还款风险分析范文

前言：我们精心挑选了数篇优质还款风险分析文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

消费信贷提前还款风险,主要针对中长期消费贷款而言,以住房消费信贷为典型。所谓提前还款风险,是指借款人在贷款合约终止期限之前提前还清贷款,导致放款人提前收回资金,资金回报率降低。

在西方发达国家,由于资产证券化的普及,住房消费信贷大多以住房抵押贷款支持证券——MBS的形式打包发售,部分风险已从银行剥离。但对于MBS管理方,即所谓特殊目的公司(SPV)而言,提前还款导致原先基于贷款利息的现金流消失,用于支付债券利息的基础资产减少,需要进行再投资,而再投资资产收益可能较之于贷款利息为低,从而带来债券的收益风险,对于以MBS为标的资产的其他衍生产品,其影响程度甚至可能更大。就此而言,提前还款的风险承担主体尽管由银行转移出去,但其影响范围反而扩大了。

另外,就商业银行而言,如未进行资产证券化以转移风险,消费信贷提前还款行为带来的风险主要表现为贷款久期的变化。久期,指资产未来现金流的时间的加权平均,其权重为各期现金流值在资产现值中的比重,实际上反应了资产价值对于利率的敏感度。商业银行需要测算贷款的久期,以相应的负债匹配之,用来降低利率风险。提前还款实际改变了现金流分布,从而影响贷款久期,相应的负债结构也需要调整。如忽视提前还款风险,将造成资产负债不匹配,对商业银行经营带来风险。

二、消费信贷提前还款风险影响因素

考虑消费信贷提前还款的行为,需要考察系统性影响因素和非系统性影响因素两个方面。所谓系统性影响因素,指影响所有借款人的宏观经济变量,在对数量较大的贷款组合进行分析时,这些因素是主要需要考虑的因素。非系统因素针对于单笔贷款,只对特定借款人有影响。

系统性影响因素主要包括如下几个:

1)市场长期借款利率,这也是影响借款人提前还款行为的主要因素。当市场长期借款利率低于贷款利率时,借款人可以从市场借入资金提前还款,之后享受较低的长期借款利率,形成了提前还款的动机。因此,分析提前还款风险的重要环节即为估计未来长期借款利率的变动趋势。但值得注意的是,中国住房抵押贷款的利率为浮动利率,与西方的固定利率有区别,因此利率对于中国消费信贷提起还款行为的影响可能较小。

2)季节因素,即由季节影响导致提前还款比率变化,如夏季为学生毕业的时期、天气和税收原因(征税时期)。

3)时间因素,即在贷款发放后的一段特定时间内出现提前还款高峰,之后提前还款比率会下降。原因可能是具有提前还款意向的借款人需要一定时间来筹措资金以归还贷款。

4)衰减效应。当市场长期借款利率首次下降时,会出现提前还款高峰,但当市场长期利率回升后又再次下降时,提前还款比率较前一次为低,此后不断减少。相应的一种解释是每次提前还款高峰都会将对利率变化敏感的借款人剔除出贷款组合(通过其提前还款的方式),剩下的借款人对利率变化相对不敏感。

非系统性影响因素较多。包括婚姻状况、教育水平、退休状况、性别、工龄等、收入状况等。需要注意的是,西方国家由于资产证券化的使用,消费信贷的风险承担者通过证券化不断的扩大并分散,影响单个个体的非系统性因素的效果将会减弱,主要影响因素为系统性影响因素。因此,西方学者相关研究重点关注系统性因素对于消费信贷提前还款的影响。而中国商业银行的消费信贷业务目前缺少证券化工具,商业银行为风险的唯一承担者,非系统性因素对于提前还款仍然重要。基于此,蔡明超和费一文(2007)在考察中国消费信贷提前还款风险时,将非系统性因素引入模型,回归结果表明,收人、婚姻、工龄等因素将影响提前还款,并发现利率对于中国消费信贷提前还款的影响并不明显。三、消费信贷提前还款风险相关研究

