基于logistics模型房地產(chǎn)信貸風(fēng)險(xiǎn)管理研究

賈曉丹 何麗霞 邢家寶 何為

摘 要：房地產(chǎn)市場(chǎng)的迅速發(fā)展以及信貸市場(chǎng)的逐步完善使得房地產(chǎn)貸款在商業(yè)銀行貸款中所占的比例逐漸加重，信貸所產(chǎn)生的風(fēng)險(xiǎn)不僅會(huì)對(duì)房地產(chǎn)業(yè)產(chǎn)生影響，同時(shí)也會(huì)波及金融業(yè)，信貸風(fēng)險(xiǎn)不容忽略。本文在logistics模型的基礎(chǔ)上利用違約風(fēng)險(xiǎn)代表性分析房地產(chǎn)的信貸風(fēng)險(xiǎn)，分析結(jié)果顯示一個(gè)公司的營(yíng)運(yùn)能力、盈利能力和償債能力共同影響著公司的違約情況，其中公司的償債能力對(duì)信貸風(fēng)險(xiǎn)起著關(guān)鍵性影響。因此，為了更好的控制房地產(chǎn)信貸風(fēng)險(xiǎn)，密切關(guān)注公司的運(yùn)營(yíng)情況至關(guān)重要。

關(guān)鍵詞：房地產(chǎn)信貸風(fēng)險(xiǎn);logistics模型;風(fēng)險(xiǎn)分析;防范措施

引言：

房地產(chǎn)行業(yè)的穩(wěn)定發(fā)展離不開(kāi)大量的資金支持，而將各種籌資方式比較后發(fā)現(xiàn)，商業(yè)銀行貸款具有風(fēng)險(xiǎn)較小，利率較低，資金來(lái)源穩(wěn)定等多方面優(yōu)勢(shì)。因此，商業(yè)銀行貸款成為了資金的主要來(lái)源。但近年來(lái)，商業(yè)銀行的壞賬大多都與房地產(chǎn)信貸有關(guān)，信貸作為商業(yè)銀行的主要資產(chǎn)，其產(chǎn)生的風(fēng)險(xiǎn)會(huì)對(duì)商業(yè)銀行造成很大的沖擊，甚至對(duì)金融業(yè)產(chǎn)生一定的影響，如何將房地產(chǎn)信貸風(fēng)險(xiǎn)最小化成為商業(yè)銀行所關(guān)注的重點(diǎn)。現(xiàn)有大多數(shù)文章從定性角度對(duì)房地產(chǎn)信貸風(fēng)險(xiǎn)進(jìn)行分析，忽略了數(shù)據(jù)的重要作用。在此，我們將借助數(shù)據(jù)和模型從定量的角度來(lái)分析房地產(chǎn)信貸風(fēng)險(xiǎn)的主要影響因素，針對(duì)數(shù)據(jù)分析結(jié)果尋找化解風(fēng)險(xiǎn)的對(duì)策。

一、基于logistics模型的風(fēng)險(xiǎn)分析

房地產(chǎn)的信貸風(fēng)險(xiǎn)主要來(lái)自于違約風(fēng)險(xiǎn)，是指交易對(duì)手未能履行約定契約中的義務(wù)而造成經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，即受信人不能履行還本付息的責(zé)任而使授信人的預(yù)期收益與實(shí)際收益發(fā)生偏離的可能性，它是金融風(fēng)險(xiǎn)的主要類(lèi)型，本文在的基礎(chǔ)上利用違約風(fēng)險(xiǎn)代表性分析房地產(chǎn)的信貸風(fēng)險(xiǎn)，并定義P為某房地產(chǎn)公司出現(xiàn)違約的概率，其中p值越接近于1，說(shuō)明該公司出現(xiàn)違約的概率越高，p值越小說(shuō)明該公司出現(xiàn)違約的概率越低。并根據(jù)網(wǎng)站上相關(guān)資料，在本文中我們定義D=1為違約公司，而D=0的公司則信用良好。

（一）研究設(shè)計(jì)

1.變量選擇

本文選擇了能夠反應(yīng)公司償債能力、盈利能力、發(fā)展能力、營(yíng)運(yùn)能力的相關(guān)變量：其中，借助流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率和現(xiàn)金比率來(lái)反映一個(gè)公司或企業(yè)的償債能力，對(duì)于償債能力強(qiáng)的公司，其出現(xiàn)違約的概率必然要小一些，相反的，償債能力弱的公司就更有可能出現(xiàn)違約情況;公司或企業(yè)的盈利能力用凈資產(chǎn)收益率、成本費(fèi)用利潤(rùn)率、總資產(chǎn)凈利潤(rùn)率、固定資產(chǎn)凈利潤(rùn)率來(lái)反映，盈利能力強(qiáng)的公司自然會(huì)更小概率出現(xiàn)違約情況，相反，盈利能力差、甚至出現(xiàn)虧損的公司違約的情況會(huì)更大;營(yíng)業(yè)收入增長(zhǎng)率、管理費(fèi)用增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率、固定資產(chǎn)增長(zhǎng)率則更好地表現(xiàn)出公司的發(fā)展能力，可以說(shuō)一個(gè)公司的發(fā)展能力真正決定著公司未來(lái)的走向與存續(xù)時(shí)間，好的公司理所當(dāng)然地平穩(wěn)迅速的發(fā)展，那么其信用程度自然要?jiǎng)偃艘换I;總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率則反映了公司的營(yíng)運(yùn)能力，營(yíng)運(yùn)能力越強(qiáng)，公司的收入就會(huì)越多，相應(yīng)的償債能力也會(huì)提高;現(xiàn)金滿(mǎn)足投資比率、凈利潤(rùn)現(xiàn)金凈含量、營(yíng)業(yè)利潤(rùn)現(xiàn)金凈含量、現(xiàn)金流量適合比率四個(gè)指標(biāo)則是公司現(xiàn)金流量狀況的體現(xiàn)。

