2014基于房贷断供问题的分析.docVIP

2014基于房贷断供问题的分析 摘 要 2014年由于房价下跌，江浙一带出现房贷“断供”，进而引起一系列的银行起诉事件。由此，本文研究有关市场风险因子风险价值对弃房断供影响的问题。从不同的角度出发，分别建立了如下三个模型。 模型一采用VAR模型的核心思想，求在一定置信水平下的由于各种因素波动的最大损失值。利用杭州房地产局发布的数据，建立有关VAR的模型：VAR=E(w)-W*，利用方差-协方差方法计算VAR值，利用VAR求出允许房价下降的最大限度值。 模型二在断供率存在的条件下，采用CVAR条件模型，运用回归模型预测ＧＤＰ，个人收入水平，银行可以据此分析贷款者的还贷水平，贷款的额度，降低断供率以减少风险！分析断供率，房价水平对ＶＡＲ值得影响，使得ＶＡＲ尽量达到最低，从银行的角度分析各因素对VAR值得影响力系数，降低风险。 模型三采用worst-case-cvar模型，运用光滑化方法求出最优解，从投资者的角度求出风险最小，利差最大情况下的最优解。光滑化方法的基本思想是用一个光滑化函数序列来逼近非光滑函数。该模型有复杂的min-max结构,通常求解此模型是先通过对偶理论转化成线性规划的问题。本文采用光滑化方法来求解基于最坏情况的条件风险(Worst-Case Conditional Value-at-Risk: WCVaR)指标下,随机变量服从的风险-利润组合优化模型,建立了光滑化算法,并证明了其全局收敛性 关键词:VAR模型 CVAR模型 worst-case-CVAR模型 光滑化方法 方差-协方差  一、问题重述 1.1 问题背景 最近一段时间，江浙等地传出有房主因为房贷逾期，而被银行起诉的消息。 一部分业内人士将房主的“断供”行为归因于房价下跌和低利率水平波动。房主通过银行贷款购房后，房价“不幸”大跌，房主身负巨债，而其贷款买下的房产即使出售，卖房所得也不够偿还所欠的贷款。这时，就有部分房主选择将贷款购买的住房“扔”给银行，而不愿继续偿还银行贷款，最终出现“弃房断供”的局面。 而另一部分业内人士认为，江浙一带出现的房贷“断供”问题，与以往当地银行对于购房者资质审核不严有关。如过高地估计了购房者的收入水平，或者允许房主使用尚未还清贷款的房产进行二次甚至多次抵押重复申请贷款等。于是，购房者一旦财务出现问题，资金周转不过来，就会出现“断供”。 事实上，如果购房者仅仅是买房自住的话，断供的可能性极低，换言之，断供现象大多数出现在投机购房者身上，他们拥有多套贷款购买的住房甚至豪宅，而还贷的来源则主要是房屋价格上升带来的利差或房租收入，他们认为房价会一直快速增长，这就存在着巨大的潜在风险：如经济下行、利率上升或房价下跌，则还贷压力剧增，直至断供。 1.2 涉及材料背景 房价大幅度地下降，让一些业主和房产投资商们失去了理智，完全不顾个人的信用问题，选择了“断供”，这不仅给房地产开发商带来了难题，更让银行深感痛苦，可谓是三方尽折腰。对于业主或投资商来说，其实，从个人理财的角度来看，选择“断供”的损失可能会大于将房屋低价出售的损失。 1.3 问题提出 1、从银行角度考虑，若给定断供比率（如1%），如何计算允许房价下降的最大额度（可以按区域考虑,如以广州为例）？ 2、从银行角度考虑，若在断供现象出现的前提下，如何降低风险？ 3、从投机购房者角度考虑，假设某投机者拥有多处房产，则在房产价格不确定及退出（卖出）时间不确定的情形下，如何操作，使自身风险降至最低？ 二、问题分析 2.1 对“影响力”的定性及定量 “影响力”仅仅是一个宽泛的概念，因此在实际生活中需要将影响力转化为有参考价值的数据时，往往需要利用数学建模的方法对其进行定性与定量的分析。本文在评估各风险因子对VAR值影响力时，正是应用了这种方法。通过不同的思路，分别建立模型。一是通过建立VAR模型，采用方差-协方差方法求出最大损失值VAR，进而求出房价的最大可变限额。第二个模型断供率不确定，加入了断供率作为条件，运用了CVAR条件模型，以及回归模型，分析各风险因子对VAR的影响力，求出相关参考系数，将风险因子进行量化。第三个worst-case-CVAR模型采用了光滑化方法，运用lingo软件求最优解，最小方差最大利差下的各个水平，从而预测投机者的最好出手点。 2.2.1 参考角度 1 利用往年收益数据进行参考用方差－协方差法，进行ＶＡＲ的求值。 2.2.2 参考角度 2 往年历史数据分析各风险因子对ＶＡＲ值的影响作为参考值，进行影响力分析。 三、符号假设 a:表示置信水平； w：表示资产预期值； r：表示市场利率；； q：表示断供率； x：表示