第二章 文獻回顧與相關理論
第一節 房貸違約與提前清償行為相關文獻探討
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
- 19 -
第貳章 文獻回顧與相關理論
本章共分三節，第一節旨在探討國內外房貸違約與提前清償相關文獻整理 比較，第二節探討房貸違約與提前清償相關學說與理論，第三節相關文獻自變 數屬性類別之整合與計量方法之選取。
第一節 房貸違約與提前清償行為相關文獻探討
一、房貸違約行為相關文獻
Steenackers＆Goovaerta（1989）採用逐步 LR 模式(stepwise logistic regression）尋找影響個人抵押貸款信用的原因。實證結果顯示〆年齡、是否 有電話、居住現址與工作的時間長度、地區別、職業、是否公家機關工作、月 收入、住宅所有權、之前貸款個數、貸款期間等為評等模型的顯著變數。此模 型使用原始樣本預測的正確率約為 70%，但加入被拒絕申請者的樣本後可提高預 測正確率至 75%。
李玉真（2003）採用三種分析工具，包括區別分析、邏卲斯廻歸模型與類 神經網路，嘗詴找出一套可以準確預測房屋貸款戶是否違約之模式。實證結果 顯示〆類神經網路模式有優於傳統鑑別分析與邏卲斯廻歸模型之表現，其整體 鑑別正確率最高、型一及型二錯誤最低，為較佳之房屋貸款信用評估模式。
李桐豪、呂美慧（2000）應用邏卲斯廻歸模型，對國內某銀行個人房貸案 中取樣正常案件與催收案件建立信用評分模型。實證結果顯示〆在不考慮借款 人通信區域時，房貸客戶之婚姻狀況、學歷、金融往來關係、貸款期間、借款 人與保證人關係、借款人通訊地址與擔保品相對關係為影響房屋貸款品質好壞 的主要因素。其次為借款人與擔保人是否為同一人或有夫妻關係對借款人償債 能力或意願有顯著但相反的影響々夫妻的擔保關係將有助於正常的貸款償還，
而本人替他人作擔保則對貸款的償還有不利的影響。
林左裕、劉長寬（2003）以國內某一大型公營銀行之消費者貸款案件為研 究對象，研究期間自 1989 年 4 月至 2001 年 4 月，隨機取樣，由全省分行中 抽取樣本案件，正常戶 414 筆，違約戶 205 筆，合計 699 筆，有效樣本 619 筆。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
- 20 -
依據銀行授信 5P 原則及其他考量因素，應用 Logistic 廻歸模型，對考量因素 與違約之相關程度予以實證分析。實證結果發現〆借款金額，客戶性質，職業，
家庭年收入、教育程度及保證人之有無，為影響消費者貸款違約與否的顯著變 數。
張文智（2003）以某商業銀行南部某分行個人房屋貸款授信戶為對象，利 用邏卲斯廻歸模型進行分析。研究實證結果發現〆職業、社會年資、扶養子女 人數、雙薪家庭、擔保品已折舊率、擔保品是否為自住、借款期間、借款用途 與本行是否有往來等十項變數，實為影響個人房屋貸款戶之良莠的重要因素。
周建新、于鴻福、陳進財（2004）以國內某商業銀行之房貸授信為例，建 構邏卲斯廻歸（Logistic regression）的判別模型（簡稱 LR 模式），作為 房貸信評時的合理依據。實證結果發現〆職業、年齡、年所得、年所得占借款 金額之比率、各行庫借款額度、各行庫借款餘額、申貸金額、押值、估值等九 項變數，為影響房貸授信戶品質之良窳及逾期貸款戶之主要鑑別因素。房貸戶 於各行庫之貸款餘額係與其成為正常戶與否成反比，當借戶之借款餘額甚多 時，可能會使其因舉債過鉅，致無法正常繳納本息。該模式之整體正確歸類比 率為94.1%，其中對於實際歸類為正常貸款之預測能力高達 94.5%，歸類為逾期 貸款之預測能力，亦達 93.2%。
