基于logistics模型房地產信貸風險管理研究

賈曉丹 何麗霞 邢家寶 何為

摘 要：房地產市場的迅速發展以及信貸市場的逐步完善使得房地產貸款在商業銀行貸款中所占的比例逐漸加重，信貸所產生的風險不僅會對房地產業產生影響，同時也會波及金融業，信貸風險不容忽略。本文在logistics模型的基礎上利用違約風險代表性分析房地產的信貸風險，分析結果顯示一個公司的營運能力、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信貸風險起著關鍵性影響。因此，為了更好的控制房地產信貸風險，密切關注公司的運營情況至關重要。

關鍵詞：房地產信貸風險;logistics模型;風險分析;防范措施

引言：

房地產行業的穩定發展離不開大量的資金支持，而將各種籌資方式比較后發現，商業銀行貸款具有風險較小，利率較低，資金來源穩定等多方面優勢。因此，商業銀行貸款成為了資金的主要來源。但近年來，商業銀行的壞賬大多都與房地產信貸有關，信貸作為商業銀行的主要資產，其產生的風險會對商業銀行造成很大的沖擊，甚至對金融業產生一定的影響，如何將房地產信貸風險最小化成為商業銀行所關注的重點?，F有大多數文章從定性角度對房地產信貸風險進行分析，忽略了數據的重要作用。在此，我們將借助數據和模型從定量的角度來分析房地產信貸風險的主要影響因素，針對數據分析結果尋找化解風險的對策。

一、基于logistics模型的風險分析

房地產的信貸風險主要來自于違約風險，是指交易對手未能履行約定契約中的義務而造成經濟損失的風險，即受信人不能履行還本付息的責任而使授信人的預期收益與實際收益發生偏離的可能性，它是金融風險的主要類型，本文在的基礎上利用違約風險代表性分析房地產的信貸風險，并定義P為某房地產公司出現違約的概率，其中p值越接近于1，說明該公司出現違約的概率越高，p值越小說明該公司出現違約的概率越低。并根據網站上相關資料，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）研究設計

1.變量選擇

本文選擇了能夠反應公司償債能力、盈利能力、發展能力、營運能力的相關變量：其中，借助流動比率、速動比率、資產負債率和現金比率來反映一個公司或企業的償債能力，對于償債能力強的公司，其出現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違約情況;公司或企業的盈利能力用凈資產收益率、成本費用利潤率、總資產凈利潤率、固定資產凈利潤率來反映，盈利能力強的公司自然會更小概率出現違約情況，相反，盈利能力差、甚至出現虧損的公司違約的情況會更大;營業收入增長率、管理費用增長率、凈利潤增長率、固定資產增長率則更好地表現出公司的發展能力，可以說一個公司的發展能力真正決定著公司未來的走向與存續時間，好的公司理所當然地平穩迅速的發展，那么其信用程度自然要勝人一籌;總資產周轉率、應收賬款周轉率、存貨周轉率、流動資產周轉率則反映了公司的營運能力，營運能力越強，公司的收入就會越多，相應的償債能力也會提高;現金滿足投資比率、凈利潤現金凈含量、營業利潤現金凈含量、現金流量適合比率四個指標則是公司現金流量狀況的體現。

2.樣本選擇

本文按照系統隨機抽樣的方法，給合肥查閱到的大部分公司名稱進行編號，先利用簡單隨機抽樣的方法抽取第一個房地產公司，之后再利用系統抽樣的方法，依次選擇到48家房地產公司。之后，在同花順、上海證券交易所網站、深圳證券交易所網站、wind數據網等網站查閱了這48個公司到2017年年末的財務報告，對相關數據進行收集。同時，數據庫找尋數據時，在標記為樣本的48個公司找尋出了被深滬兩市記為共五家“ST”違約公司，根據模型假設定義為D=1，其他均記為D=0。

3.模型的選取

logistic回歸又稱logistic回歸分析，是一種廣義的線性回歸分析模型，常用于數據挖掘，疾病自動診斷，經濟預測等領域。本文中可以根據某一公司的流動比率、速動比率、資產負債率、現金比率、凈資產收益率、成本費用利潤率、總資產凈利潤率、固定資產凈利潤率、營業收入增長率、管理費用增長率、凈利潤增長率、固定資產增長率、總資產周轉率、應收賬款周轉率、存貨周轉率、流動資產周轉率、現金滿足投資比率、凈利潤現金凈含量、營業利潤現金凈含量、現金流量適合比率這二十個指標數值，通過SPSS軟件進行主成分分析，得到各公司的主成分得分，利用logistic回歸模型來預測該公司的違約概率。

4.模型的準備

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

具體模型為以下內容：

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四項能力的二十個不同的指標，它們分別直接或間接影響著企業的違約風險，但在實際過程中，這二十個代表不同領域的指標往往一起影響著實驗的結果。假設這二十個指標中的幾個或者全部的變量可以構成一個影響實驗結果的線性函數或線性組合，那么數據的分析處理必將簡化，并且它的實驗結果也會更加精確。在多變量問題中，變量較多雖然增加了問題的復雜性，但實際上，變量之間往往存在一定的信息相關性，可能會存在信息的重疊，因此我們希望克服多變量之間的信息相關性、重疊性，用較少的變量進行線性組合，并且盡可能最大限度地保留原來多變量中的大部分、關鍵性數據信息，于是我們使用主成分分析法舍棄變量之間的重疊信息，降低變量數據的“維度”，對變量重新構造線性組合。對“降維”后的數據進行主成分分析，得到的主成分可以直接用于logistic模型建立。