关于我国银行业关于弃房断供现象问题的研究论文1精选.docVIP

关于我国银行业关于弃房断供现象问题的研究 （小组成员：林兴锐，周润斌，蔡文瀚） 摘要 针对断供弃房问题，本文将主要对其主要归纳为3个方面来进行研究： 问题1：就本题第一问中从银行的角度出发，在给定断供比率的情况下计算允许房价下降的最大额度； 问题2：在银行角度考虑断供现象出现的前提下如何降低关于断供弃房现象风险； 问题3：从投机购房者角度出发在房产价格和房子卖出时间不确定的前提下怎样操作是自身的风险降到最低？ 为了解决以上问题，首先考虑出现断供弃房风险的造成原因，然后通过引用杭州市从2011年1月份到2014年07月房价和断供数据表资料，分析并绘制出断供比率和房价下跌额度及其他相关的原因关系图，在此基础上建立var模型，并用线性回归方法拟合方法对断供比率进行合理预测，用于对断供弃房比率的预测。然后再从风险控制方向对对在出现断供现象的前提下如何降低风险建立条件风险控制模型。最后基于worst-case Cvar度量法对贷款投机购房者的行为如何降低自身风险进行讨论和分析。 关键词：断供比率 最大额度 var模型 条件风险控制 worst-case Cvar 度量 二．问题的重述 2.1 背景 弃房断供现象是指弃房断供者停止房屋按揭，放弃该房屋的行为个人继续要交纳按揭贷款的价格，导致房屋变成“负资产”，或购房者出现财务问题无法偿还按揭。逾期贷款率是用于反映贷款按期归还情况，它是从是否按期还款的角度反映贷款使用效益情况和资产风险程序。α=99%下，用Cvar作为度量工具使得风险降到最低。 对于第三问：?对于文章中的的投资者有多处房产，它也可以用上面两问用到的数据表解决，唯一不同的是处理问题的对象不同，因此采用与第一问和第二问类似的方法，运用相应的VaR和CVaR的计算结果，得出WCVaR，根据定义的WCVaR，用matlab编程计算得到相应结果，比较之后可以得出结论。进一步统计并分析表中的其他数据对测验结果的影响，对上述的比较结果进行验证，得出结论。 模型类别 符号 符号说明 断供率与房价下降模型 P G R Y X α β 房屋销售价格（元/平方米） 国民生产总值（亿元） 贷款利率（%） 断供比率（%） 房价 常数项 X的系数 条件风险控制模型 Var Cvar 最大损失（一定置信水平下） 平均损失（超过var水平） 五、建模过程 5.1 断供比率与房价下降模型的求解 通过对区域商业银行的贷款购房业务以及区域经济状况和房价下降额度对当地断供弃房比率的数据资料进行观察（以杭州市2011年1月份至2014年7月份的统计数据资料为例）。 5.11数据预处理 有表为杭州市2011年1月份至2014年7月份的各个月房价以及其他影响因素在内与断供率 表1： 对于统计数据的规则，取当月中的均价为准线，作为每个月的实际价格，从2011年1月份开始统计每个月的价格和断供率，直至2014年7月份，共有43组数据。 5.12模型的建立 5.12a房价的方差 利用SAS软件对各个月的房价进行求解，其理论值可以由如下所示的公式表达： proc import out=work.we datafile=d:\hangzhou.xls dbms=excel2000 replace; getnames=yes; run; proc means data=we; run; 计算得到，其中的we为新建文件，从上表hangzhou中导出数据，最后用means求得各个值的方差以及平均值等。 其计算结果如下图所示： 5.12b var的求解 实际求解中，我们运用了历史模拟法进行参数运算，在求解过程中，算出了中间变量收益率PortReturn，将历史收益率做为未来的收益率计算，同时将上面的方差带入，其具体计算表达式如下所示： clc TickSeries=[17282 17357 17452 17576 17245 17305 17256 17159 17094 17068 17006 16921 16861 16752 16599 16528 16222 16183 16258 16316 16349 16432 16499 16561 16592 16599 16603 16699 16813 16922 17022 17141 17290 17530 17812 18051 18208 18184 18151 18046 17916 17547 17279]; TickTimes=[201101:201112,201201:201212,201301:201312,201401:201407]; [RetSeries,Retlntervals]=tick2ret(TickSeries,TickTimes);