林左裕、賴郁媛（2005）利用最小帄方法之廻歸分析檢測所蒐集資料。研 究結果指出〆失業率、帄均放款利率 、通貨膨脹率、房地產景氣對策訊號及存 放款利差皆符合作者預期，與銀行業逾放比存在顯著關係。逾放比之高低是判 別金融市場安定性之重要依據，逾放問題的產生不僅是金融機構自身問題，同 時也與總體經濟息息相關。失業率在在三段期間內都是顯著因子，表示個別貸 款者將影響逾放比。而帄均放款利率只在1995年至2002年之期間呈現顯著，表 示企業較個人具有週轉能力，卻也隱含金融機構對企業放款過於浮濫，使其在 經濟衰退之時，得承受更大地傷害。
簡俊永（2005）以某不動產專業銀行，自2000年至2003年之不動產擔保授 信戶為對象，將借款人繳息情形分為正常戶與逾期違約戶，並以性別、年齡、
婚姻狀況、學歷、償還方式、總負債與年收入比、屋齡、房屋面積、押品位置、
貸款成數、是否專案貸款、貸款期間、利率、貸款金額、借戶與貸款行有無地 緣關係、借戶與押品有無地緣關係、職業、(連帶)保證人之有無、年收入、年 盈餘、總負債、擔保物為本人所有、擔保物為配偶所有、行庫與押品有無地緣
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
- 21 -
關係、市價、估值、透天住宅與公寓大樓、是否為購置住宅及核准權限等研究 變數來進行探討，將篩選之變數進行邏卲斯廻歸模型分析。研究結果指出〆以 向後逐步廻歸選取法(Stepwise)篩選後之變數設定之整體預測能力達94.1%，以 此方法檢驗此研究中之個案，正確率達75%。
鄭歆蕊（2007）以國內某家金融機構針對台南市於2004年6月至2006年4月 間之個人房屋貸款申請案件中4,274 筆房貸申請人資料及其中的2,890 筆房貸 戶資料為樣本，分別建立第一階段與第二階段模型。並運用羅卲斯廻歸分析、
Cox 廻歸分析及區別分析建立模型，分析銀行業在房貸授信模型中，必頇考慮 之風險評估因素。實證研究結果發現〆申請金額、年齡、性別、學歷、房屋型 態、屋齡、房屋鑑價及近三個月被聯徵查詢總次數、保証人之有無、償還方式、
貸放成數及客層等十二個變數皆是重要變數，與逾期違約之影響關係和過去文 獻結果皆一致。就訓練組樣本而言，邏卲斯廻歸分析在逾期戶下判別之正確率 達52.4%，較區別分析模型的24.83%高出近一倍，顯示邏卲斯廻歸分析模型之表 現較區別分析佳。而在Cox 等比例風險模型上，或許因為資料
設限過多導致結果好壞參半。
綜合以上房貸違約相關文獻整理，發現一致性的共同變數包括〆貸款金額、
借款年限、年所得、年齡、貸款成數、契約利率、職業、保證人之有無、學歷、
負債與收入比等，各家研究面向及研究方法或有不同，但研究分析找出對房貸違 約影響顯著因素，則殊途同歸。茲將各文獻研究內容按照作者、年份、研究主 題、研究方法、研究顯著變數與重要結論比較整理如下〆(詳如 表2-2)。
‧
＆Goovaerta (1989）
A Credit Scoring Model for Personal Loans
逐步 LR 模式 (stepwise logistic regression）
年齡、是否有電話、居
Logistic
廻歸之應
‧ Logistic Regression (Stepwise)
性別、年齡、婚姻狀況、學歷、
‧
Bartholomew, Berk and Roll（1988）利用聯邦國家抵押貸款協會(Federal National Mortgage Association)的浮動利率(adjustable-rate mortgage)資 料 以 標 準 的 統 計 廻 歸 分 析 方 法 (the standard statistical method of regression analysis)，研究浮動利率抵押貸款的提前清償行為，在 95％的顯 著水準下，影響借款人提前清償的情形，分析結果〆在其他條件固定下，廻歸 (heterogeneity of borrowers)、還款方式的改變(payment change)等變數，
都會影響提前清償之速度。
Zorn and Lea（1989）採用加拿大 250 個浮動利率抵押貸款資料，利用 Logit 模型進行評估正常償還、提前清償、遲延還款及違約之情形。影響借款人提前
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
- 25 -
數，利用 Logit 模型，進行檢測借款人特徵對預測抵押貸款提前清償之影響，
經實證分析結果〆影響借款人提前清償顯著因素，包括契約利率對市場利率之 比率、貸款金額、貸款成數、現行貸款成數、收入、地區等。
劉展宏、張金鶚（2001）利用台灣土地銀行之資料，以 Logit 模型實證分 析購屋貸款提前清償行為，結果顯示〆借款人選擇提前清償與否的影響因素，
確有顯著的不同。決定選擇提前清償購屋貸款行為，受到婚姻狀況、年齡，教 育程度、職業、年收入、屋齡、地區別、建物型態、貸款成數、借款金額、借 款期限、契約利率等因素影響。
林左裕、陳昆賢、蘇哲培（2002）採取數值方法中之蒙地卡羅模擬（Monte Carlo Simulation）及隱含模式。研究變數包括利率、貸款之年限、季節之循 環、疲乏效果(burnout effect)、是否有信用良好之機構所保證的貸款、總體 經濟之情況、地域性之差異。研究結果顯示，契約利率愈高，MBS 價格愈高々 貸款期限愈長，MBS 價格亦愈高々提前清償率愈高，MBS 價格亦愈高，且 MBS 價 格之上升幅度會愈來愈大々提前清償率愈高的 MBS，其價格波動型態愈趨近可 贖回債券，但因部分提前清償之關係而使二者有所差異。
郭雲啟（2006）選取十七項與房屋貸款相關之變數，針對房屋貸款提前還 款再貸款進行探討。研究結果發現〆教育程度、申貸時年齡、現職工作年資、
還款年限、貸放成數、借保關係及房屋類型等七項具有顯著性相關。再將此七 個顯著因子導入邏卲斯廻歸模型及倒傳遞類神經進行分析，顯示邏卲斯廻歸模 型之整體辨識正確率為79.82%，而以倒傳遞類神經模型之整體辨識正確率為 96.9%，故以類神經網路整體辨識正確率較準確。其中『再貸款』房屋貸款戶的 特徵為年齡在30 歲以上、貸放成數在80%以下及借保關係(無保人或有直屬親屬 關係)等者而『不再借款』房屋貸款戶的特徵為年齡在30 歲以下、貸放成數在 80%以上及借保關係(有保人且非直屬親屬關係)等者。
綜合以上房貸提前清償相關文獻整理，發現一致性的共同變數包括〆借款 年限、年齡、貸款成數、契約利率、貸款金額等，各家研究面向及研究方法或有 不同，但研究分析找出對房貸提前清償影響顯著因素，進而估算提前清償機率 則殊途同歸。茲將各文獻研究內容按照作者、年份、研究主題、研究方法、研 究顯著變數與重要結論比較整理如下〆(詳如 表2-3)。
‧
Mortgage Securities Research
Adjustable Rate Mortgages:
Prepayment Behavior
標準的統計廻 歸分析方法 (the standard statistical method of regression analysis)
借款年限、季 節、地區別、息 票(coupon)
、邊際利率 (margin rate )、未來的利率 趨勢、借款人的 異質性(
heterogeneity of borrowers)
、還款方式
Mortgage Borrower
Mortgage Borrower