管理的全過程。[15]2.2市場風險市場風險是指銀行因市場上利率、匯率、股票、商品等價格變動而遭受損失的風險。因此，市場風險實際上包括利率風險、匯率風險、股票風險和商品價格風險等四種風險。房地產(chǎn)市場風險是指由于房地產(chǎn)價格和房地產(chǎn)供求關(guān)系等因素的變化以及房地產(chǎn)交易過程中房價和借款人收入的變化所形成的使交易市場價值發(fā)生負面變化的風險。具體包括是利率風險和商品價格風險。[16]房地產(chǎn)利率風險：當房地產(chǎn)貸款利率上升時，房地產(chǎn)企業(yè)開發(fā)成本和購房者成本隨之上升，導致房地產(chǎn)投資的規(guī)模的下降,房地產(chǎn)買家的消費需求和房價的下降，最后的結(jié)果是房地產(chǎn)信用風險的上升。[17]房地產(chǎn)商品價格風險：個人住房貸款的借款人的還款行為受到其抵押房產(chǎn)價格影響，當?shù)盅悍慨a(chǎn)價格下降，并且低于借款人未償還的貸款價值，借款人就會出現(xiàn)違約行為。這個理論同樣也適用于房地產(chǎn)開發(fā)商，當銷售的房產(chǎn)價格下降，房地產(chǎn)開放商資金不能回籠就會出現(xiàn)違約行為，給商業(yè)銀行帶來損失。[18]2.3操作性風險操作性風險包括客觀性操作風險和主觀性操作風險，客觀性操作風險是指外部事件造成損失的可能性。在房地產(chǎn)信貸項目中，信貸交易有著一定的技術(shù)性和復雜性，它客觀上要求商業(yè)銀行要有充足的專業(yè)人員，完備的管理模式，以及完善的征信系統(tǒng)，管理模型的片面性或失效，商業(yè)銀行數(shù)據(jù)庫的不完善以及會計處理偏差等因素都會導致客觀性操作風險。主觀性操作風險是指商業(yè)銀行工作人員在工作過程中利用銀行的管理或機制漏洞，故意操作失誤為自己牟利給商業(yè)銀行帶來損失的可能性。其中包括兩種情況，一是為了追求業(yè)務量和利潤增長，商業(yè)銀行信貸人員看盲目重房貸業(yè)務的開展，而忽略了對借款人的資信檢查。再者商業(yè)銀行的高級信貸管理人員不足，員工的整體工作素質(zhì)有待提高，知識結(jié)構(gòu)不全面，對借款人的資信審查缺乏風險意識和量化分析，導致財務作業(yè)出現(xiàn)問題。另外一種情況是商業(yè)銀行工作者自身道德素質(zhì)不高，為了個人利益，利用職務便利和一些不正規(guī)的企業(yè)勾結(jié)合謀，蓄意造假，降低審核標準違規(guī)房貸，最終導致商業(yè)銀行資產(chǎn)業(yè)務蒙受損失。我國商業(yè)銀行房地產(chǎn)信貸現(xiàn)狀3.1房地產(chǎn)業(yè)發(fā)展現(xiàn)狀我國商品房銷售額近10年來一直呈現(xiàn)上漲形態(tài)，僅2013年-2014年短暫跌落。2015-2017年又呈現(xiàn)出爆發(fā)式增長。我國2007年-2017年商品房銷售額及同比數(shù)據(jù)來源：國家統(tǒng)計局此外，在房地產(chǎn)投資占社會固定資產(chǎn)比重方面，房地產(chǎn)投資規(guī)模已達7萬億元，房地產(chǎn)投資占社會固定資產(chǎn)比重穩(wěn)定在13%左右。這幾年房地產(chǎn)投資占比雖然有小幅回落，但對社會固定資產(chǎn)投資仍有較大影響。因此，穩(wěn)定房地產(chǎn)行業(yè)風險對維持金融市場穩(wěn)定重大意義。 我國2008-2017年房地產(chǎn)投資占社會固定資產(chǎn)投資比例數(shù)據(jù)來源：國家統(tǒng)計局我國的人口增長也在推動著房地產(chǎn)發(fā)展，從歷史數(shù)據(jù)來看，我國人口持續(xù)增長，2007年-2017年我國人口自然增長率穩(wěn)定保持在5%左右。值得注意的是，從圖表我們可以看出，受到二胎政策的影響，我國人口增長率在2016有著明顯上升趨勢，達到5.86%。從大趨勢來看我國人口與增長率將保持增長狀態(tài)，為住宅市場持續(xù)不斷地創(chuàng)造住房需求。2007-2017我國人口增長率數(shù)據(jù)來源：國家統(tǒng)計局從城鎮(zhèn)化率也可以看出我國房地產(chǎn)行業(yè)的發(fā)展前景，2016年，我國城鎮(zhèn)化率為57.35%，較2008年提升了10.36個百分點，年均增長1.3個百分點，但整體水平與高收入國家相比仍存在較大差距。具體差異見下圖：2016年我國與各國城鎮(zhèn)化差異比較數(shù)據(jù)來源：國家統(tǒng)計局目前我國城鎮(zhèn)化率還比較低，未來的城鎮(zhèn)化人口增加將會為房地產(chǎn)市場提供持續(xù)的剛性需求。