0532-5886 0566 value@cityre.cn
全国房地产自动估价平台 > 估价研究 > 禧泰房产数据房贷压力测试方法及应用实践
禧泰房产数据房贷压力测试方法及应用实践
来源:禧泰房产数据 2014-05-14

为了控制信贷风险,去年银行普遍收紧了对房地产开发贷款的控制。尽管如此,在中国房产市场分化加剧和经济增速放缓的大背景下,开发商由于资金链断裂而跑路的极端事件时有发生,与此同时房价下跌和个人财务状况的恶化也让个人住房抵押贷款不良率出现了一定程度的上升。如何提高风险管理能力,有效识别并防控房地产信贷风险再次成为银行业面临的重大课题。

早在2007年,中国银监会就发布了《商业银行压力测试指引》,要求全国银行业金融机构对房地产行业、个人住房信贷风险等进行相应的压力测试。20091月,巴塞尔委员会又发布了《稳健的压力测试实践和监管原则》征求意见稿,明确提出了压力测试应成为一家银行整体治理和风险管理文化的组成部分,由此可见国际银行监管组织对推进商业银行开展压力测试工作的高度重视,同时也说明了银行压力测试对提高自身风险防范管理能力的重要性。

禧泰数据依托于十多年的房产市场数据积累和行业内领先的数据建模技术,在房地产行业和个人住房抵押贷款领域进行了大量压力测试研究,以期将来能够在房地产信贷风险控制领域做出积极的贡献。

压力测试是与风险价值(Value at Risk,以下简称VaR)相对应的概念,所谓风险价值是指在某一特定的时期内,在给定的置信度下,给定的资产或资产组合不会超过的最大损失值。例如,20141月某银行个人住房抵押贷款置信水平为95%的年度VaR值为1000万,指该银行有95%的把握保证,当前市场环境下该时点信贷资产在未来1年内,由于市场价格变动带来的损失不会超过1000万元。VaR能有效估计正常环境下资产的损失风险,但对于发生极端事件时的情形(如房价下跌50%)无能为力,而压力测试则能有效评估一些小概率极端事件冲击的影响,它可以对置信度95%以外的突发事件的发生对金融资产损失或金融机构脆弱性影响进行测试。

禧泰数据的压力测试模型基于Wilson1997年提出的模型,借鉴国内外的研究成果,设定违约率和宏观经济变量之间的非线性关系,利用LOGIT变换将贷款违约率转换成综合指标。假设此指标服从多元正态分布,并假设此指标与各宏观经济变量之间存在线性关系,这样就可以构建多元回归模型,同时对各宏观经济变量构建自回归模型,再考虑到前期贷款违约率对当前贷款违约率的影响,将当期贷款违约率的m期滞后变量引入到压力测试模型中,具体形式如下:

在选取了承压变量和风险因子之后,将各期宏观经济变量数据以及贷款违约率数据导入压力测试模型进行参数估计及检验,具体步骤如下:

第一步:确定贷款违约率滞后的阶数,根据AIC准则,选择滞后阶数是一阶、二阶还是三阶;

第二步:确定滞后阶数后,将各解释变量以及贷款违约率的各阶滞后值与贷款违约率拟合多元回归模型,得到参数的估计值以及显著性检验结果;

第三步:根据显著性检验结果,剔除不显著的解释变量,然后将未剔除的解释变量以及贷款违约率的各阶滞后值与贷款违约率重新拟合多元回归模型,得到新模型的参数估计及显著性检验结果;

第四步:重复第三步至没有变量被踢除为止,此时对所得的模型做失拟诊断;

第五步:对上一步筛出的解释变量进行回归,在此向量自回归模型参数估计的过程中,变量滞后阶数的确定与第一步中贷款违约率滞后阶数的确定相同;

由上述1-5步,可以得到模型(1-4)中所有参数的估计,模型中各解释变量的系数大小反映了相应变量对贷款违约率影响程度的高低,系数越大表示相应解释变量对其影响越大。因此,可以将各解释变量按照其影响程度从高到低排序。

第六步:将各参数的估计值带入多元线性回归方程,得到贷款违约率的估计值;

第七步:通过逆LOGIT变换,得到违约率的估计;

第八步:通过蒙特卡罗模拟,得到违约概率的置信区间。

上述压力测试模型的关键点在于量化国内房产价格、利率等各项宏观经济指标和贷款违约率的相关关系,对数据的质量有较高的要求。目前情况下,禧泰数据可以提供丰富的房产市场数据,对于提高压力测试模型的准确性有很大帮助,但是在房价波动过程中国内商业银行贷款违约率迁徙数据难以获取是压力测试过程中的难点。商业银行在进行相关压力测试的过程中,还应该根据银监会发布的《商业银行压力测试指引》,综合考虑冲击强度的量化分析、冲击事件的概率测算,形成完善的压力测试方案框架设计,对压力测试结果进行跟踪分析,压力测试才能起到有效识别并防控风险的作用。

如果您有任何房地产估价或大量客户住址数据清洗的需求,欢迎联系我们。

邮箱:value@cityre.cn