基于互联网大数据的农民购房金融风险识别-华东师范大学学报.pdfVIP

ＪＯＵＲＮＡＬＯＦＥＡＳＴＣＨＩＮＡ ＮＯＲＭＡＬＵＮＩＶＥＲＳＩＴＹ Ｈｕｍａｎｉｔｉｅｓ ａｎｄ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ Ｎｏ．６，２０１６ 基于互联网大数据的 农民购房金融风险识别 龙胜平　 何彦君 （华东师范大学经济与管理学部，上海，２００２４１） 　 　 摘　 要：促进农民购房，化解三四线城市房地产库存，是去年中央经济工作会议确定的一个重要任务。农 民购房贷款的金融风险客观存在，但由于农民收入来源不确定等原因，使得商业银行自身对农民购房的金融 风险难以识别。尽管信用报告是购房信贷风险识别的重要利器，然而央行征信系统对农民的信息覆盖不足， 据此出具的农民信用报告将使不被覆盖的农民无法正常获得银行贷款。因此，应根据我国互联网市场发展状 况，构建以央行征信系统为主、互联网数据为辅的农民购房征信系统，这将是我国房地产金融的重要创新。 关键词：农民购房；金融风险；征信系统；互联网大数据 截至２０１５年底，全国房地产库存达到了７．１８亿平方米，同比增长了１５．６％，且主要集中在三四线城 市。这些三四线城市的房子卖给谁？我们的城镇化率还很低，今后大批农民要进城，卖给农民可能是最 主要的出路。因此，去年中央经济工作会议就房地产去库存任务做了明确部署，要求各地采取包括加快 农民落户、扩大住房需求、去化房地产库存、平稳住宅市场等措施，促进农民购房。房屋买卖是市场化程 度很高的领域，这些措施能否奏效，主要涉及农民愿不愿买房和能否买得起房两方面，前者是支付意愿 问题，后者是支付能力问题。对于如何解决前一问题即农民购房的支付意愿问题，本文暂不详述。而要 解决农民购房的支付能力问题，则主要依赖银行发放的住房抵押贷款。目前银行体系的住房抵押贷款 办法是面向城镇职工设计的，基本不适合农民购房；绝大多数农民在央行的征信系统中没有信用信息， 他们无法向银行提供判定其信用风险的征信报告。为了促进农民购房，就有必要建立一套适合农民的 征信体系。本文将就农民购房金融风险识别的经济学原理、识别的手段以及以此如何有效化解其金融 违约风险展开初步讨论，以期对推动我国三四线城市的农民进城购房进程有所帮助。 一 农民购房金融风险难以识别的经济学分析　 在杨军（ ）关于企业财务杠杆对信用风险的识别模型基础上，本文根据农民收入特点，重新构 ２００４ 建了农民购房信用风险信号的经济学模型。购房者在向开发商支付首付款后，即可将所购房屋向银行抵 押获得贷款以支付剩余的购房款。后续购房者将按年金形式定期向银行偿还贷款本息，当违约时，银行有 权处置房屋。这里，基于风险率的原理，对农民购房贷款的风险识别相关信号的经济学原理进行简要分 析。我们假定购房总价为 ，购房的首付为 ，银行借贷 ＝ － ，还款年限为 （小于 年）。其中，我们 Ｖ Ｄ Ｐ Ｖ Ｄ Ｔ Ｔ ３０ ① 假设购房者未来的还款额为 ，其概率密度函数为 （），并在第 年一次性还清贷款（还款额为 ）。因 ｘ ｆ ｘ Ｔ ｐ Ｔ 此，购房者未来Ｔ年内现金流的期望值为 ｘｆ（ｘ）ｄｘ。如果贷款违约，则购房者能够清偿的抵押物价值为 ∫ ０ （）（假定 只产生折旧，因此只和时间有关）。 Ｌ ｔ Ｌ 我们另外可合理假设：（１）银行放贷的关键条件为银行所预期现金流大于房贷到期本息之和。（２）当 Ｑ 购房者预期资不抵债概率小于某一值，银行才会发放房贷。因此，银行从房贷获得的现金流期望值 ： ① 此处假设还款金额不定主要是根据农民工收入特点而设定，因此没有采用通常的等额本金或等额本息还款方式。 １５２