大城市和中小城市的市場需求不是此消彼長的格局，房地產(chǎn)長期需求強勁，而目前房地產(chǎn)行業(yè)開發(fā)施工進度趕不上我國人口城鎮(zhèn)化的速度，這一現(xiàn)象在國內(nèi)某些熱點一，二線城市尤為明顯，這使得住房數(shù)量供不應求出現(xiàn)短缺。3.2房地產(chǎn)貸款發(fā)展現(xiàn)狀從以上分析可以看出，我國的房地產(chǎn)行業(yè)正在蓬勃發(fā)展，因此也拉動了商業(yè)銀行信貸資金規(guī)模逐年大幅度增長。今年來，我國房地產(chǎn)貸款同步增加勢頭迅猛，雖然房地產(chǎn)貸款經(jīng)歷了從最開始的政策扶持到現(xiàn)在的政策修正，房地產(chǎn)貸款在數(shù)值上還是高歌猛進不見疲態(tài)。我國2005-2017年按用途分房地產(chǎn)開發(fā)企業(yè)完成投資情況單位：億元年份本年完成投資住宅辦公樓商業(yè)營業(yè)用房其他200515909.2510860.93763.072039.532245.72200619422.9213638.41928.062353.882502.57200725288.8418005.421035.042785.653462.73200831203.1922440.871167.173354.484240.67200936241.8125613.691377.214180.665070.25201048259.434026.231807.385648.46777.39201161796.8944319.52558.797424.057494.55201271803.7949374.213366.6193129750.96201386013.3858950.764652.4511944.8310465.34201495035.6164352.155641.1914346.2510696.02201595978.8564595.246209.7414607.4910566.372016102580.6168703.876532.615837.5311506.612017109708.5375147.886761.3615639.912249.39數(shù)據(jù)來源：2018中國統(tǒng)計年鑒從表中數(shù)據(jù)可以看到，2005年我國房地產(chǎn)開發(fā)投資為15909.25億元，而到了2017年，我國用于房地產(chǎn)開發(fā)投資的資金迅猛增長到了109708.53億元,短短13年時間，我國房地產(chǎn)開發(fā)投資增加了近7倍。從表中數(shù)據(jù)我們可以看出，2017房地產(chǎn)開發(fā)投資總額相較于2106年同比增長了6.9%。住宅，辦公樓和其他用途房地產(chǎn)開發(fā)均呈現(xiàn)出不同的增長，比較反常的是商業(yè)營業(yè)用房投資金額較之2016出現(xiàn)了負增長。2005-2017年房地產(chǎn)開發(fā)企業(yè)實際到位資金單位：億元年份本年實際到位資金國內(nèi)貸款利用外資自籌資金其他資金20052139839182577000102212006271365356400859712780200737478701564111772180482008396197605728153121597220095779911364479179492800420107294412563790266373295220118568913056785350043684220129653714778402390814227420131221221967253447424544902014121991212426395041949689201512520320214296490375565420161442142151214049132734282017156052252411685087279770數(shù)據(jù)來源：2018中國統(tǒng)計年鑒從表中可以看出，從2005年到2017年，我國房地產(chǎn)開發(fā)企業(yè)的實際到位資金也是一路高歌猛進，呈現(xiàn)出明顯的增長趨勢。2005年我國房地產(chǎn)開發(fā)企業(yè)的實際到位資金為21398億元，2017年我國房地產(chǎn)開發(fā)企業(yè)實際到位資金則達到了156052億元，增長了足足7倍有余。從表中我們可以看到，國內(nèi)貸款，自籌資金和其他資金都呈不同態(tài)勢增長，其中國內(nèi)貸款增長金額較多，2005到2017這13年間一共增長了6倍左右。其他資金增長幅度最大，13年間最高增長幅度達到了4.99%，說明我國房地產(chǎn)信貸市場融資方式逐漸趨于多元化，不僅僅限于商業(yè)銀行貸款，股權(quán)，基金，債權(quán)融資，債券，信托等多元化的融資體系正在逐步建立。比較特殊的是利用外資這部分這幾年在持續(xù)走弱，這和我國的近年來對外資加強監(jiān)管有關(guān)。