居民高槓杆率或將引爆信用風險?銀行如何加強風險管理?

居民負債情況一直是衡量經濟發展健康水平的標準之一,並在一定程度上影響貨幣及房地產政策的制定。居民負債主要是消費貸款和經營貸款,消費貸款中包含短期和中長期消費貸款,其中個人住房貸款屬於中長期消費貸款。

數據顯示,2018年末,我國個人住房貸款債務餘額為25.8萬億元,佔住戶部門債務餘額的比例為53.9%,增速較同期住戶部門全部貸款增速低0.4個百分點。去年居民負債增速放緩的主要原因在於個人住房貸款的增長被抑制。

居民高槓杆率或將引爆信用風險?銀行如何加強風險管理?


最敢負債的省份及城市

居民的負債,可以用居民槓桿率(居民部門貸款餘額/名義GDP)來衡量,這一指標也是居民的債務負擔能力和償債能力的量化體現。

我國各地區居民槓桿率情況大相徑庭,東南沿海地區住戶部門債務風險相對較高。據統計,2018年,有5個地區的居民槓桿率超過70%,分別是浙江(83.7%)、上海(83.3%)、 北京(72.4%)、廣東(70.6%)、甘肅(70.1%)。除了上述5個地區外,重慶、福建和江西的居民槓桿率也超過了全國水平,分別為68.6%、65.8%和63.1%。

居民高槓杆率或將引爆信用風險?銀行如何加強風險管理?

此外,國家金融與發展實驗室發佈的“季報宏觀槓桿率報告”也對城市的居民槓桿率進行了統計。在統計的34個城市中,截至2018年末,居民槓桿率高於80%的城市有5個,分別為杭州(103.2%)、廈門(96.3%)、溫州(91.1%)、海口(83.8%)、深圳(82.3%)。

居民高槓杆率或將引爆信用風險?銀行如何加強風險管理?

槓桿率高的城市有一個重要特點,‘三高’——即房價比較高,外地人買房的比例較高,買房的投資性需求較高。杭州是第一個槓桿率超過100%的城市,這也就意味著杭州的居民貸款超過了本城一年的GDP,這其中蘊含著較大的金融風險。


高負債高槓杆率意味著什麼?

從槓桿率指標來看,高槓杆率城市居民部門所蘊含的金融風險較大,這些城市的住房價格也都較高。事實上,各地房價是影響居民貸款上升的最核心的變量。比較杭州、廈門、溫州、海口以及深圳過去一年房市的表現,也側面印證了居民槓桿率與房地產之間的高度相關性。

對於一個在中小城市按揭購房的普通家庭來說,購房的本金和利息合計會佔到收入的28%~46%。再進一步疊加日常生活開支(根據2018年的恩格爾係數27.7%),那麼一個普通家庭收入的60%~75%將被基本生活需要、房子相關支出佔用,剩餘收入用來支付教育、醫療等消費以及儲蓄、應對意外支出較為艱難,長此以往會引發消費降級、金融風險等問題。

當然,趨高的槓桿率不一定代表金融風險難以控制,因為存在外地人出於投資目的異地買房的情況。由於購房者並不在此地工作生活,買房後雖增加了當地貸款,但沒有形成相應的GDP。因此,這部分異地購房者佔比較大的省市便形成了較高的居民槓桿率,但這不一定完全對應著較高的金融風險。


槓桿率是否已高到會爆發風險問題?

儘管目前各地槓桿率正在繼續走高,但我國居民貸款違約風險整體偏低。由於個人住房按揭貸款在居民負債中佔據半壁江山,而去年全年房地產信貸政策繼續遵循審慎原則,對住房抵押貸款的最低首付比要求更為嚴格,月償債比率和最長還款期限與國際實踐基本一致,這使得居民債務風險抵禦能力較強。

數據顯示,2018年我國居民貸款的不良率,尤其是個人住房貸款不良率繼續保持較低水平。截至去年末,個人不良貸款餘額7103億元,不良率為1.5%,低於銀行貸款整體不良率0.5個百分點。其中,個人住房貸款、個人汽車貸款和個人信用卡貸款不良率分別為0.3%、0.7%和1.6%,與前年同期持平。


銀行加強信貸風險管理


雖然我國居民貸款違約風險整體偏低,但是隨著房地產市場下行,加之錯綜複雜的經濟形勢,當前銀行業防範風險、降低不良的壓力仍然較大。從區域看,不良貸款風險將從東部沿海地區向中西部地區蔓延。從行業看,儘管當前房地產行業不良率不高,但作為資本密集型行業集中了大量信貸資金,在去庫存壓力下,潛在風險將進一步顯現。

根據銀保監會頒佈的《商業銀行押品管理指引》《商業銀行壓力測試指引》、《銀行業金融機構數據治理指引》以及《商業銀行資本管理辦法(試行)》要求,為了防範系統性金融風險,加強金融監管,建立押品信息基礎數據庫,銀行需要定期對抵押的房地產進行評估以監控風險。

房估估房抵貸全流程金融服務中一項主要的工作就包含了房產類押品的地址治理及價格批量復估工作。通過高效智能的批量押品地址標準化分析與處理,將銀行的房地產類押品進行地址數據標準化,然後對押品進行指定時間點的批量估值,滿足銀行的押品治理需求。同時也會對押品風險分析及市場監測,銀行可儘早發現房地產以及上下游行業的劇烈波動對資產安全性及運營平穩性的影響,加強應對未知風險的抵抗力,提前採取應對措施減少風險成本及損失,優化資產結構,提高銀行的信用風險管理水平。

部分內容來源:第一財經、國泰君安證券研究等綜合整理


END


雲房數據公司旗下產品房估估上線4年,已服務60餘家銀行、500餘家金融機構。

其中服務的國有銀行有工商銀行總行、中國建設銀行總行、中國農業銀行總行、中國郵政儲蓄銀行總行、中國銀行江蘇省分行等;股份制銀行有招商銀行總行、渤海銀行總行、浙商銀行等;城商農商行有吉林銀行、包商銀行、河北銀行、江蘇銀行、江西銀行、長沙銀行、承德銀行、長春農商銀行、天津濱海農商銀行等;互聯網銀行有微眾銀行、四川新網銀行等;其他非銀金融機構有中國信達資產、中國華融資產、中安信邦、中科金財等。


分享到:


相關文章: