結論

國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

第五章 結論與建議

在 2007 年美國雷曼兄弟投資公司倒閉所引發的全球性金融風暴，雖然 是因為以次級房貸為標的之衍生性金融商品所造成的連鎖效應，但深究其背 後的真正原因不外是不動產市場價格下跌，造成房屋貸款的擔保品價值下降 不足以涵蓋貸款風險，形成房屋的負權益，而引發一連串房屋貸款的違約，

進而導致全球性的金融風暴。因此銀行在承作房屋貸款時除了借款人的債 信、還款能力外，對房屋貸款擔保品的風險評估也應加以重視。

第一節 結論

目前對房屋貸款風險的研究大多數是針對借款人的償債能力及違約機率 在作探討，本研究重點則是針對房屋貸款中的擔保品風險作地區性的分級，

研究目的是嘗試找出影響擔保品風險的因子，以補借款人行為特質分析所得 到的房屋貸款風險因子之不足，並運用適當的模型以掌握各區域房屋貸款的 風險大小的差異性，並依房屋貸款的風險大小將研究區域劃分不同的風險等 級。最後利用不同的角度或方法，對房屋貸款的風險作分析，以進一步檢驗 區域風險的分類是否合宜，並建立最佳的方法對區域房屋貸款風險作分級，

供銀行於承做房屋貸款時，作為決定貸款成數(LTV)的參考依據，避免銀行貸 款日後遭受擔保品價格下跌所產生的風險。本研究的結論如下：

一、風險因子的選取

本研究利用文獻回顧的過程，找出過去其他研究中所得到與房屋貸款有 關的風險因子，在排除針對借款人社經背景與行為特質有關的風險因子後，

得到房屋貸款擔保品風險的相關因子，在風險因子的分類上可以分為供給面 及需求面，屬於供給面的影響因子有房地產價格、生產要素價格與融資條件，

在需求面的風險因子有人口的變動、家庭結構的改變、家戶所得的變動、就 業環境的改變、房地產偏好的改變、金融市場的改變、通貨膨脹的壓力與預 期心理。

二、研究方法

在研究方法方面，由於過去的研究大多集中在借款人的償債能力或是貸 款違約機率的計算，甚少針對房屋貸款擔保品的風險作評分評等，因此相關研 究方法大多是利用定量方法的線性迴歸的模型，對於風險評等的相關文獻不 多，由於風險的評估需要用到定性的方法去決定風險的權重，因此本研究使用 了多準則決策模型中常用的分析層級程序法(AHP)及分析網路程序法(ANP)，利 用將風險因子劃分為準則層級的九種因素及次準則層級的二十七種因素來設 計問卷，針對具有房地產市場或是從事房屋貸款業務背景的專家進行問卷調 查，以取得房屋貸款風險因子的權重。

在取得風險因子的權重後需要進行區域風險的評分，評分的方法很多，

但是由於風險的給分有分正負分數，因此本研究採用了量化研究連續測量方法

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

中的語意差別法作為風險評分的方法。等級的劃分方法，本研究採用了變動百 分比分位法，這是目前劃分等級最常使用的方法，例如「房地產景氣動向季報」

即採用本方法在劃分等級，需要強調的是分位數的給予並非等分法，而是採非 等分法，且由於區域的不同因此會使台北市與台北縣有不同的分位數。

在模型的比較法上，本研究採用了變異數分析法與事後檢定的單一信賴 區間檢定及聯合信賴區間檢定，以檢視模型的差異性。

三、實證結果

實證分析的結論可分為 AHP、ANP、區域風險等級的劃分及模型的比較。

(一)、AHP 的實證結果

本研利用分析層級程序法(AHP)進行專家問卷，所有 AHP 問卷的風險因子 均通過一致性檢定，顯示問卷未存在矛盾或是犯有邏輯上的錯誤，AHP 法所在 準則層級中影響房屋貸款風險最重要的因子為「價格面的因素」，其次為「景 氣面因素」，影響房屋貸款風險最小的因素為「公共政策因素」，其次為「心理 面因素」，在次準則層級中被認為影響房屋貸款風險最小的因素為「住宅政 策」，而影響房屋貸款風險最大的因素則為「房價所得比」。

(二)、ANP 的實證結果

在分析網路程序法(ANP)的部分，所有 ANP 問卷的風險因子均通過一致性 檢定，顯示問卷未存在矛盾或是犯有邏輯上的錯誤。ANP 的準則層級中影響房 屋貸款風險最大的為「景氣面因素」，「價格面因素」次之，影響最小的則為「心 理因素」，「公共政策因素」次之，此結果與 AHP 實證結果所選取的風險因素不 同。