3.3小結(jié)通過以上對房地產(chǎn)行業(yè)和商業(yè)銀行房地產(chǎn)貸款現(xiàn)狀分析我們不難發(fā)現(xiàn)，房地產(chǎn)行業(yè)近幾年蓬勃發(fā)展，無論是人口需求還是城鎮(zhèn)化需求都推動著房地產(chǎn)行業(yè)穩(wěn)步前進。這也反饋到了數(shù)據(jù)上，我國商品房銷售額近10年來一直呈現(xiàn)上漲形態(tài)，這也帶動了房地產(chǎn)貸款的發(fā)展，2005-2017年短短13年時間我國房地產(chǎn)開發(fā)投資增加了7倍左右。其中主要靠商業(yè)銀行融資的國內(nèi)貸款在所有融資渠道里排名第二，成為除自籌資金外的主力軍。在房地產(chǎn)市場，房地產(chǎn)從開發(fā)到運營再到銷售的整個過程的資金來源都高度依賴商業(yè)銀行。在房地產(chǎn)市場健康發(fā)展的黃金時期，房地產(chǎn)信貸會為商業(yè)銀行帶來非?？捎^的利潤。然而，近年來因為我國房地產(chǎn)市場的繁榮發(fā)展，一堆投資者和投機者趨于利益誘因，紛紛進入房地產(chǎn)市場，迅速推高了我國的房價。有一部分城市的房價已經(jīng)虛高到嚴重偏離房子原有的價值，出現(xiàn)了泡沫化現(xiàn)象。如果忽視房地產(chǎn)信貸風險的度量，一旦房地產(chǎn)泡沫破裂，則商業(yè)銀行房地產(chǎn)貸款違約率就會飆升，導致商業(yè)銀行發(fā)生系統(tǒng)性風險，從而對國民經(jīng)濟的安穩(wěn)產(chǎn)生巨大沖擊?；贑PV模型我國商業(yè)銀行信貸風險實證研究4.1信用風險計量在信用風險度量方面前人已經(jīng)做出了非常豐富的理論研究，按照時間順序和依據(jù)的理論不同，具體可以劃分為為古典的，傳統(tǒng)的，現(xiàn)代的風險度量方法。古典信用風險度量方法中比較有代表性的是專家評定法，信用評級法和財務指標法。專家評定法包括“5C”,“5P”,“5W”方法，目前我國商業(yè)銀行大多采用“5C”要素分析法，風險評估專家要從借款人道德與品質(zhì)（Character），償還貸款能力（Capacity），資金實力（Capital/Cash），抵押擔保品的價值（Collateral）和經(jīng)濟環(huán)境（Condition）等五個方面來判斷貸款申請人的信用等級和質(zhì)量。此種風險度量方法有著較大的弊端，風險評估師有著強烈的主觀判斷，不同的信貸評級人員對同一借款者可能會給出有較大差別的評級。傳統(tǒng)風險度量方法的主要代表是Logistic回歸模型。Logistic模型基于Z-score財務指標模型并加以改進，按照貸款人在銀行已有的信用記錄將貸款人劃分為“非違約客戶”和“違約客戶”兩種，選擇可以反映客戶信用情況的各類財務指標作為解釋變量，違約率作為被解釋變量進行回歸分析從而建立起Logistic風險度量模型?？紤]到本文研究的相關(guān)性，本文主要介紹現(xiàn)代風險度量模型，也就是期權(quán)定價模型（KMV），信用風險附加模型（CreditRisk+），信用度量模型（CreditMetrics）和信貸組合審查模型（CreditProtfolioView）。4.1.1期權(quán)定價模型（KMV）1993年，在默頓期權(quán)定價理論的指導下，KMV公司剖析研發(fā)出了一種評定借款人在借貸關(guān)系中違約概率的模型，該模型的核心是看漲期權(quán)和看跌期權(quán)，即債務人的公司資產(chǎn)和負債。其中指出當債務人需償還債務時，其資產(chǎn)價值低于負債，則債務人有很大可能性會存在違約現(xiàn)象。在實證分析中，我們對KMV模型的運用應從Black-Scholes公式開始（期權(quán)定價公式），由這個公式首先計算出該公司的市場價值和該市場價值未來的變化，再計算出其DEP，即違約實施點，并由DEP得到違約距離，最后將計算結(jié)果結(jié)合起來得出這兩個數(shù)據(jù)（違約距離及EDF）的關(guān)系式，并得出結(jié)論，預測目標公司的違約概率。[19]由于KMV模式運用過程中不僅使用了股票市場的交易信息也涵蓋了債務人公司的財務數(shù)據(jù)，全方位的度量了上市公司的信用風險，因此該信用風險度量方法尤為適合大型上市公司。本文分析的是房地產(chǎn)行業(yè)整體的信用風險度量，此模型不適合本文的研究。4.1.2信用風險附加模型（CreditRisk+）1996年，基于保險學的精算理論，瑞士銀行提出了CR+模型來更好的去評估和量化信用風險。該模型擬通過和保險學中一種對損失進行估算的理論的結(jié)合，來達到對商業(yè)銀行（以下簡稱A行）違約事件概率度量的目的。利用該模型度量A行要承受的損失的計算方法為：A行發(fā)生違約事件的概率x發(fā)生該事件后導致后果的嚴重程度。