有关提前还款风险的研究众多。其原因在于资产证券化发展迅速,相应发展出的一系列金融产品受众广泛,提前还款行为影响了基础资产——贷款池的收益,进而影响相关所有资产的收益。相关利益方的需求导致了相应研究的发展。有关提前还款的研究,主要目的在于构造相应的提前还款比率函数,进而作为资产定价模型的基础部分之一帮助定价。

Golub和Pohlman(1994)构造了一个基于公开数据的提前还款函数模型,其因变量为四个:季节因素、再融资利率、时间因素、衰减因素。数据来源为GNMA、FNMA和FHLMC三大住房抵押贷款机构的近3000万个样本。结果显示此模型基本上与商业用模型区别不大,展现出较好的适用性,因而作者声称其为那些无力开发模型的中小金融机构提供了机会。

最近的研究有Tsai、Liao和Chiang(2009)的一个模型,其考虑了借款人的财务和非财务提前还款行为对于贷款资产的到期收益率、久期和凸度的影响。同时,他们分析了提前还款罚息和部分提前还款对于到期收益率、久期和凸度的影响,这一情况与传统的完全提前还款相比更为复杂,结果也更不确定。

当确定提前还款比率模型后,就可以依据其计算出相应资产组合的收益率和久期,进而对资产进行定价,还可以根据其计算出相应的保险费率,作为其衍生产品的定价基础,可以说,提前还款比率模型是一系列相关金融产品的定价基础之一。

四、中国商业银行消费信贷提前还款风险控制方法探讨

中国商业银行目前对于提前还款行为主要采取罚息的手段,但不同地区、不同银行的规定不同。同时,部分银行还有一些硬性规定,如一年内不得提前还款等。上文中提到中国的住房抵押贷款采用浮动利率,提前还款对商业银行造成的利率损失并不明显,而罚息这一工具实质为弥补利息损失,因此中国商业银行采用罚息进行提前还款风险管理并不合适。

商业银行控制提前还款风险,较为合适的方法还是建立提前还款比率模型,估计出提前还款比率随时间的分布,进而调整相应的资产负债结构。注意到,中国商业银行作为贷款提前还款风险的唯一承担者,提前还款比率的影响因素较多,既包括季节、时间等系统性因素,还包括众多非系统性因素,相应的模型也会更加复杂。建立模型,大量的数据积累是必需的,随着中国个人信用记录系统的建立和不断完善,相应的贷款数据也会不断增加,这将有利于提前还款模型的建立和发展。

参考文献:

[1]BennettW.Golub,LawrencePohlman.MortgagePrepaymentsandanAnalysisoftheWhartonPrepaymentModel[J].Interfaces,1994,24(3):80-90.

[2]Tsai,M-S.,Liao,S-L.,Chiang,S-L.AnalyzingYield,DurationandConvexityofMortgageLoansunderPrepaymentandDefaultRisks[J].JournalofHousingEconomics,2009,doi:10.1016/j.jhe.2009.02.005.

[3]蔡明超,费一文.商业银行消费信贷中的提前偿还风险影响因素与风险管理[J].金融研究,2007(7):25-35.

第2篇

关键词:商业银行;消费信贷;提前还款

随着经济发展,居民消费结构升级,中国商业银行消费信贷业务发展迅速。据统计,至2008年12月,中国个人消费信贷余额达3.7万亿元,其中中长期消费信贷余额达3.3万亿元。消费信贷余额数量巨大,其面临的提前还款风险增加。当贷款人提前还款后,商业银行贷款总体期限结构将会改变,资金的匹配需要调整。因此,准确预计消费信贷提前还款概率,有效控制提前还款风险,是现代商业银行资产业务管理的重点之一。

一、消费信贷提前还款风险介绍

消费信贷提前还款风险,主要针对中长期消费贷款而言,以住房消费信贷为典型。所谓提前还款风险,是指借款人在贷款合约终止期限之前提前还清贷款,导致放款人提前收回资金,资金回报率降低。

