随着近几年我国房地产业的持续繁荣，个人住房贷款因其风险调整后收益较高，成为商业银行最为优质的信贷资产之一。然而，起始于2007年的次贷危机给我们的重要启示是，由于个人住房贷款总体规模较大，对宏观和金融政策较敏感，常常隐藏着巨大的系统性风险。根据工、农、中、建、交五大商业银行2010年年报，五大行2010年末住房贷款余额4.29万亿元，另根据银监会统计公报数据整理，五大行贷款余额占整个银行业贷款的比例约62%，据此估计全国住房贷款余额约6.92万亿元，考虑到农信社、城商业等其它金融机构住房贷款占总贷款的比例相对较低，因此估计全国住房贷款余额应在6万亿元左右。另外，根据中国人民银行《中国货币政策执行报告》第一季度报告，全国住房贷款余额较2010年末增长2810亿元，增长速度有所放缓，但仍处于较快增长之中。因此，随着我国住房价格的快速上涨，住房金融的安全问题逐渐引起了人们的重视。
通常情况下，居民获得个人住房贷款购买房产有两个主要渠道，一是商业银行等金融机构，二是住房公积金管理中心。由于住房公积金贷款商业银行主要承担受托业务，基本不承担信用风险，因此本文讨论的个人住房贷款限于银监会统计口径的商业银行类金融机构发放的个人住房贷款。同时，由于商用房贷款的占比较低，且按揭成数较低，亦不再单独讨论。
一、个人住房贷款信用风险分析的一般方法
发达国家开办个人住房贷款的历史相对较长，且由于数据积累较为充分，对个人住房贷款信用风险的研究相对较早，便出现了较多有分量的研究成果。早期学者Jung(1962)认为贷款价值比和个人住房贷款利率与违约风险之间存在正相关关系；Gau(1978)用借款人特征维度、房地产特征维度和融资特征维度的64个变量对个人住房贷款违约风险进行了研究，并建立了个人住房贷款违约风险分类模型；Foster(1984)认为权益价值(住房价格+借款人违约所需承担的费用-抵押贷款价值)可以解释主要违约原因，研究方法主要为期权理论和或有求偿权理论(国内学者一般称此现象为理性违约，相对应的借款人无力偿还称为被迫违约)；Terrence M. Clauretie和Mel Jameson综合考虑借贷双方的交易费用和利得，建立了再协商模型(或者称为再协商理论)；Smith，Sanchez&lawrence(1996)则利用马尔科夫递推过程(Markovian recursion)为按揭贷款违约的预测提供了一个新的视角；Quercia和Stegman(1992)，Quigley、Van Order和Deng(1993)以及国内一些学者对个人住房贷款违约与贷款价值比、借款人特征(婚姻、收入、学历、年龄、职业等)、房地产特征(区域、一手房与二手房等)、贷款特征(金额、首付比例、期限、剩余期限)、贷款利率(固定或者浮动利率)的关系进行了研究，但得到的结论并不一致。次贷危机发生前，国外个人住房贷款信用风险的主要研究方向为违约对按揭资产池(或者证券化资产组合)价值的影响。国内对个人住房贷款违约比较系统的研究相对较少，较系统和较规范的研究见王福林(2005)的著作。另外，国内一些学者在研究个人住房贷款的信用风险时将提前还款风险纳入其中，这是十分错误的，因为提前还款风险属于利率风险和资金再运用风险，是典型的市场风险问题。
(一)研究方法
研究方法上，国外学者一般采用多元线性回归、Logistic模型、Logit模型、Probit模型、Tobit模型、聚类分析、判别分析和期权模型，国外及我国台湾地区较为经典的研究总结见表1。
1.判别分析
判别分析是根据已知个人住房贷款分类(违约贷款或正常贷款)和表明贷款分类特征的变量推导出判别函数，再根据判别函数对未知贷款所属类别进行判别的一种分析方法。应用判别分析可以研究各个变量对个人住房贷款违约风险的影响方向及影响程度，进而达到判别未知分类贷款可能所属类别的目的。
