我國商業銀行房地產信貸風險度量與預測
——基于CPV模型

(福建師范大學經濟學院 福建 福州 350108)

一、引言

貸款業務一直以來都是商業銀行傳統業務的重要組成部分，尤其是房地產企業的貸款，近幾年在商業銀行的貸款總額中所占比例居高不下，已構成銀行信用風險管理的重要部分[1]。目前我國的房地產行業的信托基金、股權融資之類各種融資渠道尚未真正形成，因此商業銀行信貸成為我國房地產主要的資金支持。根據國家統計局數據，我國房地產業的資金構成比例中，來源于商業銀行的信貸資金高達80%以上，足以見得，房地產業融資對商業銀行的強依賴性。

近年來，我國政府針對房價調控頒發了一系列文件，但房價并沒有下跌，反倒持續上漲，尤其在過去的一年里，三四線城市房價出現了大幅度上漲，房價的不斷上漲加快了房地產信貸的快速增長。房地產與商業銀行關系越來越緊密，但信貸違約事件時有發生，房地產信貸風險正在逐漸顯露。

為有效度量與預測我國商業銀行房地產信貸風險，本文以CPV模型為信貸風險度量基礎，從宏觀經濟、房地產行業以及消費者個人三個層面進行綜合分析與研究，并根據三個層面選取了綜合經濟景氣指數(MCI)、國房景氣指數(ECRI)、消費價格指數(CPI)。借助2007-2017年1-4季度MCI、ERCI、CPI與RD(商業銀行房地產不良貸款率)數據進行回歸分析、對CPV模型進行檢驗，以探討商業銀行房地產不良貸款率與各宏觀經濟指標之間的關系，驗證CPV模型在度量我國商業銀行房地產信貸風險的有效性，為有效防范商業銀行房地產信貸風險提供理論指導。

二、相關文獻綜述

國內外學者對商業銀行房地產信貸風險的度量與預測已進行了多方面研究，其成果常見于諸刊，也為本文的研究提供了理論基礎及其思路。

Liyin Shen(2009)[2]通過CPV模型和壓力測試的實證研究方法，分析了芬蘭的信貸風險和相關影響因素。研究結果表明名義利率、通貨膨脹率、和工業指數對信貸風險有著緊密的關系。Yong Kim(2012)[3]運用蒙特卡洛技術分析方法對CPV模型進行深入分析，發現了部分宏觀因素對違約概率的影響較大的結論，但具體因素的影響力各有不同。易傳和、詹蕙卿(2009)[4]選擇運用CPV模型的基本思想,構建房地產信貸風險計量模型,分析房地產信貸違約率和宏觀經濟的關系。研究發現，房地產信貸與國房景氣指數密切相關，當國房景氣指數上升時，房地產信貸會隨著上升，該景氣指數可作為度量兩房貸風險大小的重要指標。靳鳳菊(2007)[5]基于CPV模型,選取綜合領先指數、企業景氣指數與國房景氣指數三個宏觀經濟因素指標，通過實證檢驗三指標與房地產信貸的關系。其實證結果顯示，綜合領先指標可顯著預測房地產信貸風險。楊萌萌(2018)[6]通過收集次貸危機前后房地產財務數據值代入Logistic模型中，計算出P值并根據其來研究次貸危機對我國商業銀行房地產信貸風險的影響。

綜上所述，國內外學者在商業房地產信貸風險的度量方法上采用了各種數理模型，如logistic模型、CPV模型。我國房地產市場發展起步較晚，其度量商業銀行房地產信貸風險的技術和成果比較匱乏，當前我國學術界使用較為廣泛的是CPV模型，但大部分學者只是對相應的宏觀經濟指標與不良貸款率進行簡單回歸分析，并沒有進一步驗證CPV模型在度量我國房地產信貸風險的有效性。本文將通過實證分析，探討CPV模型在度量我國商業銀行房地產信貸風險的有效性與適用性，為有效防范商業銀行房地產信貸風險提供理論指導。