在西方发达国家,由于资产证券化的普及,住房消费信贷大多以住房抵押贷款支持证券――MBS的形式打包发售,部分风险已从银行剥离。但对于MBS管理方,即所谓特殊目的公司(SPV)而言,提前还款导致原先基于贷款利息的现金流消失,用于支付债券利息的基础资产减少,需要进行再投资,而再投资资产收益可能较之于贷款利息为低,从而带来债券的收益风险,对于以MBS为标的资产的其他衍生产品,其影响程度甚至可能更大。就此而言,提前还款的风险承担主体尽管由银行转移出去,但其影响范围反而扩大了。

另外,就商业银行而言,如未进行资产证券化以转移风险,消费信贷提前还款行为带来的风险主要表现为贷款久期的变化。久期,指资产未来现金流的时间的加权平均,其权重为各期现金流值在资产现值中的比重,实际上反应了资产价值对于利率的敏感度。商业银行需要测算贷款的久期,以相应的负债匹配之,用来降低利率风险。提前还款实际改变了现金流分布,从而影响贷款久期,相应的负债结构也需要调整。如忽视提前还款风险,将造成资产负债不匹配,对商业银行经营带来风险。

二、消费信贷提前还款风险影响因素

考虑消费信贷提前还款的行为,需要考察系统性影响因素和非系统性影响因素两个方面。所谓系统性影响因素,指影响所有借款人的宏观经济变量,在对数量较大的贷款组合进行分析时,这些因素是主要需要考虑的因素。非系统因素针对于单笔贷款,只对特定借款人有影响。

系统性影响因素主要包括如下几个:

1)市场长期借款利率,这也是影响借款人提前还款行为的主要因素。当市场长期借款利率低于贷款利率时,借款人可以从市场借入资金提前还款,之后享受较低的长期借款利率,形成了提前还款的动机。因此,分析提前还款风险的重要环节即为估计未来长期借款利率的变动趋势。但值得注意的是,中国住房抵押贷款的利率为浮动利率,与西方的固定利率有区别,因此利率对于中国消费信贷提起还款行为的影响可能较小。

2)季节因素,即由季节影响导致提前还款比率变化,如夏季为学生毕业的时期、天气和税收原因(征税时期)。

3)时间因素,即在贷款发放后的一段特定时间内出现提前还款高峰,之后提前还款比率会下降。原因可能是具有提前还款意向的借款人需要一定时间来筹措资金以归还贷款。

4)衰减效应。当市场长期借款利率首次下降时,会出现提前还款高峰,但当市场长期利率回升后又再次下降时,提前还款比率较前一次为低,此后不断减少。相应的一种解释是每次提前还款高峰都会将对利率变化敏感的借款人剔除出贷款组合(通过其提前还款的方式),剩下的借款人对利率变化相对不敏感。

非系统性影响因素较多。包括婚姻状况、教育水平、退休状况、性别、工龄等、收入状况等。需要注意的是,西方国家由于资产证券化的使用,消费信贷的风险承担者通过证券化不断的扩大并分散,影响单个个体的非系统性因素的效果将会减弱,主要影响因素为系统性影响因素。因此,西方学者相关研究重点关注系统性因素对于消费信贷提前还款的影响。而中国商业银行的消费信贷业务目前缺少证券化工具,商业银行为风险的唯一承担者,非系统性因素对于提前还款仍然重要。基于此,蔡明超和费一文(2007)在考察中国消费信贷提前还款风险时,将非系统性因素引入模型,回归结果表明,收人、婚姻、工龄等因素将影响提前还款,并发现利率对于中国消费信贷提前还款的影响并不明显。

三、消费信贷提前还款风险相关研究

有关提前还款风险的研究众多。其原因在于资产证券化发展迅速,相应发展出的一系列金融产品受众广泛,提前还款行为影响了基础资产――贷款池的收益,进而影响相关所有资产的收益。相关利益方的需求导致了相应研究的发展。有关提前还款的研究,主要目的在于构造相应的提前还款比率函数,进而作为资产定价模型的基础部分之一帮助定价。

Golub和Pohlman(1994)构造了一个基于公开数据的提前还款函数模型,其因变量为四个:季节因素、再融资利率、时间因素、衰减因素。数据来源为GNMA、FNMA和FHLMC三大住房抵押贷款机构的近3000万个样本。结果显示此模型基本上与商业用模型区别不大,展现出较好的适用性,因而作者声称其为那些无力开发模型的中小金融机构提供了机会。

