商业银行房地产开发信贷风险分析及决策研究

论文摘要

目前,国内外研究的都是房地产金融和住房金融两大概念,并且侧重于房地产开发投融资问题,房地产信贷的研究比较少。针对房地产信贷风险,虽然国外银行房地产信贷风险研究的较早,但由于不够重视而发展非常缓慢,有关这方面的专门研究不多,专著也比较少见.本文研究主要是在借鉴前人研究的基础上,通过论述和分析目前我国商业银行中的房地产信贷业务风险状况、分析风险的主要影响因素,通过对这些风险的综合评价分析,建立相应的经济学模型,同时运用多元统计学中的LOGISTIC回归,定性和定量方法结合,进一步探讨商业银行对于房地产开发信贷风险的防范与管理问题,并提出了相应的对策。论文首先从房地产信贷的含义及其分类谈起房地产信贷主要分为四种类型:1.房地产开发贷款2.房地产经营贷款3.房地产个人消费贷款4.房地产投资贷款。然后文章明确界定了本文所讨论的对象仅仅限于房地产开发贷款。接下来主要描述了我国房地产信贷业务的发展历程,分为:起步时期、停滞时期、恢复时期、调整发展时期和规范发展时期。在商业银行房地产贷款业务操作流程部分,文章详述了从贷款的申请与受理、贷前调查,信用评估与限额核定以及贷时审查与批准,到贷款的发放使用与管理的整个银行贷款的业务流程,旨在让读者对银行房地产信贷流程有一个透彻的了解。在此基础上进一步界定商业银行房地产开发信贷的概念及特征,从而开始讨论造成商业银行房地产开发信贷风险的主要原因,包括房地产融资体系不健全房地产业对银行信贷依存度过高,房地产金融机构的风险意识淡薄,房地产融资方式和融资工具创新不足,房地产融资风险管理技术过于简单,房地产宏观调控政策传导不畅等深层次原因。在经过理论分析之后,从第三章开始,作者对商业银行房地产开发贷款业务风险进行经济学分析以及多元统计数据的定性定量分析。文章的这部分,先从房地产开发贷款项目现状谈起,房地产开发贷款项目总的来说呈现持续小幅温和增长态势,银行房地产信贷的规模从2006年以来出现猛增。然后作者站在开发商的角度剖析了开发商在项目开发过程中面临的风险其中包含:通货膨胀风险、市场供求风险、政策性风险、经营风险、诚信风险、流动性风险等等,接着结合宏观经济学的方法对房地产商合理的开发贷款范围进行一个详细的分析和有效的说明,同时利用在真实环境中利用Q理论分析,房贷投资的合理性来进一步说明合理的投资范围及贷款范围,这是文章的一个小小的创新点。接下来的部分,运用多元统计的LOGISTIC回归分析方法,建立LOGIT模型,根据收集到的上市房地产公司的财务资料进行主成分分析剔除变量,最后获得多元回归分析的结果,得到仅仅含有6个影响显著变量的回归方程,最后对方程进行了验证,证明方程所得到的回归结果是有效的。在这个部分是整篇文章技术含量最高,创新点最多的地方,它表现在对前期复杂数据的处理过程运用了多种数据挖掘的科学方法,例如对缺失值的处理,从多种方法中选取了适合实际数据样本的均值替代法,在对大量变量的处理过程中采用了主成分分析方法剔除变量,保留有效的解释变量,根据所选取数据的特征对数据进行标准化处理,最大限度地降低将来回归模型数据出现异常的可能性,由于数据的收集渠道有限,尤其不可能从银行获得真实的贷款数据,而且只能收集上市房地产公司的相关数据。因此造成了数据过少,通过某些扩展数据的方法(例如:增加变量观察的年份可以扩充数据),但是却带来了各观察值内部线性相关的麻烦,通常的Logistic回归模型的分析,有一个前提条件,那就是假定每一条观察值之间都是独立的,即一个受试者的变量观察值完全无关。但对某个人群追踪观察一段时间,定期测量(例如每年一次)他们的二分类事件发生情况时,很难说一个受试者早先的事件发生情况对其后的事件发生情况没有影响。在具有层次结构的资料中,同一层次内的个体较不同层次的个体具有较大的相似性。如同一个班级的学生,在某些特征上可能比不同班级的学生的相似程度要高些。在统计分析时,如果不考虑可能存在的某种相关关系,就会产生两种后果。第一,通常低估标准误差而高估检验统计量,使检验结果出现严重偏差。第二,对参数的估计值是无效的,即还有其他方法能产生具有较小抽样误差的估计值。我所选取的原始数据由于能收集到的样本数量过少,不利于进行回归分析,因此对同一公司使用了从2000年到2005年六年的数据列入样本,同一公司不同年份的相同指标之间具有相当大的相关性,如果不考虑这种相关关系就会严重造成上述两种后果。因此,通过查阅资料,找到一种比较新的处理该问题的方法。广义估计方程(Generalized estimating equations GEE)就是解决这一问题的一种简便而灵活的方法。广义估计方程又称GEE算法,它是在广义线性模型的基础上发展起来的一种拟似然估计方法,用于分析具有组内相关性的资料。整个模型的回归结果得到了大大的改善。在此过程中涉及到了一个重要工具软件的使用,那就是SAS数据挖掘工具和数据分析软件,在该软件里作者编写了一些程序使回归能更好地拟合实际数据,而且方便了今后的模型使用。模型回归结果反映出对违约影响最显著的有六个因素:长期负债比率、净利润增长率、财务杠杆系数、市盈率、普通股获利率和营业毛利率,并对这些解释变量对因变量所起的作用进行了一一的说明,最后对模型进行了验证。在第三章的最后一节,简要探讨了下商业银行房地产开发贷款市场的道德风险和逆向选择问题及其防范。从第四章开始,讨论了商业银行应对房地产信贷风险的对策问题。从第三章的经济学分析结果中可以知道,我们可以通过了解市场上的租房价格和购房价格的情况从宏观上把握房地产行业在本年度合理的投资范围,所以在对策部分提出了银行应当对本年度房地产信贷的总体规模进行宏观限制、对开发商及开发项目严格执行信贷投入的必备条件等对策;从LOGIT模型获得的回归结果我们可以清楚地了解到一个房地产企业如果存在较大的违约概率,表现在财务指标上会有些什么样的数据组合,因此,从银行的角度考虑,银行就可以根据回归方程预测房地产企业违约的概率来判断是否贷款或者是否继续贷款给该房地产开发商,这同时也在实际操作中给出了具体如何有效控制银行对房地产信贷风险的问题。