三、實證分析

(一)模型的建立

1.CPV模型的理論基礎與優勢

CPV(Credit Portfolio View)模型是由麥肯錫公司最早構建的一種模型，這一模型通過擬合一系列宏觀經濟因素指標來考察一國的宏觀經濟狀況，其宏觀經濟指標數量一般選擇三個以上。該模型從宏觀經濟層面度量了違約概率，其宏觀經濟變量選取諸如GDP增長率、利率、消費價格指數等。由于宏觀經濟數據具有公開性、透明性等特點，有效避免了在信貸風險度量過程中，數據獲取困難的難題，也為后續有效度量、預測信貸風險提供了基礎。

2.模型的理論形式

yt=a0+a1x1+a2x2+a3x3……amxm+ut

①

其中，yt代表的是t時期的不良貸款率，a0代表常數，xt代表各宏觀經濟變量，如GDP增長率、消費價格指數、企業景氣指數、匯率等一系列宏觀經濟變量。

(二)變量的選擇與說明：

本文通過對我國國民經濟的不同層面，即從宏觀經濟、居民消費者以及房地產行業三個層面進行綜合分析與研究，在結合國外眾多學者的研究成果基礎上，將涉及本研究的宏觀經濟變量定為宏觀經濟景氣指數(MCI)、國房景氣指數(RECI)、消費價格指數(CPI)。

1.商業銀行房地產不良貸款率(RD)

由于現實情況中銀行房地產信貸的違約數據很難收集，且我國商業銀行業并沒有形成一個準確的界定，在參考國內外眾多學者研究成果基礎上、考慮到數據的真實性和可得性，因此選擇了我國主要商業不良貸款率代替商業銀行房地產不良貸款率。

2.宏觀經濟景氣指數(MCI)

我國的宏觀經濟景氣指數采用的是月度數據，包括工業生產指數、從業人數、社會需求、社會收入等四個大類的指標，涵蓋了國民經濟生活的各個方面，能夠比較全面地反映我國宏觀經濟的運行狀況和周期性波動。在宏觀經濟景氣指數中，其變動領先與經濟周期而變化的是先行指標，與經濟變動同步的為一致指數，其變動滯后于經濟狀況變化的稱為滯后指標。本文選取其中的一致景氣指數來對我國商業銀行房地產信貸風險進行研究。

3.國房景氣指數(RECI)

國房景氣指數是從土地、市場需求、資金等幾個房地產業的必備要素選取了八個典型的指數進行匯總合成的一個景氣指標，這八個指標分別是房地產商開發投資額、出售商品房價格、出讓土地收入額、本年度資金來源、本年度新開工土地面積、已完成開發的土地面積、已竣工房屋面積和房屋空置面積，通過加權平均得到綜合指數。國房景氣指數由國家房地產統計系統實施，以全國房地產企業的統計資料為依據，按月發布，及時、權威、準確，能夠比較全面地對房地產業的景氣狀況進行反映，通過定期公布數據，可以引導房地產業健康、穩健發展，為國家宏觀調控部門提供預警和決策的依據。

4.居民消費價格指數(CPI)

居民消費價格指數是對城鄉居民一定時期內用于購買固定種類的消費品和服務的價格指數匯總而得的指標。該指數反映了居民購買消費品和服務的價格水平在一定時期內的變動情況，可以用來反映一國經濟中通脹和緊縮的程度，為相關部門了解經濟狀況、調整福利薪資水平、進行宏觀調控提供了重要依據。

(三)數據的來源與整理

本文采用數據跨度達11年，從2007年第一季度到2017年第四季度。

在下文中，宏觀經濟景氣指數來源于網站和WIND數據庫，由于只有月度數據，而分析需要季度數據，所以該部分的數據分別由三個月的月度數據平均而來，該處理可能會對研究造成一定的誤差，但不會對研究結果帶來太大影響。國房景氣指數與消費價格指數，其數據由國家統計局、國家統計年鑒整理而來。主要商業銀行不良貸款率數據由銀行與保險業監督委員會網站整理得到。

