学位论文 > 优秀研究生学位论文题录展示

基于CPV模型的我国商业银行房地产信贷风险研究

作　者: 尹航
导　师: 南灵
学　校: 西北农林科技大学
专　业: 金融学
关键词: 商业银行房地产信贷风险 CPV模型
分类号: F293.3;F224
类　型: 硕士论文
年　份: 2011年
下　载: 269次
引　用: 0次
阅　读: 论文下载

内容摘要

20多年来我国房地产业取得了令人瞩目的成就,如今房地产业已成为我国国民经济中的重要基础产业,在拉动内需、提高人民生活水平、增加就业等方面发挥着重要作用。房地产业属于资金密集型产业,其产业链条长、投资规模大、资本占用周期长,对资本支持要求较高。然而目前我国房地产业的资金来源选择较少,股权融资、债券、信托基金等多元化的融资体系尚未建立,主要依靠商业银行信贷提供房地产业发展需要的资金支持,因此房地产业发展的巨大潜在风险集中到了商业银行内部。我国商业银行的风险管理起步较晚,多数银行分析风险主要依靠的仍是财务指标,未能运用现代金融理论和计量经济学方法对信贷风险进行准确预测和管理,有效规避商业银行面对的房地产信贷风险。鉴于我国房地产业融资对商业银行的高度依赖以及商业银行信贷风险管理相对滞后的现状,如何引进国际上成熟的信贷风险度量模型以加强我国商业银行房地产信贷风险管理能力,提高国际竞争力,保证银行稳健经营己经是我国银行业发展的重中之重。因此,本文尝试对当今国际主流商业银行风险管理模型进行比较,选择适用于我国宏观经济形势的CPV模型对我国商业银行房地产信贷风险进行实证研究,具有重要意义。本文首先对商业银行房地产信贷风险的相关概念和分类做了介绍,接着对古典信贷风险度量方法和现代信用风险度量模型进行了全面的比较分析,进而选择了适合我国宏观经济状况的CPV模型来对商业银行房地产信贷风险进行拟合。按照CPV模型基本思想的要求,采用特尔斐法选择的四个宏观经济变量建立计量经济模型,通过回归分析得出选取的四个宏观经济变量与房地产信贷违约率之间的数量关系。经过与采用灰色理论得出的预测结果进行比较验证了根据CPV模型建立的回归模型对房地产信贷违约率预测的准确性。最后,对本文研究内容进行概括和总结,得出相关的对策建议。基本结论是:(1)从理论和实证研究两个角度来说,CPV模型对研究我国商业银行房地产信贷风险与宏观经济状况之间关系都具有有效性。本文首先通过与传统和其他三种现代信用风险管理模型的比较分析,从理论上得出了其在我国运用的优势,接着运用模型建立的关系式回归结果显示其具有很好的拟合度,预测结果也更加准确,再次说明该模型在我国也具有适用性。该模型的实证分析结果验证了人们关于总体经济形势与借款人偿还状况之间存在联系的认识。(2)根据实证研究结果可以得出所选取的宏观经济变量与房地产信贷违约率之间的变动关系。在四个变量中,宏观经济景气指数、国房景气指数、建筑企业景气指数与违约率呈反向变动关系,其中宏观经济景气指数驱动最为显著,这种变动关系表明当宏观经济运行状况良好时,房地产信贷违约率较小;当宏观经济运行状况恶化时,房地产信贷违约率也较大。居民消费价格指数与违约率成正向变动关系,这种关系表明当宏观经济中存在通胀因素时,商业银行房地产信贷面临的风险也因泡沫的存在而增大。(3)通过CPV模型建立的回归式的预测值与采用灰色系统理论的预测值之间的比较可知,模型建立的回归式在我国商业银行房地产信贷风险的预测方面更加准确,这对提高我国商业银行预测、管理和规避房地产信贷风险具有现实的指导意义。同时,运用CPV模型对我国商业银行房地产信贷风险进行预测,符合《新巴塞尔协议》关于建立内部风险评级模型的要求,可以缩小国内银行与国际商业银行在风险管理方面的差距。在此研究基础上,提出从商业银行内部建立自己的信用风险评估度量模型、建立行业风险评级制度、完善内部控制制度等措施和从商业银行外部的政策法律方面、中介机构方面、社会舆论与信息共享方面等来提高商业银行预测房地产信贷风险的准确性,加强风险管理能力。

全文目录

摘要  5-7
ABSTRACT  7-11
第一章导论  11-18
  1.1 研究背景  11-12
  1.2 研究目的与意义  12-13
    1.2.1 研究目的  12
    1.2.2 研究意义  12-13
  1.3 国内外研究动态综述  13-16
    1.3.1 国外研究动态  13-14
    1.3.2 国内研究动态  14-16
    1.3.3 国内外研究动态评述  16
  1.4 研究思路与方法  16-17
    1.4.1 研究思路  16
    1.4.2 研究方法  16-17
  1.5 论文可能创新之处  17-18
第二章商业银行房地产信贷风险度量的相关理论  18-27
  2.1 房地产信贷风险的概念与类型  18-20
    2.1.1 房地产信贷风险的概念  18
    2.1.2 房地产信贷风险的类型  18-20
  2.2 房地产信贷风险度量的方法  20-23
    2.2.1 古典信贷风险度量方法  20-21
    2.2.2 现代信贷风险度量模型  21-23
  2.3 CPV 模型的比较优势  23-27
    2.3.1 现代信用风险度量模型的比较  23-24
    2.3.2 CPV 模型在信贷风险管理中的优势  24-27
第三章 CPV 模型变量的选择与解释  27-34
  3.1 变量的选择  27-29
    3.1.1 变量选择的原则  27
    3.1.2 变量的选择与确定  27-29
  3.2 变量的解释  29-30
    3.2.1 宏观经济景气指数  29
    3.2.2 国房景气指数  29
    3.2.3 企业景气指数  29-30
    3.2.4 居民消费价格指数  30
  3.3 数据趋势图与统计分析  30-34
    3.3.1 数据列表  30-33
    3.3.2 统计分析  33-34
第四章我国商业银行房地产信贷风险回归模型估计、检验与预测  34-40
  4.1 模型建立  34
    4.1.1 CPV 模型基本思路  34
    4.1.2 房地产信贷风险回归模型建立  34
  4.2 模型估计与检验  34-36
    4.2.1 模型估计  34-35
    4.2.2 模型检验  35-36
  4.3 模型预测  36-39
    4.3.1 回归模型预测违约率  36-37
    4.3.2 GM(l，1)模型预测违约率  37-38
    4.3.3 预测结果比较及意义  38-39
  4.4 实证结果分析  39-40
第五章主要结论与对策建议  40-44
  5.1 主要结论  40
  5.2 对策建议  40-43
    5.2.1 商业银行内部的防范措施及管理对策  40-41
    5.2.2 商业银行外部的防范措施及管理对策  41-43
  5.3 本文研究的局限性  43-44
参考文献  44-46
致谢  46-47
作者简介  47

基于CPV模型的我国商业银行房地产信贷风险研究

内容摘要

全文目录

相似论文