CR+模型對數(shù)據(jù)的要求較少，在度量過程中不需要考慮信用風險等級的變化。此模型適用于資產(chǎn)組合之間的風險度量，對單筆貸款風險度量效果欠佳。4.1.3信用度量模型（CreditMetrics）1997年，J.P摩根公司推出了模型CM，本質(zhì)上與VAR模型無異，主要用于定量分析信用風險（X險）。該模型的核心思想是，債務人獲得貸款之后進行投資的資產(chǎn)組合的價值的變化（以下簡稱A事件）會引發(fā)X險，它對X險的度量是通過計算資產(chǎn)組合的價值得到的。該模型認為A事件是對信用風險造成影響的重要因素,并且資產(chǎn)組合的價值會隨著債務人信用質(zhì)量和等級的轉(zhuǎn)移而變化。CM模型考慮到了時間的動態(tài)性而且有一定的預測能力，但是該模型極度依賴信用評級系統(tǒng)，然而中國的信用評級系統(tǒng)起步晚，沒有收集到全面的，公眾普遍認可的有效數(shù)據(jù)，因此該模型也不適用與本文的研究。4.1.4信貸組合審查模型（CreditProtfolioView）1998年，麥肯錫公司基于計量經(jīng)濟學相關(guān)理論提出了CPV模型來度量信用風險。CPV模型的核心思想是從宏觀經(jīng)濟的角度出發(fā)辯證的分析借款人違約率與宏觀經(jīng)濟因素之間的關(guān)系。CPV模型不僅關(guān)注個體的歷史數(shù)據(jù)，還創(chuàng)新的從宏觀角度來分析問題，考慮的角度更加全面。CPV模型對我國的風險度量有著十分明顯的比較優(yōu)勢，因為我國信用評級體系起步晚，基礎設施非常薄弱，銀行內(nèi)部有關(guān)企業(yè)和客戶的歷史違約數(shù)據(jù)記錄的十分稀缺。而CPV需要的是比較容易獲得的宏觀經(jīng)濟數(shù)據(jù)，因此比較符合我國的具體國情。4.2CPV模型的適用性通過前面對CR+,KMV,CM,CPV等現(xiàn)代風險度量方法的比較，筆者發(fā)現(xiàn)CPV不僅是盯市模型還具有違約模型功能，在模型運行中關(guān)注是否違約的同時還兼顧了考慮信用等級和資產(chǎn)價值的變化，這些是KMV模型和CR+模型不具備的。在數(shù)據(jù)的收集方面，CPV模型要求的是宏觀數(shù)據(jù)，數(shù)據(jù)來源都是中國官方公布或權(quán)威機構(gòu)統(tǒng)計的宏觀數(shù)據(jù)，相對真實，可靠，且可獲得性強。基于我國信用體系起步晚，收集的信用數(shù)據(jù)不完善的國情，CPV模型需要收集的是宏觀經(jīng)濟數(shù)據(jù)，顯然更適合我國目前的商業(yè)銀行信貸風險度量研究。因此，筆者選取CPV模型對我國商業(yè)銀行房地產(chǎn)風險進行實證研究，期望得到房地產(chǎn)違約率與宏觀經(jīng)濟因素之間的關(guān)系，為中國商業(yè)銀行房地產(chǎn)貸款體系的健康穩(wěn)定發(fā)展提出具有建設性的建議。4.2.1構(gòu)建CPV模型違約概率Pt是綜合宏觀經(jīng)濟指標YP其中，Pj,t和Yj,t分別表示國家或行業(yè)j在t時刻的不良貸款率和宏觀經(jīng)濟指數(shù)。運用Logit模型轉(zhuǎn)化計算可以得到Y(jié)j,t，Yj,t是銀行不良貸款率與各宏觀經(jīng)濟變量之間的“中介指標”，logit轉(zhuǎn)換的目的是為了確保貸款違約率處于(0,1)之間，如果直接進行回歸分析可能會得到一些不正常的結(jié)果,在一些極端情況下,甚至會出現(xiàn)違約率大于1的情況。實際上這是一種分對數(shù)轉(zhuǎn)化：Y=ln宏觀綜合指數(shù)Yj,tYj,t=αj,t+α1X1,j,t+α其中，Xi,j,t(i=1,2,3,…,k)表示國家或行業(yè)j在t時刻上對應的各個宏觀經(jīng)濟變量的取值.Vj,t是回歸模型的誤差項，代表除模型所選定的宏觀經(jīng)濟變量之外的影響房地產(chǎn)貸款風險的其他因素。Vj,t和Xj,t是之間相互獨立的，且4.2.2變量的選取在宏觀經(jīng)濟指標的選取上，筆者參考前人的研究經(jīng)驗結(jié)合中國國情，以及考慮數(shù)據(jù)的真實性，全面性和可得性之后選取了包括國內(nèi)生產(chǎn)總值，商品房平均銷售價格，居民消費價格指數(shù)，國房景氣指數(shù)，貨幣供應量M2,銀行資本充足率和財政支出在內(nèi)的7個宏觀經(jīng)濟指標。其中國內(nèi)生產(chǎn)總值衡量生產(chǎn)力水平，居民消費價格指數(shù)衡量通脹程度，國房景氣指數(shù)和商品房平均銷售價格衡量房地產(chǎn)銷售景氣程度，貨幣供應量衡量資金流動性問題，銀行資本充足率衡量銀行抵御風險的能力，財政支出衡量宏觀政策。