(四)模型的估計與檢驗

1.模型的估計

本文以CPV模型為基礎，運用EVIWS8.0,對以上變量(RD，MCI,RECI,CPI)樣本數據進行回歸分析。其回歸分析結果如下表所示：

表1 模型回歸分析結果

注：以上結果由eviews8.0操作整理得到

2.模型檢驗

(1)參數檢驗

由回歸分析結果可知，F所對應的Prob值=0.0000，小于0.05，F的顯著性通過，方程擬合程度較高；變量MCI、RECI、CPI、C所對應的t檢驗的Prob.值分別為0.04532、0.0063、0.0491、0.0378，以上Prob.值均小于0.05，故參數的顯著性檢驗通過；且復相關系數R2=0.8790較接近1，表明方程具有較強的相關性。

(2)異方差檢驗(white檢驗)

表2 懷特檢驗結果

注：以上結果由EVIEWS8.0操作整理得到。

由上表可知該模型檢驗的相伴概率為0.7357222，也即P>a(a=0.05),故無法拒絕原假設(原假設為不存在異方差)，即該模型不存在異方差。

(3)多重共線性檢驗

多重共線性是指n個回歸變量X1、X2、X3……之間存在嚴格線性相關或近似的線性相關關系。方差擴大因子法(VIF)常用于檢測回歸變量間是否存在線性相關性。以下采用VIF法進行檢驗，檢驗結果如下所示：

表3 多重共線性檢驗結果

注：以上結果由EVIEWS8.0操作整理得到。

由上可知，各變量所對應的方差擴大因子(VIF值)均小于10，因此回歸變量(MCI、RECI、CPI)間不存在嚴重的共線性。

(4)殘差的相關系數和偏相關系數檢驗

表4殘差相關系數和偏相關系數檢驗結果

注：以上結果由EVIEWS8.0操作整理得到

上圖中右半部分的AC為各期殘差的自相關系數，PAC為各期殘差的偏相關系數，

左半部分分別是它們的直方圖。如果S期偏相關系數的直方圖超過表示±0.5的虛線，說明存在S階自相關。觀察圖可知，各期偏相關系數都未超過虛線部分，由此說明模型的殘差不存在自相關。

(5)模型的經濟意義

由模型的回歸結果，將各變量的系數代入回歸模型①，可得如下結果：

RD=20.376-0.5731MCI-0.3157RECI+0.0715CPI

②

由以上方程②可知：(1)宏觀經濟景氣指數(MCI)以及國房景氣指數(RECI)與商業銀行房地產不良貸款率(RD)呈負相關關系，且消費價格指數CPI與商業銀行信貸違約(RD)呈正相關關系；(2)當宏觀經濟景氣指數提高1%，則商業銀行不良貸款率將會減少0.5731%；國房景氣指數提高1%,其商業銀行不良率將會降低0.3157%；消費價格指數提高1%，則商業銀行不良貸款率將會增加0.0715%。

四、實證結果分析

1.商業銀行信貸違約率與宏觀經濟變量及房地產行業運行變量息息相關。主要表現為：宏觀經濟景氣指數、國房景氣指數與信貸違約率呈負相關關系，宏觀經濟景氣指數、國房景氣指數的上升均會會導致信貸違約率下降，反之，當宏觀經濟景氣指數、國房景氣指數下降時，信貸違約率會上升；居民消費價格指數與銀行信貸違約率呈正相關關系，也從側面反映通貨膨脹的上升將導致信貸違約率的上升。因此，商業銀行為有效防范房地產信貸風險，應密切關注宏觀經濟景氣指數、居民消費價格指數、房地產市場景氣指數等指標，并建立與這些宏觀經濟變量有關的風險預警機制。

2.根據以上模型分析與檢驗結果可知，房地產不良貸款率的大小和各宏觀經濟因素確實存在著緊密的聯系，且CPV模型能有效度量我國商業銀行房地產信貸風險。

3.模型的回歸結果顯示的各個系數較小，回歸結果并不是十分理想，這可能也符合我國當前的實際情況：現階段我國房地產信貸風險沒有完全暴露，房地產貸款對于銀行目前來說是優質資產，風險較小。但是未來房地產市場變幻莫測，為有效防范房地產信貸風險，當前對于房地產信貸風險險的度量與預測研究仍具有現實意義與指導意義。