住房抵押贷款提前还款的影响因素和预测模型的实证研究

论文摘要

近年来,我国住房抵押贷款市场得到了快速发展,提前还款风险也随之不断放大,而银行业对提前还款行为的忍痛放任或被动限制将会严重影响资金的使用效率和收益;同时,随着2005年住房抵押贷款支持证券(MBS)的发行,解决其合理定价问题已成为决定其发展前景的重要因素,而准确预测提前还款是合理定价的关键所在,可见,加强对住房抵押贷款提前还款风险的研究已成为当务之急。借鉴国内外的研究成果,本文在搜集、整理住房抵押贷款数据的基础上,引入定量分析法,通过因子分析、判别分析等多元统计方法寻找提前还款的主要影响变量,并据此建立模型来预测提前还款风险。通过研究发现:影响我国住房抵押贷款提前还款的主要因素涵盖贷款特征因素、经济环境特征因素、借款人特征因素和房屋特征因素,具体分为8大因子变量——利率因子、部分提前还款因子、贷款期限价值比因子、时间过程因子、借款人性别因子、借款人年龄因子、借款人财力因子和借款人单位类别因子;在构建预测提前还款模型的过程中发现,非线性Logistic模型比线性判别函数的总体预测准确率更高,但判别函数对提前还款这类贷款的判别正确率更高,可以说前者属于保守型预测模型,后者属于激进型预测模型。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究的目的和意义
• 1.3 本文研究的界定
• 1.4 文献综述
• 1.4.1 国外的研究现状
• 1.4.1.1 提前还款的影响因素
• 1.4.1.2 提前还款模型
• 1.4.2 国内的研究现状
• 1.4.2.1 提前还款的影响因素
• 1.4.2.2 提前还款模型
• 1.5 本文拟解决的问题、研究方案及创新点
• 1.5.1 拟解决的问题
• 1.5.2 研究方案
• 1.5.3 创新点
• 第二章 住房抵押贷款样本数据的介绍及其描述性统计
• 2.1 住房抵押贷款样本数据的介绍
• 2.2 住房抵押贷款样本特征的描述性统计
• 2.1.1 全部样本特征的统计
• 2.1.1.1 全部样本的总体特征
• 2.1.1.2 全部样本的年度特征
• 2.1.2 提前还款样本特征的统计
• 2.1.2.1 提前还款样本的总体特征
• 2.1.2.2 提前还款样本的年度特征
• 第三章 我国住房抵押贷款提前还款影响因素的实证分析
• 3.1 变量的选取及赋值
• 3.1.1 动态变量及其赋值
• 3.1.1.1 贷款特征变量
• 3.1.1.2 经济环境特征变量
• 3.1.2 静态变量及其赋值
• 3.1.2.1 贷款特征变量
• 3.1.2.2 借款人特征变量
• 3.1.2.3 房屋特征变量
• 3.2 相关性分析
• 3.3 因子分析
• 3.3.1 因子分析的原理
• 3.3.2 因子分析过程
• 3.3.2.1 数据的标准化处理
• 3.3.2.2 因子分析中选择的主要方法
• 3.3.3 因子分析结果
• 3.4 判别分析
• 3.4.1 判别分析的原理及目的
• 3.4.2 判别分析中方法的选择
• 3.4.3 判别分析结果
• 3.4.4 判别分析结论
• 3.5 样本的对比
• 3.6 小结
• 第四章 我国住房抵押贷款提前还款模型的实证分析
• 4.1 判别函数
• 4.2 LOGISTIC 回归模型（LRM）的建立
• 4.2.1 选择Logistic 模型的原因
• 4.2.2 Logistic 回归模型的运用
• 4.2.2.1 模型简介
• 4.2.2.2 模型的运行
• 4.2.2.3 回归结果
• 4.3 小结
• 第五章 防范和预测提前还款风险的建议
• 5.1 对我国银行业防范、控制提前还款风险的建议
• 5.2 对完善我国MBS 定价的建议
• 第六章 结论与展望
• 6.1 结论及创新
• 6.2 不足与展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文