在次準則風險因子的選取部分，ANP 共有三種方法，分別為未權重化矩 陣、權重化矩陣及極限化矩陣，未權化矩陣在風險因子的選取部分，影響房屋 貸款風險最大因素的為「房價所得比」，「房地產景氣綜合指標」次之，而影響 最小的因素則為「住宅政策」，「房地產偏好」其次。權重化矩陣在風險因子的 選取部分，影響房屋貸款風險最大因素的為「房價所得比」，「信義房屋指數」

次之，而影響最小的因素則為「住宅政策」，「房地產偏好」次之，極限化矩陣 在風險因子的選取部分，影響房屋貸款風險最大的因素為「房地產景氣對策訊 號(燈號)」，「房地產景氣綜合指標」次之，而影響最小的因素則為「房價泡沫 化」， 「重劃區開發」次之。

(三)、風險等級劃分的實證結果

本研究利用變動百分比分位法將研究區域劃分為 A~E 共五個等級，分位數 的給予並非等分法，在利用變動百分比法進行等級區分時，可以調整中間值個 數所占的百分比，使台北市與台北縣可以有不同的級數差別，在 AHP 的部分，

台北市劃分為兩個等級，全區皆為可貸區，而台北縣則因為風險分數彼此相差 較多，因此風險等級的劃分較分散，台北市只區分為兩級，皆為可貸區，此結 果與目前銀行業見解相同。ANP 法未權重化矩陣對區域所劃分的等級與 AHP 法 對區域所劃分的等級結果相同。

在 ANP 權重化矩陣中，台北市被區分為三個等級，區別效果高於未權重

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

限化矩陣對風險等級的劃分最嚴格，A 級地區僅三個。

綜合四種模型，台北市同為列為 A 級地區的有中正區、大安區及信義區，

被權重化 ANP 與極限化 ANP 同列為 C 區的有萬華區及南港區。台北縣被四種 模型同時列為 A 區的有板橋市、新店市及三重市、同時被四種模型列為 C 級 的有汐止市、泰山鄉、蘆洲市、土城市及淡水鎮，同時列為 D 區的有鶯歌鎮。

(四)、模型比較的實證結果

在 AHP 法及 ANP 法的不同權重下，共產生了 4 種劃分區域風險等級的模 型，我們對四種模型進行了多重比較，比較的對象分為兩類，一是評分分 數的差異性比較，另一種是對評等的差異性比較。

1. 評分分數的差異性比較

本研究利用單一信賴區間(LSD)檢定及聯合信賴區間檢定。

在台北市的部分，單一信賴區間(LSD)檢定的結果，利用 AHP 權重與 ANP 未權重化矩陣間，不具顯著差異； ANP 權重化矩陣與 ANP 極限 化矩陣間不具顯著差異。利用聯合信賴區間檢定(Bonferronie 法) 所得到的結果為， AHP 權重與 ANP 未權重化矩陣兩者之間不具顯著 差異， ANP 權重化矩陣與 ANP 極限化矩陣兩者之間不具顯著差異。

在台北縣的部分，單一信賴區間(LSD)檢定的結果，AHP 權重與 ANP 未權重化矩陣兩者之間不具顯著差異； ANP 權重化矩陣與 ANP 極限 化矩陣兩者之間不具顯著差異。其次利用聯合信賴區間檢定

(Bonferronie 法)所得到的結果為，AHP 權重與 ANP 未權重化矩陣兩 者之間不具顯著差異，而 ANP 權重化矩陣與 ANP 極限化矩陣兩者之 間不具顯著差異。

2. 評等的差異性比較

在台北市的部分同時被四種模型選為 A 級地區的有中正區、大安 區、信義區，同時被列為 C 區的有萬華區、北投區、南港區。在風 險等級的劃分上，AHP 權重與 ANP 未權重化矩陣兩種模型在區域房 屋貸款風險等級的區分標準上較為寬鬆。ANP 權重化矩陣及 ANP 極 限化矩陣對區域房屋貸款風險等級的劃分較為嚴格。

經由以上二項的比較，歸納出二類不同等級劃分標準的模型，提供金融 業者在制定房屋貸款政策時，可以有多樣的選擇。例如在市場景氣熱絡時或 是銀行需要擴大業務基礎時，可以選擇在區域風險等級的劃分標準上較為寬 鬆的模型，當市場景氣不佳或是銀行需要緊縮貸款政策時，則可以選擇區域 風險等級的劃分標準上較為嚴格的模型，有了不同的模型可供選擇，可以增 加銀行承做房屋貸款及制定授信政策的彈性。

檢視回顧研究之初所設定的研究目的，本研究從文獻回顧中整理出了影 房屋貸款的風險因子，運用 AHP 及 ANP 法取得風險因子的權重，並用語意差 別法對各區域給予適當的風險評分，再利用變動百分比分位法對區域的風險 等級給予劃分等級，最後利用多重比較對四種模型予以檢定並提出各種模型 的適用時機及方法，以提供給金融業者作為參考。

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University