本文關(guān)鍵詞：基于CPV模型的房地產(chǎn)信貸信用風(fēng)險(xiǎn)的度量和預(yù)測(cè)，由筆耕文化傳播整理發(fā)布。

基于CPV模型的房地產(chǎn)信貸信用風(fēng)險(xiǎn)的度量和預(yù)測(cè)

靳鳳菊：基于ＣＰＶ模型的房地產(chǎn)信貸信用風(fēng)險(xiǎn)的度量和預(yù)測(cè)

設(shè)獨(dú)立分布的誤差項(xiàng)，即：濟(jì)因素指標(biāo)，運(yùn)用ＣＰＶ模型評(píng)估房地產(chǎn)信貸的信用風(fēng)險(xiǎn)。

（４）

ｅｊ，ｉ，ｔ～Ｎ（０，ｅｊ，ｉ，ｔ），并且ｅｔ～Ｎ（０，!ｅ）

１．綜合領(lǐng)先指標(biāo)（ＣｏｍｐｏｓｉｔｅＬｅａｄｉｎｇＩｎｄｉｃａｔｏｒ）。經(jīng)

濟(jì)合作與發(fā)展組織（ＯＥＣＤ）的綜合領(lǐng)先指標(biāo)（ＣｏｍｐｏｓｉｔｅＬｅａｄｉｎｇＩｎｄｉｃａｔｏｒ，ＣＬＩ）被認(rèn)為是預(yù)測(cè)全球經(jīng)濟(jì)變動(dòng)趨勢(shì)的良好指標(biāo)，它是指一系列引導(dǎo)經(jīng)濟(jì)由增長(zhǎng)至衰退的循環(huán)的相關(guān)經(jīng)濟(jì)指標(biāo)和經(jīng)濟(jì)變量的加權(quán)平均數(shù)，主要用來(lái)預(yù)測(cè)整體經(jīng)濟(jì)的轉(zhuǎn)變情況，預(yù)測(cè)未來(lái)數(shù)月的經(jīng)濟(jì)發(fā)展趨勢(shì)。

公式（４）中，ｅ為ｊ×ｉ的ＡＲ（２）的誤差項(xiàng)ｅｊ，ｉ，ｔ的矢量；

ｉ）（ｊ×ｉ）的協(xié)方差矩陣。為校準(zhǔn)上述!為誤差項(xiàng)ｅ的（ｊ×

ｅ

ｔ

各定義的違約概率模型，要對(duì)如下各式求解：

Ｐｊ，ｔ＝

１

ｊ，ｔ

１＋ｅ

Ｙｊ，ｔ＝!ｊ，０＋!ｊ，１Ｘｊ，１，ｔ＋!ｊ，２Ｘｊ，２，ｔ＋!ｊ，ｍＸｊ，ｍ，ｔ＋"ｊ，ｔＸｊ，ｉ，ｔ＝#ｊ，ｉ，０＋$ｊ，ｔ，１Ｘｊ，ｉ，ｔ－１＋$ｊ，ｔ，２Ｘｊ，ｉ，ｔ－２＋ｅｊ，ｉ，ｔ創(chuàng)新矢量：

２．中國(guó)房地產(chǎn)開(kāi)發(fā)企業(yè)綜合景氣指數(shù)（ＣｈｉｎａＲｅａｌ

國(guó)房景氣指數(shù)”）。國(guó)ＥｓｔａｔｅＣｌｉｍａｔｅＩｎｄｅｘ，ＣＥＲＣＩ，簡(jiǎn)稱“

房景氣指數(shù)是綜合反映全國(guó)房地產(chǎn)業(yè)發(fā)展景氣狀況的總體指數(shù)，它從土地、資金、開(kāi)發(fā)量、市場(chǎng)需求等角度反映全國(guó)房地產(chǎn)業(yè)的基本運(yùn)行狀況、波動(dòng)幅度，預(yù)測(cè)未來(lái)趨勢(shì)，為國(guó)家宏觀調(diào)控提供預(yù)警機(jī)制，為投資者選擇投資機(jī)會(huì)提供統(tǒng)計(jì)信息。

Ｅｔ＝

"#

"ｔｅｔ

：Ｎ（０，!）

３．企業(yè)景氣指數(shù)（ＥｎｔｅｒｐｒｉｓｅＣｌｉｍａｔｅＩｎｄｅｘ，ＥＣＩ）。企

"，ｅ

$

!"%!＝%

%%!ｅ，"&

!

!

ｅ

’(((()

業(yè)景氣指數(shù)也稱為企業(yè)生產(chǎn)經(jīng)營(yíng)綜合景氣指數(shù)，它是根

（５）

據(jù)企業(yè)家對(duì)當(dāng)前企業(yè)生產(chǎn)經(jīng)營(yíng)狀況的綜合判斷和對(duì)未上升”不變”下降”的來(lái)發(fā)展變化的預(yù)期（通常是對(duì)“、“、“選擇）而編制的景氣指數(shù)。在我國(guó)，企業(yè)景氣調(diào)查的范圍包括各行各業(yè)，在本文中，由于研究對(duì)象是房地產(chǎn)信貸，因此選擇企業(yè)景氣指標(biāo)中的建筑業(yè)作為變量因素。

分別選取這三個(gè)變量從１９９８年１月至２００５年１２月共９６個(gè)月的數(shù)據(jù)。數(shù)據(jù)來(lái)源：ｗｗｗ．ｏｅｃｄ．ｏｒｇ以及中國(guó)國(guó)家統(tǒng)計(jì)局。

由于企業(yè)景氣指數(shù)是我國(guó)有關(guān)部門按照季度來(lái)調(diào)查統(tǒng)計(jì)，因此，本文中的月數(shù)據(jù)為根據(jù)其變化趨勢(shì)估計(jì)得出。