筆者選取了2007-2017十年間的年度數(shù)據(jù)進行實證分析，其中房地產(chǎn)不良貸款率的數(shù)據(jù)來自中國銀監(jiān)會；國內(nèi)生產(chǎn)總值，商品房平均銷售價格和居民消費價格指數(shù)的數(shù)據(jù)來自國家統(tǒng)計局數(shù)據(jù)庫；貨幣供應量，銀行資本充足率和財政支出的數(shù)據(jù)來自wind數(shù)據(jù)庫。不良貸款率：商業(yè)銀行房地產(chǎn)貸款風險是本研究的重點，所以我們將商業(yè)銀行房地產(chǎn)貸款違約風險設為本研究的被解釋變量，但是如今中國的關(guān)于衡量違約幾率的數(shù)據(jù)指標還比較缺乏，因此在本文中，房地產(chǎn)違約風險將會被房地產(chǎn)的不良貸款率所替代并進行研究。國內(nèi)生產(chǎn)總值（GDP）：指一個國家或地區(qū)所有居民單位在一定時期內(nèi)生產(chǎn)的全部最終產(chǎn)品和服務的總值。這個指標經(jīng)常被用來衡量當下的宏觀經(jīng)濟狀態(tài)，具有廣泛的代表性和適用性。能夠最直觀的反映本國的經(jīng)濟發(fā)展狀況，是CPV模型中必不可少的宏觀經(jīng)濟變量。此處預期當國內(nèi)生產(chǎn)總值上升，宏觀經(jīng)濟處于良好的發(fā)展態(tài)勢時，房地產(chǎn)不良貸款率會走低。國房景氣指數(shù)：HIP（國房景氣指數(shù)）是在景氣分析方法和循環(huán)理論的基礎上，依據(jù)經(jīng)濟周期波動理論，將基準指標設置為房地產(chǎn)開發(fā)投資，并加入房地產(chǎn)投資、銷售、資金等相關(guān)因素和隨機因素，撇棄季節(jié)影響，使用金融分析方法如時間序列、計量經(jīng)濟和多元統(tǒng)計等，用增長率循環(huán)方法進行編制，每月刷新數(shù)據(jù)。HIP可以反映全國房地產(chǎn)業(yè)的景氣狀況，還可以從不同角度，如土地、市場需求、資金、開發(fā)量等反映全國房地產(chǎn)業(yè)的運行情況和發(fā)展方向，并由此指引房地產(chǎn)行業(yè)朝好的方向發(fā)展。房地產(chǎn)是否景氣必定會影響到開發(fā)商的投資決策和購房者的購房熱情，從而影響到商業(yè)銀行不良貸款率。本文選取國房景氣指數(shù)作為自變量可以客觀體現(xiàn)房地產(chǎn)行業(yè)發(fā)展的繁榮程度。居民消費價格指數(shù)（CPI）：是一個用來反映居民家庭一般購買的商品和服務項目價格變化的宏觀經(jīng)濟指標，用來衡量居民在一個階段的消費水平。國家經(jīng)常運用這個指標來進行宏觀經(jīng)濟狀況分析并作出相應決策，是一個國家價格總水平的監(jiān)測指標，并且在一定程度上居民消費價格指數(shù)可以反映當下的通貨膨脹程度。廣義貨幣供應量（M2）：一段時間內(nèi)一個國家為國民經(jīng)濟運轉(zhuǎn)而提供的貨幣量（如央行等金融機構(gòu)提供的存款貨幣和現(xiàn)金貨幣）稱為貨幣供應量。貨幣供應量其實是一種資產(chǎn)，具有流動性，市場供給和需求會被其支付和流通手段所影響，是一個重要的宏觀經(jīng)濟變量。貨幣供應量可以依據(jù)流動性的逐級遞減被分為4個等級：M0、M1、M2、M3。而M2可以同時展現(xiàn)現(xiàn)實和潛在購買力，因此本文選擇M2作為自變量研究對不良貸款率的影響。商品房平均銷售價格：在房地產(chǎn)行業(yè)中，商品房銷售價格對商業(yè)銀行房地產(chǎn)貸款風險影響巨大，個人住房貸款的借款人的還款行為受到其抵押房產(chǎn)價格影響，當?shù)盅悍慨a(chǎn)凈值下降，即其購買的房產(chǎn)價格下降，并且低于未償還的貸款價值，借款人就會出現(xiàn)違約行為。這個理論同樣也適用于房地產(chǎn)開發(fā)商，當銷售的房產(chǎn)價格下降，資金不能回籠，就會無力償還商業(yè)銀行的貸款，給商業(yè)銀行帶來損失。因此，本文選取商品房平均銷售價格作為因變量。銀行資本充足率：資本充足率是銀行自身資本與加權(quán)風險資產(chǎn)的比值，即銀行在面臨風險遭受損失時，在不損害存款人和債權(quán)人利益之前，可以用自身資本彌補損失的能力，是銀行最后償債能力的體現(xiàn)。這個指標的監(jiān)控有效的防止了風險的擴散，以及風險波動到借款人和債權(quán)人身上，有利于銀行健康穩(wěn)定運行。本文將選取該指標來作為研究的自變量。財政支出：財政支出是政府用于滿足全社會公共需求而支付的貨幣額，具有重要的經(jīng)濟引導作用。它可以反映國家的經(jīng)濟實力以及未來國家重點發(fā)展的領域，是重要的財政政策工具。