关于优化我国商业银行房地产开发贷款组合的实证研究

• 作 者: 李云
• 发表日期: 2013年期
• 关键词: KMV模型 Copula函数 组合信用风险 房地产 贷款组合优化

在金融领域中，信用风险一直是商业银行的最重要也是最难度量的风险，而房地产行业与商业银行以及其他产业关联度高、带动性强，具有先导性和基础性的特点，是衡量国民经济发展的“晴雨表"，也可能是信贷体系的潜在风险点。2007年美国“次贷”危机及其引发的全球金融危机的根源就是房地产行业的的信用风险危机。因此，对房地产企业银行贷款的信用风险进行度量和研究是非常重要的。这就需要先度量单个房企的信用风险，然后得到非常重要的不同房企之间的违约相依性结构，最后对房地产开发贷款的组合进行优化。本文从商业银行的角度出发，以3家A股上市房企为研究对象，以2006年初到2012年三季度末的股票价格及相关财务数据为基础，首先运用KMV模型计算得出单个房企的违约距离，然后以违约距离为研究变量，采用Copula连接函数拟合3家样本房企的违约距离的相依结构。研究结果表明，3家上市房企两两之间的违约距离服从近乎相同的二元Gumbel-Copula连接函数，这说明违约距离之间具有一定的上尾相依结构。借助Gumbel-Copula函数的性质，本文进一步构造了3家公司违约距离的三元Gumbel-Copula函数，并将其作为研究3家房企违约相依结构的经验分布函数。最后，本文试探性地运用该分布函数产生的各房企违约距离的随机数，并以每组随机数的加权平均值（权重即为贷款配置比例）定义了一个衡量组合信用风险的新变量dd，并借鉴在险价值VaR的思想来对该贷款资产组合进行了优化，得到了相对最优的贷款配置比例，例如当显著性水平为0.05时，中粮地产、渝开发和大龙地产分别获得大约20%、30%、50%的贷款。此外，随着显著性水平从0.01上升到0.1，中粮地产和渝开发获得的贷款比重也逐步上升，而大龙地产的比重逐步下降。