基于判别分析法的房地产企业信用风险度量研究.doc

1、基于判别分析法的房地产企业信用风险度量研究近年来，国家连续发布了严厉的房地产宏观调控政策，使中国商业银行房地产信贷面临巨大的信用风险。2010 年 1 月发布“国十一条” 、2010 年 4 月 17 日的“国十条” 、2010 年 9 月 29 日的“九月新政” ，暂停发放居民家庭购买第三套及以上住房贷款；2011 年 1 月 26 日又实施了“新国八条”：强化差别化住房信贷政策，对贷款购买第二套住房的家庭，首付款比例不低于 60%，贷款利率不低于基准利率的 1.1 倍。宏观调控政策使房地产销量急剧下跌，2011 年一线城市 5 月成交量减少一半，在监测的 30 个城市中，成交面积几乎全线下

2、跌，跌幅约 44%。全国 70 个大中城市中在 2011 年 7 月份，有近 30 个城市出现零成交。2013 年 2 月20 日又公布了“国五条” ，二手房交易税率提高到 20%。 显而易见，商业银行房地产开发企业正面临严重的信用风险。调控新政增大房地产开发贷款违约风险。商品房将销售不畅，导致房地产开发商不能回笼资金。同时，调控新政增大了个人按揭贷款的信用风险。 历史上，房地产信贷危机多次引发金融危机。除了刚刚过去的 2008年美国次贷危机引起的席卷全球的金融风暴外，表 1 显示了 20 世纪后半段世界主要国家发生的银行危机和房地产信贷危机。因此，要高度重视房地产信贷正面临的信用风险危机。

3、一、国内外关于房地产信用风险研究综述 信用风险的度量方法可划分三个时期：第一个时期信用风险的度量方法是定性分析方法，时间是 1970 年以前，比较典型的方法有 5C 分析法、五级分类法等，第二个时期是建立在财务指标的定量分析方法，用的比较多的是 1ogit 模型分析法、距离判别分析模型分析法及 probit 模型分析法等。到了第三个时期则是 20 世纪 90 年代以后，是现代信用风险度量模型阶段，是 CreditMetrics、KMV 模型、Credit Risk+、CPV 模型等。现在国内外正在进行热门研究是是如何将 Copula 函数应用于信用风险组合的度量中及改变一些条件如变方差等条件下

4、进行求违约概率等。白保中、宋逢明、朱世武（2009）运用 Copula 函数度量组合信用风险原理，分析资产组合中资产的收益率，来研究资产收益率；吴恒煜、李冰、严武（2010）使用四种 copula 函数分析投资组合，并在此基础利用线性规划方法优化研究投资组合，从而对信用风险进行度量研究。 国内外对房地产企业信用风险度量与影响因素的研究也十分丰富，这是因为房地产行业信贷信用风险相比其他行业对金融影响程度更高。国外学者对房地产贷款信用风险度量、预警研究主要集中在：个人住房抵押贷款信用风险的影响研究，期权理论在个人住房抵押贷款风险管理中的应用研究；模型定量分析研究；房地产信贷风险的实证研究；国家宏观

5、因素对房地产贷款的影响研究。国外学者研究一般以国外实际情况进行研究，由于国家体制不同，国家实际的发展阶段也不相同，其成果只能是起借鉴作用，并不完全适合我国国情。 由于我国房地产市场起步较晚，因此对于房地产信贷风险的研究也落后于国外，我国对房地产信用风险研究主要表现在：（1）国外信用风险度量模型在我国实证应用方面研究。汪成豪、黎建强（2010）评述了房地产信用风险评价的一些主要模型、方法以及它们之间的内在联系；肖冰、李春红（2010）运用 Logistic 模型对房地产行业的信贷违约风险进行评估和预测，并对模型的拟合优度进行了检验效果较好。孙晓琳、秦学志（2010）利用混合 Logit 模型预测

6、了我国房地产上市公司的信用风险情况，对数正态分布下的混合 Logit 模型拟合优度和综合预测准确度最好；（2）我国房地产信贷风险的原因分析方面。张知慧（2011）对中国商业银行房地产贷款风险的形成机制的特殊途径与原因进行了分析。徐杰华（2010）从商业银行的角度，分析房地产贷款风险的成因，并提出相应对策。姜洪涛、牛晓帆（2010）通过实证研究发现，我国房地产信用风险对房地产信贷政策的变动很敏感，而对房地产价格变动不敏感，基于此应该实行平稳的房地产信贷政策，防止剧烈的信贷政策变动导致信用风险的发生；张立军（2006）从房地产金融风险看我国个人信用制度建设的重要性。匡小平（2010）认为我国住房价