4.3實證分析4.3.1數(shù)據(jù)的描述序列RBLGDPHPCPIPIM2RBANKCZY均值1.550909534591.45749.727102.809198.81645950240.112.33909124685-4.42467中位數(shù)1.04540367.45791102.698.59914693.412.71125712-4.5555最大值4.91827121.77892105.9104.396163499513.65203330-2.96355最小值0.48270232.3380099.393.129403401.38.449781.35-5.33433標準差1.380496183350.21356.3051.9398224.060329421137.41.48531851967.220.746482為了方便起見，筆者將不良貸款率用RBL代替，商品房平均銷售價格用HP代替，國房景氣指數(shù)用PI代替，銀行不良貸款率用RBANK代替，財政支出用CZ代替。下文見到的RBL，HP，PI，RBANK，CZ均為以上含義。4.3.2數(shù)據(jù)的平穩(wěn)性檢驗序列的平穩(wěn)性檢驗，在進行時間序列數(shù)據(jù)回歸前，需要驗證序列是否為同階單整序列，若序列之間不是同階單整則會出現(xiàn)偽回歸的問題，需要對序列進行差分調(diào)整；在進行平穩(wěn)性檢驗前，對數(shù)據(jù)進行對數(shù)化處理以消除量綱的影響，然后，使用Eviews8.0對時間序列進行單位根檢驗，結(jié)果如下表所示：序列名1%臨界值5%臨界值10%臨界值檢驗值對應P值結(jié)論Y-4.2971-3.2127-2.7477-2.61930.1208不平穩(wěn)D(Y)-4.4206-3.2598-2.7711-3.28340.0495平穩(wěn)LNGDP-4.2971-3.2127-2.7477-2.61930.1208不平穩(wěn)D(LNGDP)-4.4206-3.2598-2.7711-3.33450.0487平穩(wěn)LNHP-4.4206-3.2598-2.7711-2.56600.1332不平穩(wěn)D(LNHP)-4.4206-3.2598-2.7711-5.03740.0045平穩(wěn)CPI-4.4206-3.2598-2.7711-2.13620.3147不平穩(wěn)D(CPI)-4.5826-3.3210-2.8014-7.71780.0004平穩(wěn)PI-4.2971-3.2127-2.7477-1.97230.2919不平穩(wěn)D(PI)-4.5826-3.3210-2.8014-2.96490.0818平穩(wěn)LNM2-4.4206-3.2598-2.7711-2.30780.1888不平穩(wěn)D(LNM2)-4.4206-3.2598-2.7711-11.22780.0000平穩(wěn)RBANK-4.4206-3.2598-2.7711-1.71670.3919不平穩(wěn)D(RBANK)-4.4206-3.2598-2.7711-8.69180.0001平穩(wěn)LNCZ-4.2971-3.2127-2.74770.44600.9733不平穩(wěn)D(LNCZ)-4.4206-3.2598-2.7711-4.14760.0145平穩(wěn)經(jīng)過ADF檢驗之后可以發(fā)現(xiàn)，所有序列在10%的顯著性水平下都是一階單整序列，所以不需要進行額外的差分處理，避免了偽回歸的出現(xiàn)。4.3.3多元回歸模型的建立VariableCoefficientStd.Errort-StatisticProb.C4.70409258.293460.0806970.9408LNGDP-5.10719917.91456-0.2850860.7941LNHP1.79783114.358660.1252090.9083CPI0.0796210.2310850.3445540.7532PI0.0041860.1263020.0331440.9756LNM210.1787612.232900.8320810.4664RBANK0.3470710.6398730.5424060.6252LNCZ-9.41067516.05210-0.5862580.5989R-squared0.767159Meandependentvar-4.424666AdjustedR-squared0.223863S.D.dependentvar0.746482S.E.ofregression0.657640Akaikeinfocriterion2.154945Sumsquaredresid1.297473Schwarzcriterion2.444324Loglikelihood-3.852200Hannan-Quinncriter.1.972533F-statistic1.412046Durbin-Watsonstat1.472847Prob(F-statistic)0.422955可以看到，模型的F檢驗值為1.412046，對應p值為0.422955，說明模型整體是顯著的，調(diào)整R方為0.223863，說明Y的22.39%的變動都得到了解釋，在10%的顯著性水平下，系數(shù)都是不顯著的，說明模型是不顯著；4.3.4模型的檢驗4.3.4.1異方差檢驗：HeteroskedasticityTest:WhiteF-statistic1.539044Prob.F(7,3)0.3923Obs*R-squared8.604061Prob.Chi-Square(7)0.2823ScaledexplainedSS0.335257Prob.Chi-Square(7)0.9999從White異方差檢驗可以看出，在5%的顯著性水平下，不能拒絕模型殘差序列是同方差的原假設，說明模型不存在異方差的問題，模型通過了異方差檢驗；4.3.4.2多重共線性檢驗：CoefficientUncenteredCenteredVariableVarianceVIFVIFC6431.53286428.19NALNGDP607.41751408347.1008.206LNHP390.2140390861.4285.8274CPI0.10106914360.254.646111PI0.0301923967.8826.080844LNM2283.2264711571.2799.4943RBANK0.7749291606.39620.88569LNCZ487.6841889631.11292.824除了CPI與PI以外，其余模型系數(shù)的VIF值大于10，說明變量存在嚴重的多重共線性的問題；4.3.5嶺回歸為了修正模型解釋變量存在的多重共線性問題，采用嶺回歸的方法進行修正：4.3.5.1描繪嶺跡圖：從嶺跡圖中可以看出，所有的變量對應的曲線在0.02處就平穩(wěn)了，所以選取0.02作為嶺回歸的系數(shù);4.3.5.2嶺回歸的結(jié)果：Lambda:0.02VariableRawRidgeStd.RidgeV.I.FLNGDP-0.479053-0.2365492.574018LNHP-0.121135-0.0397354.809375CPI0.0069070.0179481.479164PI-0.040595-0.2208091.864757LNM2-0.298364-0.1921292.198127RBANK-0.122422-0.2435912.700744LNCZ-0.593831-0.3705701.329383R-squared:0.697128

嶺回歸結(jié)果如下所示：Y=-0.479LNGDP-0.121LNHP+0.007CPI-0.041PI-0.298LNM2-0.122RBANK-0.594LNCZ+ε由建模結(jié)果可以得出各個宏觀經(jīng)濟指數(shù)與被解釋變量綜合經(jīng)濟指數(shù)的關(guān)系，從而進一步反映解釋變量對我國房地產(chǎn)不良貸款率的影響。從回歸結(jié)果中我們可以看出，國民生產(chǎn)總值（GDP）,商品房銷售價格（HP）,國房景氣指數(shù)（PI）,貨幣供應量（M2），銀行不良貸款率（RBANK）,財政支出（CZ）與我國房地產(chǎn)不良貸款率呈負向相關(guān)關(guān)系。居民消費價格指數(shù)（CPI）與我國房地產(chǎn)不良貸款率呈正向相關(guān)關(guān)系。進一步解釋方程的經(jīng)濟意義，當國民生產(chǎn)總值增加1%，則宏觀綜合指數(shù)下降0.479%；當商品房銷售價格增加1%，則宏觀綜合指數(shù)下降0.121%；當居民消費價格指數(shù)增加1%，則宏觀綜合指數(shù)增加0.7%；當國房景氣指數(shù)增加1%，則宏觀綜合指數(shù)減少0.041%；當貨幣供應量增加1%，則宏觀綜合指數(shù)減少0.298%；當銀行資本充足率增加1%，則宏觀綜合指數(shù)減少0.122%；當財政支出增加1%，則宏觀綜合指數(shù)減少0.594%；4.4模型預測與分析為了檢驗所構(gòu)建模型的實際經(jīng)濟意義，將2017年年度的宏觀經(jīng)濟數(shù)據(jù)代入前面建模得出的表達式，得到Y(jié)值24.2428，將Y值代入Pj,t5．總結(jié)及建議5.1結(jié)論本文首先闡述了我國商業(yè)信貸風險的含義在這基礎上筆者簡單介紹了信貸風險的類型，主要有信用風險，市場風險和操作風險。接著筆者分析了我國房地產(chǎn)行業(yè)和房地產(chǎn)貸款發(fā)展現(xiàn)狀，發(fā)現(xiàn)中國有一部分地區(qū)已經(jīng)產(chǎn)生了房地產(chǎn)泡沫，必須要做好房地產(chǎn)信用風險的度量，防止泡沫破裂發(fā)生的經(jīng)濟危機，維護中國金融市場的健康穩(wěn)定發(fā)展。