最近的研究有Tsai、Liao和Chiang(2009)的一个模型,其考虑了借款人的财务和非财务提前还款行为对于贷款资产的到期收益率、久期和凸度的影响。同时,他们分析了提前还款罚息和部分提前还款对于到期收益率、久期和凸度的影响,这一情况与传统的完全提前还款相比更为复杂,结果也更不确定。

当确定提前还款比率模型后,就可以依据其计算出相应资产组合的收益率和久期,进而对资产进行定价,还可以根据其计算出相应的保险费率,作为其衍生产品的定价基础,可以说,提前还款比率模型是一系列相关金融产品的定价基础之一。

四、中国商业银行消费信贷提前还款风险控制方法探讨

中国商业银行目前对于提前还款行为主要采取罚息的手段,但不同地区、不同银行的规定不同。同时,部分银行还有一些硬性规定,如一年内不得提前还款等。上文中提到中国的住房抵押贷款采用浮动利率,提前还款对商业银行造成的利率损失并不明显,而罚息这一工具实质为弥补利息损失,因此中国商业银行采用罚息进行提前还款风险管理并不合适。

商业银行控制提前还款风险,较为合适的方法还是建立提前还款比率模型,估计出提前还款比率随时间的分布,进而调整相应的资产负债结构。注意到,中国商业银行作为贷款提前还款风险的唯一承担者,提前还款比率的影响因素较多,既包括季节、时间等系统性因素,还包括众多非系统性因素,相应的模型也会更加复杂。建立模型,大量的数据积累是必需的,随着中国个人信用记录系统的建立和不断完善,相应的贷款数据也会不断增加,这将有利于

提前还款模型的建立和发展。

参考文献:

[1]Bennett W. Golub, Lawrence Pohlman. Mortgage Prepayments and an Analysis of the Wharton Prepayment Model[J]. Interfaces, 1994, 24(3):80-90.

第3篇

【关键词】助学贷款 学生特征 违约风险 贵州

自1997年全国高校并轨实行收费教育以来，高等教育成本不断增加，导致高校学生因学费和生活费负担额度逐步增大，进而使得经济困难学生问题日益突出。为避免或减少学生学费问题而丧失获得良好教育的机会，体现教育的社会公平，国家于1999年实施了国家助学贷款政策，通过金融手段支持教育、资助经济困难大学生完成学业。目前已形成以国家助学贷款、生源地助学贷款、高校为学生办理的无息借款及商业助学贷款等四种主要形式[1]。国家助学贷款自实施以来，在取得较好的社会效益的同时也存在学生还贷能力不足和还款信用较低等方面的问题。部分高校助学还贷违约率超过了20%，少数甚至高达50%以上[2]，致使银行等金融机构对助学贷款缺乏兴趣。

为了解贵州高校助学贷款学生的特征，分析可能存在的还款违约因素，于2015年3月至4月对贵州省5所高校（贵州大学、贵州财经大学、贵州民族大学、遵义医学院、遵义师范学院）不同年级和专业贷款大学生进行问卷调查，每所院校发放问卷120～140份，共发放650份，回收有效问卷594份。

一、贵州高校助学贷款学生基本特征

贵州5所高校贷款学生均以女生为主（374人），占63.0%；其中贵州大学、贵州财经大学、贵州民族大学、遵义医学院、遵义师范学院分别占57.8%、57.3%、76.7%、62.3%和60.7%（图1）。生源地类型以农村生源为主（509人），占85.7%；贵州大学、贵州财经大学、贵州民族大学、遵义医学院、遵义师范学院分别占79.3%、81.8%、84.5%、87.7%和94.3%（图2）。家庭主要经济收入以外出务工（51.0%）和农产品销售（27.8%）为主；在贵州大学、贵州财经大学、贵州民族大学、遵义医学院、遵义师范学院贷款学生中，以外出务工作为家庭主要经济收入的分别占42.2%、61.8%、44.0%、57.7%和49.2%；以农产品销售作为家庭主要经济收入的分别占24.1%、20.9%、33.6%、26.2%和33.6%.