7、格的持续上涨、利率上行的压力、不完善的风险管理政策以及银行自身的管理水平导致了房地产信贷市场的风险不断集聚。 （3）房地产信贷风险的压力测试研究。沙磊、焦桂梅（2011）针对银行业房地产贷款压力测试难以有效开展的实务性问题，提出并详细说明了采用期权理论来计量在不同假设情境下的违约概率变化量。杨晋丽、沈琨（2011）在新一轮房地产调控预期增强并转为现实的背景下，通过建立全国房地产开发贷款信用风险压力测试模型，分析房价、利率、房地产信贷规模、GDP 以及房屋销售等因素发生变动时，全国房地产开发贷款质量的变动，以及不同压力情境下房地产开发贷款的质量状况。田亚欧、安宁（2011）以国内某大型股份制商业

8、银行为例对房地产贷款进行了信用风险压力测试研究，结果表明商业银行压力测试效果不好。综上所述，目前国内研究存在如下特点与不足：（1）从内容上看有不足之处是主要介绍西方房地产信用风险分析的相关理论及一些重要的方法，也就是实践应用的简单移植。 （2）我国房地产企业信用风险的度量研究比较少，研究比较多的主要房地产信贷风险的压力测试研究，在研究过程中，有选取样本数据容量不够；忽视了新巴塞尔协议的相关指导与相应的要求，没有实质性的创新，没有把中国的实际情况结合在一起综合考虑。因此本文要建立适合我国房地产行业信用风险度量的判别分析模型，加强信用风险的定量分析。 二、距离判别分析法基本原理 判别分析是一种判别

9、个体所隶属的群体的统计分析手段。目前运用较多的有三种距离判别法：Fisher 判别法、Bayes 判别法、贝叶斯（Bayes）概率判别法。马氏距离判别法的思想就是建立马氏距离 d，当被判断样本距离哪个总体中的马氏距离最小，该样本就隶属于这个总体。假定有 A、B 两个总体，若 d（x，A）d（x，B） ，则 XB；若 d（x，A）=d（x，B） ，待判 。 在统计学中，误判分为两类，第一类错误（type I error）称为“拒真” ，在信用风险评估中，第一类错误是指将高信用风险企业误判为低信用风险企业的错误；第二类错误（type II error）称为“纳伪” ，第二类错误是指将低风险企业误判

10、为高信用风险企业的错误。 判别分析法在其应用时有一定的局限性，其运用有严格要求：一是每一个判别变量不能是其他判别变量的线性组合；二是各组变量的协方差相等；三是各判别变量之间具有多元正态分布，即每个变量对于所有其他变量的固定值有正态分布。 三、模型构建与实证结果分析 （一）样本选取 样本的选取分为两类模式，即选取正常公司和非正常公司。正常公司由非 ST 公司构成，代表财务正常、低信用风险公司。非正常样本组成 ST 公司来构建，代表陷入财务困境、高信用风险公司。本文选取的数据来源是由巨灵金融终端数据库。数据样本分为两部分：训练样本集和测试样本集。训练样本集由 120 家房地产正常公司和 10 家S

11、T 公司组成，选取 2010 年我国房地产上市公司股票。测试样本集由 40家房地产正常公司和 5 家 ST 公司组成，选取 2010 年、2009 年和 2008 年我国房地产上市公司股票。 （二）指标选择 指标选择理由主要根据下两个方面：一是数据可获得性与数据全面性。选取的指标数据能够可以获取，能够全面反映上市公司的经营状况与发展能力。二是数据有效性。选择那些能够对预测公司信用风险具有重要指示作用的财务比率。在借助国内外有关文献有关指标的参考基础，选取了 28 个财务指标，详见表 2。 （三）建立模型分析 对训练样本集采取向前逐步选择法，运用SPSS16.0 软件得出结果如表 3 所示。 从

12、上表分析可以得出，在 0.01 的显著性水平上，判别函数是显著的。最终得到 7 个变量： x3（每股净资产） ， x9（营业利润率） ， x14 经营现金净流量， x19（利息保障倍数） ， x20 （总资产周转率） 。 建立判别函数，得到线性模型如下： Y=-0.328+0.288x3+0.016x9-0.022x14-0.03x19+0.189x20 运用所建立判别函数对测试样本向前追溯预测得出表 4 所示的结果。表 4 表明本文所建度量模型的总体准确率为 83.25%，说明本文所建判别函数有较高的适用性。运用所建立判别函数向前追溯预测得出如表5 所示的结果。 表 5 结果显示向前一年的总

13、体准确率为 75%，向前二年的准确率为70%，所有准确率都在 70%以上，证实该文所建立的判别函数有较高的判断准确率。由于我国的历史原因，我国房地产信贷风险管理体系定性分析较多，定量分析少，故本文所建判别分析模型对我国房地产信贷信用风险进行度量研究，度量我国房地产信贷信用风险的大小，正确把握我国房地产信用风险状况，提高我国房地产信用风险的度量水平，合理化解商业银行金融风险，稳定金融环境，促进国民经济稳定发展具有重大意义。 参考文献： 1沙磊、焦桂梅：商业银行房地产贷款信用风险定量压力测试方法研究 ， 南方金融2011 年第 5 期。 2杨晋丽、沈琨：全国房地产业信用风险压力测试分析 ， 云南财经大学学报2011 年第 1 期。 （编辑 向玉章）