判别函数的一般形式是：
判别函数分析的程序首先是将所调查的样本分为违约贷款组和正常贷款组，根据组内离散性最小、组间离散性最大的原则建立判别函数来预测未知分组属性的样本可能所属的组别。判别函数可用判别指数检验，判别指数越大说明判别函数越重要。判别函数的系数可用标准化判别系数，哪个变量的标准化系数绝对值大，说明对判别值有更大的影响，从而可比较各变量对判别值的相对重要性。
2.Logit模型和Logistic模型
Logistic模型的最大优点在于它解决了因变量不连续回归的问题，特别是因变量为分类变量时非常适合使用该模型进行研究。应用Logistic模型分析可识别自变量对个人住房贷款违约风险的影响方向，达到识别影响个人住房贷款违约风险主要因素的目的。Logistic模型由Logit模型变换而来。Logit模型采用的是逻辑概率分布函数(cumulative logistic probability function)，具体表达式为：
Logistic模型采用极大似然估计法来检验模型的拟合效果，回归系数的检验采用Wald统计量检验，Wald值越大表明该自变量的作用越显著。
3.聚类分析
聚类分析是根据个人住房贷款本身特征将借款人分为不同风险类别的方法。聚类分析的原则是同一类别中的个人住房贷款样本具有较大违约风险相似性，不同类别中的样本具有较大的违约风险差异性。因此，应用聚类分析可以实现对个人住房贷款样本进行违约风险分类，进而达到对不同违约风险等级贷款的本质特征进行识别的目的。在聚类分析中，对距离的测度可采用欧氏平方法。
(二)变量的选择
变量的选取大体包括四个维度：一是借款人特征维度，二是贷款特征维度，三是房产特征维度，四是地区特征维度。从目前研究成果来看，各维度变量的选择一般包括以下内容。
总体来看，以上主流研究成果的分析逻辑可作如下总结：从违约驱动力来看，分为理性违约和被迫违约两种；从被迫违约的形成原因来看，主要考虑了利率、收入、职业、年龄等因素；从理性违约的形成原因来看，主要考虑了贷款期限、房地产价格周期和交易费用等因素。但相对于我国的国情，以上研究方法和结论存在以下不足或者不可借鉴的地方：一是没有从全国的角度去研究银行业面对的整体风险；二是简单地套用国外的模型进行对比分析，没有充分考虑我国宏观经济和房地产业的发展阶段，存在明显的模型风险；三是没有从购买动机进行分类，而是将所有购买者均视为自住需求；四是研究结论常常相互矛盾，且未经得住现实的检验(如很多学者自本世纪初就指出个人住房贷款风险
已较大，但实践证明这些结论都是值得商榷的)。
二、我国个人住房贷款信用风险分析一般方法修正
从我国主要商业银行的数据积累看，以上提到的研究方法和变量选择均是可以实现的。但是，由于东西方信贷文化和商业银行管理方式的差异，加之个人住房贷款发展阶段的不同，以上方法的应用需有所取舍，并且需要加入新的自变量和调整变量。
1.房产特征维度应加入政策性住房贷款变量。由于我国目前存在经济适用房、两限房和保障房政策，而上述几种住房的产权特征、单位价格和购买人群差异明显，因此需要单独作为一类进行分析。
2.房产特征维度应对一手房或二手房进行区分。二手房由于贷款时评估价格的人为影响因素比较严重(如人为做高评估价格以获得高额银行贷款)，且二手房针对的人群亦有其自身特征，应将该因素加入模型。
3.房产特征维度应加入住房套数变量。购房目的不同住房贷款的安全性也会不同，自住房、改善房、投资房和炒房的贷款风险程度应该有明显差异，区别住房套数是区分购房目的和贷款质量比较可行的方法。
4.贷款特征维度应加入首付比例变量。表2中仅把贷款价值比作为自变量，忽略了购房首付比例这个重要变量，由于首付比例是反映借款人购房实力和购房目的的重要变量，因此对该因素进行充分考虑。
