银行住房贷款违约率的宏观风险分析——基于mvar模型的实证研究

《银行住房贷款违约率的宏观风险分析——基于mvar模型的实证研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年第7期研完总第365期第33卷银行住房贷款违约率的宏观风险分析木基于MVAR模型的实证研究欧阳远芬陈倩摘要：本文主要探讨银行住房抵押贷款违约率的宏观风险分析，利用混合向量自回归模型(MVAIK)t~型)对付款能力和策略性违约假说进行验证。本文采用香港零售银行的住宅按揭拖欠比率作为研究样本。实证结果证实了银行信贷、房价和利率变化对银行房贷违约风险的影响与金融稳定状态有关，在金融不稳定时期，银行信贷扩张、房价下跌或利率提高会显著增加银行住房抵押贷款的违约情况，但这负面影响在金融稳定时期较不容易显现。关键宇：银行住房贷款违约率；MvAR模型；房价JEL

2、分类号：G33，E44，C15一、引言东南亚金融危机和欧美次贷危机的陆续爆发促使人们开始重视银行风险和房地产市场的联动关系。房地产作为资金密集型产业，与银行体系关系密切，金融部门往往在经济繁荣期，也就是房地产价格上涨时，接受大量的住房抵押贷款和房地产商的融资贷款，使得银行本身持有过多和房地产相关的资产和负债，同时，房价上涨也提高了房产作为抵押品的价值，降低银行的贷款质押率，促使银行增加信用贷款额度，形成超贷现象。所以，在房地产价格上涨时期，市场普遍预期乐观，金融机构容易降低风险意识而增加与房地产相关的信用贷款额度，使其进一步暴露在房价泡沫的风险之下，一旦遭

3、受外来冲击，市场预期发生逆转，银行的超额贷款容易使其准备金不足、借贷结构恶化、容易造成一系列的银行房贷违约风险(Hilbers等2001；徐滇庆，2006；施小蓉，2007；王锋和李宇嘉，2008)。因此，Krugman(1998)31Claessens等(2010)均认为房地产泡沫对一国经济的最大威胁就是引发严重的银行危机，并且通过金融渠道把整个国民经济拉进低谷。因此，本文主要探讨银行住房抵押贷款违约率的宏观风险分析，研究包括房价在内的宏观变量如何影响银行的住房抵押贷款违约率。作者简介欧阳远芬：教授，经济学博士，中央财经大学中国公共财政与政策研究院，研究

4、方向为国际金融、宏观政策、应用计量；陈倩：副教授，经济学博士，中央财经大学中国公共财政与政策研究院，研究方向为应用计量、金融学。本研究得到了“教育部人文社会科学研究青年基金项目(1OYJC79O2OO)”以及“中央财经大学青年科研创新团队’’的联合资助，特此感谢银行住房贷款违约率的宏观风险分析在实际控管房贷信用风险的操作中，国内各主要商业银行应银监会要求，大多使用现有的危机管理(RiskManager)软件展开房贷压力测试。金融压力测试模型可分为单一因素的敏感度分析、多因素的情景分析、宏观经济模型分析和向量自回归模型(黄璨，2004)，2010年的测试结果

5、显示多家商业银行对房价下跌容忍度在30％．40％之间。此外，国外文献也有采用违约距离(Distance．to—Default)模型，应用微观数据研究对金融机构进行仿真测试，例如Igan和Pinheiro(2010)同时采用宏观和微观数据对美国银行业进行金融压力测试，结果显示利率和收入变化是决定房地产抵押贷款违约率的主要因素，而提高1．3％的抵押贷款利率会减少20％的违约距离。Chan．Lau和Sy(2006)针对银行业的特性，新建立资本距离(Distance．to—Capita1)模型，并将其应用在日本2001．03年的房地产泡沫研究上。由于我国银行内部数

6、据难以取得，本文利用香港金融管理局公布的香港零售银行住宅按揭拖欠(逾期3个月以上)比率等宏观数据，建立房贷违约率模型。购房者违约不支付房屋贷款的可能原因有二：(1)付款能力假说：借款者突然因个人原因(失业、离婚等因素)或宏观经济原因(利率上升或经济不景气)丧失还款能力，导致违约。(2)策略性违约假说：在考虑交易和信用成本后，资产价值在房价下跌后低于贷款价值而选择故意违约。本研究将采用混合向量自回归模型(MixedVectorAutoregressiveModel，之后简称MVAR模型)建立房贷违约率模型对两种假说进行验证。MVAR模型可以将银行违约率的概率

7、分布区分为金融稳定时期和金融不稳定时期，而宏观变量在不同时期可能会对银行违约率产生不同的影响以及反馈效应。一般模型中假设违约率和宏观变量符合单一分布，也就是说不管经济是处于稳定还是不稳定阶段，分布均不改变。但很多实证研究都发现在金融不稳定时期，银行违约率有可能大幅上升，产生厚尾效应，若采用单一分布的假设，有可能会低估危机发生时的银行违约发生概率，因此，将银行违约率的概率分布分为金融稳定时期和金融不稳定时期，能有效改善违约率估计的正确性。其次，由于宏观变量大多具有内生性，因此采用VAR模型可以有效估计宏观变量间的内生性影响，并且估计其动态变化。二、文献综述过

8、去对于银行房贷违约率所做的研究很多，大致可分为两类：一种是采用微观