筆者通過辯證分析KMV，CR+，CM,CPV等現(xiàn)代信用風險度量模型的區(qū)別，發(fā)現(xiàn)各個模型都有不同的優(yōu)缺點，因此適用不同的具體情況。KMV模型適合大型上市公司，CR+模型適用于資產(chǎn)組合之間的信用度量，CM模型對數(shù)據(jù)的要求比較高，而CPV模型不僅關(guān)注個體的歷史數(shù)據(jù)，還創(chuàng)新的從宏觀角度來分析問題，考慮的角度更加全面并且是比較容易獲得的宏觀經(jīng)濟數(shù)據(jù)，因此適用于我國房地產(chǎn)的信貸風險度量。筆者通過建立CPV模型，對我國商業(yè)銀行房地產(chǎn)貸款風險進行度量，選取了國民生產(chǎn)總值（GDP）,居民消費價格指數(shù)（CPI），商品房銷售價格,國房景氣指數(shù),貨幣供應量（M2），銀行不良貸款率和財政支出作為解釋變量，將不良貸款率進行分對數(shù)處理后得到的綜合經(jīng)濟指標Y作為被解釋變量，進行多元線性回歸后發(fā)現(xiàn)國民生產(chǎn)總值,商品房銷售價格,國房景氣指數(shù),貨幣供應量，銀行不良貸款率,財政支出與我國房地產(chǎn)不良貸款率呈負向相關(guān)關(guān)系。居民消費價格指數(shù)與我國房地產(chǎn)不良貸款率呈正向相關(guān)關(guān)系。最后根據(jù)得出的公式代入2017年的宏觀經(jīng)濟數(shù)據(jù)算出綜合指標Y，再通過轉(zhuǎn)換得到不良貸款率，發(fā)現(xiàn)和銀監(jiān)會公布的不良貸款率相差不大，證明該模型十分好的適用了我國國情。5.2建議目前我國商業(yè)銀行面臨的最重要的風險是信用風險，在商業(yè)銀行風險管理的過程中如歌忽視了信用風險管理則會造成商業(yè)銀行巨大的損失，甚至可能因為風險的傳染性的特點蔓延到整個金融市場對經(jīng)濟金融體系帶來難以估量的損失，因此度量商業(yè)銀行風險并加以控制具有十分重大的經(jīng)濟意義。鑒于以上分析，筆者從政府和商業(yè)銀行等兩個角度提出以下建議：5.2.1政府政府機關(guān)必須努力建設社會信用體系以及加強房地產(chǎn)行業(yè)的法律監(jiān)管。目前我國的社會信用體系尚處于起步階段，十分不完善，因此導致銀行在貸前審查階段對于借款人的信用評估工作十分費力，且由于信息不對稱經(jīng)常導致房市違約情況屢屢出現(xiàn)。因此建議政府相關(guān)部門建立一個針對借款人的信用記錄系統(tǒng)具體到房地產(chǎn)行業(yè)，基于此商業(yè)銀行才能有效的根據(jù)信用記錄系統(tǒng)全面的掌握借款人過往的信用情況，對借款人做出正確的評級，降低信貸風險。同時，政府也需要加強房地產(chǎn)行業(yè)相關(guān)法律法規(guī)的建設，單靠房地產(chǎn)行業(yè)的自我調(diào)控能力顯然不能讓房地產(chǎn)行業(yè)長期健康穩(wěn)定發(fā)展，毋庸置疑的是，房地產(chǎn)行業(yè)最基本的約束體制來自于法律法規(guī)。政府需要制定相關(guān)的懲處措施來懲戒違約行為，同時要制定相關(guān)法律制度鼓勵房地產(chǎn)工具以及修改部分已經(jīng)不符合中國國情的法律法規(guī)。政府應大力支持房地產(chǎn)融資方式的創(chuàng)新，房地產(chǎn)信貸風險積累的根本原因是房地產(chǎn)企業(yè)融資方式和渠道過于單一。與此同時貸款是支撐房地產(chǎn)行業(yè)健康發(fā)展的重要手段，因此為了促進住房市場和銀行的健康發(fā)展，有必要在現(xiàn)階段從源頭入手，努力擴大和豐富企業(yè)的融資手段和工具，分散和減少抵押貸款風險，避免發(fā)生房地產(chǎn)行業(yè)過于依賴銀行抵押貸款的實際情況。目前來說政府的要求和程序比較復雜，證券市場的要求非常嚴格，門檻很高，許多住宅企業(yè)想要進入?yún)s心有余而力不足。因此，政府應鼓勵和支持企業(yè)上市直接融資，并為其提供相應的法律和政策支持。5.2.2商業(yè)銀行商業(yè)銀行必須做好貸前審核和貸后管理。目前中國商業(yè)銀行普遍使用的風險度量方法是“5C”要素分析法，此種風險度量方法有著較大的弊端，風險評估師有著強烈的主觀判斷，在加上信息不對稱的加持，此種方法極易產(chǎn)生違約風險。中國商業(yè)銀行可以多借鑒國外的現(xiàn)代風險度量模型來分析信貸風險，同時緊密結(jié)合房地產(chǎn)泡沫程度，國家當前的貨幣政策等宏觀因素來度量房地產(chǎn)信貸風險；貸后管理也應引起商業(yè)銀行的高度重視，商業(yè)銀行應該成立專門的貸后追蹤小組，密切跟蹤借款人信貸資金流向，必須確保信貸