另外，应加大对虚假住房贷款的关注和研究，利用更为科学和有效的方法估计虚假住房贷款的总量和质量。根据笔者的调研，虚假按揭是住房贷款的重灾区，由于期限长、利率低、金额大，一些借款者会通过不真实的房地产交易套取银行资金进行投资，甚至进入股市进行投机，这部分贷款的风险是相当大的，虽然规模并不占主流，但违约比例较高，且违约损失率较大，应引起商业银行足够的重视，应作为调整变量加入模型。
借助完整规范的数据，修正后的实证模型可以比较全面地反映我国住房贷款的违约规律，并对未来信用风险状况进行预测。但是，作为常规的信用风险分析模式，以上分析方法仍然存在以下不足：一是限于数据的保密性，除了监管机构和银行内部相关部门，一般研究人员很难得到充分数据，因此需要寻找更为直接或者简单易行的方法；二是以上方法在国民经济出现较大波动、房价出现较多下跌的情况下很难规避趋势性的错误，美国次贷危机就是最具代表性的案例，这属于系统性风险问题，下文将作专门分析。
三、个人住房贷款信用风险压力测试分析方法
近几年我国房地产市场处于异常繁荣的时期，房价不断上涨，成交量一再扩大，在房地产行业的上升期，不良贷款率维持在较低水平是正常的。但是，如果房地产遇到周期性拐点或者单边上涨过后出现深幅下跌，根据国外经验个人贷款资产质量存在较大滑坡的可能。次贷危机的前车之鉴告诉我们，由于个人住房贷款规模较大，一旦出现系统性风险对商业银行将造成重大影响，因此研究价格调整压力下个人住房贷款的信用风险问题就成为个人住房贷款信用风险管理中的重要补充。显然，如何测度房价出现大幅下跌的情况下个人住房贷款的违约率和违约损失率的变化，属于敏感性分析或者压力测试研究的范畴。
当系统性风险发生时(如房地产的周期性波动)，本文前两部分所述信用风险模型由于没有考虑或者很难考虑特殊时期信用风险参数的设定问题，常常不能有效发现和规避系统性风险，从目前国内外的研究成果来看，压力测试成为常规信用风险测度方法的有益补充。在IMF和World Bank联合开展的金融部门评估规划(FSAP，Financial Sector Assessment Programme)框架下，压力测试已成为评估商业银行应对各类冲击能力的重要手段。关于信用风险压力测试的英文文献可分为两类，一类是关于压力测试基本原理和方法的研究，Marco Sorge(2004)对这类文献进行了较好的总结。另一类是则侧重于压力测试的实证分析，大多是基于时间序列数据和面板数据的简化压力测试模型分析，如PetrKadeábek等(2008)对个人贷款的违约概率进行了压力情景下的分析。另有一些学者的研究相对深入，为解决线性假设和前人在数据处理上的不足提出了一些新的思路，如Michael C S Wong and Yat-fai Lam(2008)利用KMV模型的思想，提出了一个基于历史违约数据的压力测试模型，以期解决监管机构压力测试结果的定制问题；Mathias Drehmann(2005)利用改进的Merton模型，对英国银行业的公司贷款进行了宏观压力测试等。
虽然银监会、各大商业银行均声明进行了个人住房贷款的压力测试，但国内对于个人住房贷款压力测试的公开研究尚非常少见，李树林(2010)对各大商业银行压力测试的结果进行了分析和介绍，方舟(2011)对国内某股份制商业银行个人住房贷款质量进行房价压力测试，均尚处于压力测试的探索阶段。总结国外对于个人住房贷款压力测试的文章我们发现，其基本思路是首先通过计量的方法确定宏观经济和金融变量与个人住房贷款违约率(其中违约损失率常常按50%进行假设)的关系，然后按照历史事件或者假设情景设定压力情景下各宏观经济和金融变量可能的取值，最后计算压力情景下的违约概率。例如，对基于Logistic模型的压力测试，我们可以将上文提到的模型的变量由首付比例、贷款利率、借款人职业等变量替换为国民收入增长率、贷款利率、房地产价格指数等变量，进而确定各变量与个人住房贷款违约概率间的关系。因此，如果拥有充足的数据，可先用聚类分析的方法对所有样本进行分类，然后分别用Logistic模型进行分类压力测试，以得到更加精确的结果。