2.樣本選擇

本文按照系統(tǒng)隨機(jī)抽樣的方法，給合肥查閱到的大部分公司名稱(chēng)進(jìn)行編號(hào)，先利用簡(jiǎn)單隨機(jī)抽樣的方法抽取第一個(gè)房地產(chǎn)公司，之后再利用系統(tǒng)抽樣的方法，依次選擇到48家房地產(chǎn)公司。之后，在同花順、上海證券交易所網(wǎng)站、深圳證券交易所網(wǎng)站、wind數(shù)據(jù)網(wǎng)等網(wǎng)站查閱了這48個(gè)公司到2017年年末的財(cái)務(wù)報(bào)告，對(duì)相關(guān)數(shù)據(jù)進(jìn)行收集。同時(shí)，數(shù)據(jù)庫(kù)找尋數(shù)據(jù)時(shí)，在標(biāo)記為樣本的48個(gè)公司找尋出了被深滬兩市記為共五家“ST”違約公司，根據(jù)模型假設(shè)定義為D=1，其他均記為D=0。

3.模型的選取

logistic回歸又稱(chēng)logistic回歸分析，是一種廣義的線性回歸分析模型，常用于數(shù)據(jù)挖掘，疾病自動(dòng)診斷，經(jīng)濟(jì)預(yù)測(cè)等領(lǐng)域。本文中可以根據(jù)某一公司的流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率、現(xiàn)金比率、凈資產(chǎn)收益率、成本費(fèi)用利潤(rùn)率、總資產(chǎn)凈利潤(rùn)率、固定資產(chǎn)凈利潤(rùn)率、營(yíng)業(yè)收入增長(zhǎng)率、管理費(fèi)用增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率、固定資產(chǎn)增長(zhǎng)率、總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、現(xiàn)金滿(mǎn)足投資比率、凈利潤(rùn)現(xiàn)金凈含量、營(yíng)業(yè)利潤(rùn)現(xiàn)金凈含量、現(xiàn)金流量適合比率這二十個(gè)指標(biāo)數(shù)值，通過(guò)SPSS軟件進(jìn)行主成分分析，得到各公司的主成分得分，利用logistic回歸模型來(lái)預(yù)測(cè)該公司的違約概率。

4.模型的準(zhǔn)備

logistic回歸在定量分析模型中是比較特殊的，使用該模型時(shí)需要滿(mǎn)足以下幾點(diǎn)要求：1.觀測(cè)值獨(dú)立且自變量的觀測(cè)值誤差。2.解釋變量中不得有多重共線性的關(guān)系。3.自變量必須和logic p之間有線性關(guān)系。

具體模型為以下內(nèi)容：

其中，0

（二）變量的處理與模型建立

在上文中，我們選擇了能代表企業(yè)四項(xiàng)能力的二十個(gè)不同的指標(biāo)，它們分別直接或間接影響著企業(yè)的違約風(fēng)險(xiǎn)，但在實(shí)際過(guò)程中，這二十個(gè)代表不同領(lǐng)域的指標(biāo)往往一起影響著實(shí)驗(yàn)的結(jié)果。假設(shè)這二十個(gè)指標(biāo)中的幾個(gè)或者全部的變量可以構(gòu)成一個(gè)影響實(shí)驗(yàn)結(jié)果的線性函數(shù)或線性組合，那么數(shù)據(jù)的分析處理必將簡(jiǎn)化，并且它的實(shí)驗(yàn)結(jié)果也會(huì)更加精確。在多變量問(wèn)題中，變量較多雖然增加了問(wèn)題的復(fù)雜性，但實(shí)際上，變量之間往往存在一定的信息相關(guān)性，可能會(huì)存在信息的重疊，因此我們希望克服多變量之間的信息相關(guān)性、重疊性，用較少的變量進(jìn)行線性組合，并且盡可能最大限度地保留原來(lái)多變量中的大部分、關(guān)鍵性數(shù)據(jù)信息，于是我們使用主成分分析法舍棄變量之間的重疊信息，降低變量數(shù)據(jù)的“維度”，對(duì)變量重新構(gòu)造線性組合。對(duì)“降維”后的數(shù)據(jù)進(jìn)行主成分分析，得到的主成分可以直接用于logistic模型建立。