二、贷款信息获知途径

学生获知贷款信息的途径包括高校宣传、亲友告知、新闻媒体报道和金融机构宣传等多种形式。贵州5所高校贷款学生获知贷款信息的主要途径为高校宣传和亲友告知，分别为占34.5%和34.2%；其中贵州大学、贵州财经大学、贵州民族大学、遵义医学院、遵义师范学院贷款学生中通过高校宣传获知信息的分别为29.3%、38.2%、41.4%、30.0%和34.4%；以亲友告知获知信息的分别为36.2%、26.4%、33.6%、38.5%和35.2%；而通过金融机构宣传获知信息的差异较大，贵州大学为22.4%，而贵州民族大学为5.2%之间

三、贷款合同条款了解程度

签订贷款合同时，25.9%的贷款学生会认真阅读合同条款内容，在充分了解自己的权利和义务后签订贷款合同；其中贵州大学、贵州财经大学、贵州民族大学、遵义医学院、遵义师范学院贷款学生中完全了解合同规定的权利和义务的比例分别为28.4%、25.5%、22.4%、32.3%和20.5%；而多数学生（53.4%～69.8%）对合同条款中规定的权利和义务并未充分了解和理解的情况下签订贷款合同；有7.8%-18.1%的学生甚至完全不了解合同条款的情况下签订贷款合同（图5）。

四、还款违约风险分析

贵州5所高校贷款学生以女生为主，而女生受传统道德观念的约束较强，其还贷意愿会高于男生[3]，从主观意愿而言，贵州高校贷款违约分析相对较小；然而，女生在就业和薪酬竞争力方面显著弱于男生[4]，则可能是导致还款违约存在较高风险的客观原因。为此，高校需加强学生的就业指导，提高学生就业率，可在一定程度上降低客观违约风险的产生。

多数贷款学生家庭经济主要以外出务工和销售农产品收入为主。其中，外出务工收入常受工作流动性大、工期长短不一、务工收入常被拖欠等影响，而产品销售又常受农作物生长的季节性和气候条件等因素影响，致使这类收入具有较强的非稳定性，增加了贷款学生依靠家庭经济收入偿还贷款的不确定性和还款违约风险。

非省会城市高校（遵义医学院和遵义师范学院）贷款学生中农村生源地比例高于省会城市（贵州大学、贵州财经大学和贵州民族大学），可能基于家庭经济条件的考虑，多数学生选择消费水平相对较低的非省会城市就读所致；相应的，学生将来的就业和发展机会也可能相对较低，导致其偿还贷款能力也相对较低，还款违约风险相对较高。

金融机构对高校助学贷款缺乏兴趣，对助学贷款的宣传不足使得贷款学生获知贷款信息缺乏权威性，对合同条款的理解和认识缺乏准确性，对合同条款的法律效应的重要性重视程度不够等，则有可能导致学生因缺乏契约意识而造成主动违约风险增加。例如，贵州大学有18.1%的贷款学生几乎在不了解贷款合同条款权利和义务的情况下签订贷款合同，存在较高的主动违约风险。

综上所述，贵州5所高校贷款学生在还款违约方面存在较大的风险，主观的上表现为契约意识不强，客观上表现为就业与发展机会较低、家庭代为还款的不确定性较强等特点。为此，金融机构应加强贷款信息和知识的宣传；高校应不仅需要加强学生主体意识、权利意识、自由意识、平等观念及诚信品质等方面的契约意识教育，还应加强贷款学生的就业指导工作，从而降低和减小贷款学生还款违约风险。

参考文献

[1]贤成毅，陈霄.广西高校助学贷款的现状、问题与建议[J].广西职业技术学院学报，2013，6（4）：20-24.

[2]赵江.我国高校助学贷款问题研究[J].中国校外教育，2010，（20）：20-67.

[3]赵键.影响助学贷款还款意愿的因素分析[J].新乡学院学报（自然科学版），2010，27（3）：17-20.

[4]殷姿.国家助学贷款学生违约特征实证研究――以华南地区两所重点大学为例[J].华南理工大学学报：社会科学版，2015（4）：19-24.