但是，由于我国房地产业没有经历过较严重的衰退，亦未形成较为完整、连续和相对稳定的房地产业长波周期，尤其难以确定在房价短时间内迅速上涨后调整的幅度和时间如何，压力情景下各变量取值存在相当大的难度，以国外流行的压力测试方法进行计量分析其意义可能并不大。
四、我国个人住房贷款整体信用风险定性判断
结合前文的讨论，本论文不再采用常规的计量方法进行信用风险估计，而是以定性分析为主，通过分析宏观和商业银行的公开数据，以简单数据的逻辑推理方式对压力情景下个人住房贷款的质量情况进行总体判断。
(一)判断依据一：储蓄率仍处于较高水平
美国抵押贷款银行家协会的数据显示，2002年美国家庭债务为8.5万亿美元，2007年扩大到14万亿美元，高达家庭年可支配收入的133%，创历史新高。其中，家庭抵押贷款从2002年的5万亿美元增加到20
07年的10.6万亿美元，家庭消费信贷从2002年的1.9万亿美元增加到2007年的2.5万亿美元。2001年，美国次贷总规模仅占抵押贷款市场总规模的5.6%，2006年则上升为20%。同期，美国的个人储蓄率持续下滑(图1)，2005年至2007年间接近于零，分别为0.4%、0.7%、0.6%，2005年仅次于1932年负0.9%和1933年负1.5%的历史最低纪录，创下自“大萧条”时期以来历史最低点。
图1 美国个人储蓄率(1929-2007)
资料来源：美国经济分析局(BEA)。
图2 我国个人储蓄率(1992-2007)(单位：%)
资料来源：王毅、石春华(2010)。
由经济学常识及以上数据可以看出，储蓄率的变化是衡量购房者最终偿债能力的最终和重要指标，虽然近几年我国住房贷款额迅速攀升，但是储蓄率仍处于较高水平。
因此，简单从储蓄率判断，虽然我国房地产价格持续上涨，成交量一再扩大，个人住房贷款迅速增加，但从宏观整体情况来看，负债的增长并未超出居民的最终承受能力，居民在迅速上涨的房地产市场中购房，损失的是总体福利水平，并没有严重危及个人住房贷款本身的安全。
(二)判断依据二：LTV仍处于合理范围
根据笔者对国内某银行的调研情况，如果按2008年的房地产价格对抵押物价值进行调整，该行部分分行贷款余额/抵押物价值比在80%以上的比例不足1%，且主要是部分政策性住房(部分享受10%的首付优惠政策)。根据我国政策性住房的相关政策，政策性住房的单价较低，月供较少，主要面向有当地户口的家庭(收入不高但相对稳定)，由于贷款总额较小，且借款人收入稳定，即使出现风险影响亦有限。以上情况与我国个人住房贷款政策密切相关，即使在政策最为宽松的2008年，首套房首付比例也不能低于20%。根据李树林(2010)的研究，2009年全国个人住房贷款自付比例达到46.2%；另根据方舟(2011)的研究成果整理，按国内某股份制商业银行2010年3月31日数据，LTV大于80%的比例仅为3.28%。同时，随着2010年房地产价格的进一步上涨，2008-2009年发放的首付比例在20%的个人住房贷款其贷款余额/抵押物价值比亦已大大下降，相应风险进一步降低。另外，虽然2010年以来在房地产价格相对较高的时期住房贷款仍持续增长，但国家相应出台了针对多套房的住房信贷政策，导致风险仍然可控。
(三)判断依据三：理性违约可能性小