根據(jù)中國(guó)人民銀行發(fā)布的相應(yīng)數(shù)據(jù)，可以得到１９９８年１月至２００５年１２月的房地產(chǎn)信貸實(shí)際違約率的值。

（二）對(duì)ＣＰＶ的模型估計(jì)

公式（５）中，!"，ｅ和!ｅ，"記作交叉的相關(guān)矩陣。一旦校準(zhǔn)，即利用Ｃｈｏｌｅｓｋｙ分解，即：

!＝ＡＡ

Ｔ

為模擬投資債務(wù)人及違約概率，首先，抽取隨機(jī)變量向量Ｚｔ～Ｎ（０，１），式中每個(gè)分量都服從正態(tài)分布Ｎ（０，

１），然后計(jì)算Ｅｔ＝ＡＴＺｔ，這是誤差項(xiàng)"ｊ，ｔ和ｅｊ，ｉ，ｔ向量，利用誤差項(xiàng)的實(shí)際值能夠推導(dǎo)出對(duì)應(yīng)的Ｙｊ，ｔ和Ｐｊ，ｔ。

根據(jù)歷史上投資類型的貸款的違約概率Ｐｔ與穆迪（Ｍｏｏｄｙ）或者標(biāo)準(zhǔn)普爾（Ｓｔａｎｄａｒｄ＆Ｐｏｏｒ）的歷史上（無(wú)條件）投資級(jí)貸款的基期違約率的比值Ｐ０，可以看出，比值大于１則說(shuō)明經(jīng)濟(jì)膨脹（ｅｃｏｎｏｍｉｃｉｎｆｌａｔｉｏｎ），小于１則說(shuō)明經(jīng)濟(jì)衰退。利用Ｐｉ，ｔ來(lái)調(diào)整Ｐ０，從而得到一個(gè)轉(zhuǎn)換矩陣ＴＭ：

１．Ｌｏｇｉｓｔｉｃ模型轉(zhuǎn)換及回歸。依照前面統(tǒng)計(jì)的實(shí)際違約率數(shù)據(jù)，首先按照公式（１）求出Ｙ值（此處的Ｙ值表示公式（１）中的－Ｙｊ，ｔ，見(jiàn)Ａｓｋａｒ，２００６），，再利用Ｙ值和實(shí)際的ＣＬＩ、ＣＲＥＣＩ和ＥＣＩ值，運(yùn)用Ｅｖｉｅｗｓ軟件，可以得到如表１的回歸結(jié)果。

表１結(jié)果說(shuō)明如下：（１）滯后期的選擇根據(jù)Ａｋａｉｋｅ在本例中，根據(jù)相關(guān)ＩｎｆｏｒｍａｔｉｏｎＣｒｉｔｅｒｉｏｎ（ＡＩＣ）準(zhǔn)則確定。

數(shù)據(jù)顯示，到第７期的時(shí)候，ＡＩＣ值最小，所以確定為ＭＡ（７）。（２）根據(jù)回歸結(jié)果顯示Ｒ２＝０．９９４３，表示宏觀經(jīng)濟(jì)狀態(tài)的變化中有９９．４３％可以通過(guò)以上所估計(jì)的模型來(lái)解釋。證明該模型有很好的擬合優(yōu)度。（３）Ｄ－ＷＳｔａｔｉｓｔｉｃｓ顯示為１．９１１２，表示估計(jì)結(jié)果良好。（４）ＣＬＩ、ＣＲＥＣＩ和ＥＣＩ的Ｐｒｏｂａｂｉｌｉｔｙ項(xiàng)顯示的數(shù)值表明該估計(jì)的有效性。（５）從估計(jì)出的敏感系數(shù)可以看出，ＣＬＩ、ＣＲＥＣＩ和ＥＣＩ的系數(shù)（Ｃｏｅｆｆｉｃｉｅｎｔ）為正，并且ＣＬＩ的系數(shù)值是ＣＲＥＣＩ系數(shù)值的

ＴＭｔ＝ＴＭ（Ｐｉ，ｔ／Ｐ０），ＴＭｔ＝*ＴＭ（Ｐｉ，ｔ／Ｐ０）

ｔ＝１

Ｔ

由此可以得到一個(gè)信用等級(jí)在任何時(shí)刻向另一信愛(ài)用等級(jí)轉(zhuǎn)移的瞬間轉(zhuǎn)移概率和累計(jì)轉(zhuǎn)移概率（約翰、德華，２００１）。

二、房地產(chǎn)信貸信用風(fēng)險(xiǎn)的度量

（一）指標(biāo)及樣本數(shù)據(jù)選擇

當(dāng)實(shí)際運(yùn)用ＣＰＶ模型時(shí)，宏觀經(jīng)濟(jì)因素個(gè)數(shù)必須達(dá)到３個(gè)以上時(shí)該模型才具有一定的有效性（估計(jì)有效性因此，本文分別從國(guó)家宏觀經(jīng)濟(jì)、及預(yù)測(cè)有效性）。房地產(chǎn)行業(yè)狀況、房地產(chǎn)企業(yè)狀況三個(gè)方面選擇出三個(gè)宏觀經(jīng)

２倍左右，更達(dá)到了ＥＣＩ系數(shù)值的５倍左右，所以，當(dāng)

４１

Word文檔免費(fèi)下載：基于CPV模型的房地產(chǎn)信貸信用風(fēng)險(xiǎn)的度量和預(yù)測(cè) （下載1-4頁(yè)，共4頁(yè)）

  本文關(guān)鍵詞：基于CPV模型的房地產(chǎn)信貸信用風(fēng)險(xiǎn)的度量和預(yù)測(cè)，由筆耕文化傳播整理發(fā)布。