论文目录

• 中文摘要
• ABSTRACT
• 前言
• 1.1 研究背景
• 1.1.1 基本的现实背景
• 1.2 论文的研究方法及主要创新点
• 1.3 论文研究基本思路和主要内容
• 1 绪论
• 1.1 研究背景
• 1.2 国内外商业银行房地产信贷风险管理现状
• 1.2.1 国外商业银行房地产信贷风险管理研究文献综述
• 1.2.2 国内商业银行房地产信贷风险管理研究文献综述
• 2 商业银行房地产信贷风险管理介绍
• 2.1 房地产信贷的含义及主要分类
• 2.1.1 房地产开发贷款
• 2.1.2 房地产经营贷款
• 2.1.3 房地产个人消费贷款
• 2.1.4 房地产投资贷款
• 2.2 我国房地产信贷业务发展历程
• 2.2.1 起步时期
• 2.2.2 停滞萎缩时期
• 2.2.3 恢复时期
• 2.2.4 调整发展时期
• 2.2.5 规范发展时期
• 2.3 商业银行房地产信贷业务基本操作流程
• 2.3.1 贷款的申请与受理
• 2.3.2 贷前调查
• 2.3.3 信用评估与限额核定
• 2.3.4 贷时审查与批准
• 2.3.5 贷款发放使用与管理
• 2.4 商业银行房地产信贷风险的概念及其特征
• 2.5 房地产信贷风险形成的主要原因
• 2.6 本章小节
• 3 商业银行房地产开发贷款业务风险分析
• 3.1 房地产开发贷款项目的现状
• 3.2 开发商的风险
• 3.3 房地产开发商贷款风险分析
• 3.3.1 房地产开发商的合理贷款范围
• 3.3.2 房地产开发企业贷款的风险的LOGISTIC 回归分析
• 3.4 房地产开发贷款市场的道德风险及逆向选择
• 3.4.1 道德风险
• 3.4.2 逆向选择
• 3.4.3 房地产开发贷款市场上的道德风险和逆向选择及其防范
• 3.5 本章小节
• 4 商业银行应对房地产信贷风险对策研究
• 参考文献
• 附录
• 附录1：数据样本示例
• 附录2：对于重复测量数据的GEE 算法做LOGIT 回归
• 后记
• 致谢
• 在读期间科研成果目录