理性违约的基本逻辑是如果房地产价值小于剩余的贷款余额，理性借款人将宁愿放弃对房屋的拥有而不再还款。笔者认为，这种情况在我国目前阶段基本上是不会大面积出现的。首先，我国目前的信贷制度规定，除被抵押的房屋外，个人是以连带责任对银行贷款承担责任的，假设贷款前期调查时认为该借款人以其自身收入可以归还月供，那么房地产价格下降影响的是借款人的资产净值，而不是月供能力(当然部分炒房者除外)；同时，由于我国没有个人破产制度，不会出现像美国次贷危机期间大规模个人破产导致的债务逃避行为；即使房地产价值下降到一定的水平使得借款人有理性违约的可能，还需考虑失去住房给借款人带来的代价，以及借款人大都认为房地产价格经历短暂的下跌后仍然会反弹的预期，以上两项因素决定了大多数借款人不会放弃还贷从而放弃对住房的拥有，我国香港在亚洲金融危机期间面临房地产价格的深度下跌时极低的违约率就是个很好的例证；另外，假设房地产出现30%的下跌幅度，经过简单的计算可以知道，绝大部分个人住房贷款其贷款余额/抵押物价值仍然是小于1的，当然不会存在大规模的理性违约问题。
(四)判断依据四：被迫违约可能性不大
被迫违约通常是借款人收入下降，导致无力偿还贷款的情况。通常情况下，如果房地产行业出现严重衰退，那么GDP增长速度将受到较大影响，从而国民收入减少或者借款人的支付能力削弱。但是，一方面我国目前的贷款价值/抵押物价值比较低，即使发生违约银行的损失也不会太大；另一方面，我国目前的借款人结构并不像美国次贷危机发生前一样，贷款大量发放给没有实际偿还能力，仅依靠房地产价格上涨预期维持信心的借款人，而是严格按照监管机构的首付比例和借款人相对稳定的收入水平发放个人住房贷款，风险是可控的。另外，虽然近一年多来人民币利率处于上升通道，2010年来进行了5次加息，但基准利率仍低于2007年和2008的水平，因按揭成本上升导致大面积违约可能性也较小。同样根据李树林(2010)的统计数据，2008和2009年，国内借款人月供和月收入之比分别为35.3%和34.2%。由于数据取得的难度问题，我们未得到受调研银行一手房住房贷款客户结构相关数据，仅得到二手房客户结构数据，考虑到整体来看二手房贷款质量差于一手房贷款，从保守角度考虑，可以二手房贷款质量分析一手房贷款风险状况。某银行二手房个人住房贷款按职业分类图如图3所示。
图3 某银行2008年二手房个人住房贷款按职业分占比
图3的启示是，目前商业银行对借款者收入稳定性的控制是十分严格的，即使对资产总额较高的个人业主，仍然不作为积极营销对象，而对于工作不十分稳定的从业人员，则要求大幅提高首付比例。同时，这个统计结果也可以从我们周围的实际情况出发来观察，目前我国个人按揭贷款的深度还远远不够，大量具备偿还能力的借款人由于不愿意接受高房价而没有办理个人住房贷款，各大商业银行开拓个人住房贷款的重点不是像美国那样放宽借款人的偿还能力标准，将借款人按偿债能力分级发放所谓次级债，我国目前发放的个人贷款都是在严格审查并符合监管机构规定基础上发放的，营销重点仍然是以楼盘开发贷款为基础的房地产卖方市场下的优质客户群体，因此发生大规模被迫违约的可能性同样很小。
四、小结
笔者认为，即使我国房地产价格出现较大幅度下跌，仍然不会出现大面积违约现象，就其本质原因，是因为我国的住房金融深度(这是笔者借鉴金融深化程度自定义的概念，主要指商业银行业务量的增加不意味着贷款条件的放松)尚不足，尚处于开发优质客户阶段，而不像美国处于挖掘次级贷款客户阶段。各大银行在个人住房贷款市场的竞争虽然非常激烈，但是尚处于价格竞争(利率竞争)阶段，并没有放宽贷款条件，因此即使房地产价格出现较大下跌(如30%)，总体信用风险仍是可控的。目前国内外对于个人住房贷款风险管理的研究已较多，但由于各个方面的原因，计量过程往往复杂、结论相悖且大多未反映个人住房贷款风险的真实情况，以相对成熟、简单的定量指标辅以定性的逻辑分析，往往可以取得更加直观和有意义的结论。
