影響住宅貸款提前還款因素之研究 - 政大學術集成

全文

(1)國立政治大學地政學系碩士在職專班論文. 影響住宅貸款提前還款因素之研究. 政治大. 學. Mortgage prepayment. ‧. ‧ 國. The Study 立 on the Influential Factors of. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 研究生：石振輝指導教授：林左裕博士中華民國一○六年一月.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.



(5) 謝誌大學畢業進入社會工作，一直服務於銀行業。近幾年來，土地價格飆漲、土地不當利用所引發的環境破壞、土地投機造成的貧富懸殊等問題，激發我重新求學、求知的興趣。很榮幸進入地政學系碩士在職專班接受名師們的專業薰陶，滿足我求知的渴盼，讓我在專業領域上，受惠良多，敬愛的老師們，謝謝您們的教導。首先，真誠感謝我的指導教授林左裕博士，循循善誘，耐心指導，精闢啟示論文的修正意見與方向，讓我能掌握文獻，回顧重點，及理論與實務之結合，進而啟發整體性的思維層面。同時也要感謝口試委員台北大學彭建文教授，清華大學林哲群教授的加持及鼓勵，啟發我更深更廣的思維，俾研究論述更能延伸探討。藉此更要深深地感謝我親愛的同事，碩洵、嘉楓、巧汝、沂珮、人瑜之鼎力協助。每思及此，讓我深懷感恩之心，因為有您們的協助，這篇論文才能圓滿完成。最後，感謝閱讀本篇論文的朋友們，但願本篇論文能帶給我們社會一個改變的正向能量。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. v i n C 石振輝 h e n g c謹誌於台北市文山區國立政治大學 hi U. I.

(6) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. II. i n U. v.

(7) 摘要住宅貸款提前清償之研究，主要在協助不動產抵押債權之評價。透過實證分析模型之建置，以探討影響提前清償之相關變數，俾利於不動產抵押債權證券之現金流量預測，及銀行資產負債管理。本研究利用某銀行之 329 個住宅貸款樣本資料，以複迴歸分析方法做提前清償之實證研究，期能析列出影響住宅貸款提前清償之顯著性因素。所使用之解釋變數包括國內房價指數、貸款金額、定儲利率水準、加權股價指數、失業率、貨幣供給額、貸款成數、核貸利率、所得負債比、貸款存續期限、平均月收入、市場利率水準、經濟成長率、春節效應等。實證研究結果指出，國內房價指數與住宅貸款提前清償呈現顯著正向關係；貨幣供給額、定儲利率水準、貸款金額與住宅貸款提前清償呈現顯著負向關係。其餘加權股價指數、失業率、貸款成數、核貸利率、所得負債比……等則呈現不顯著關係。銀行業未來面對金融科技日益創新，競爭日趨激烈之環境，如何拓展非利收業務收益以增裕盈收，將益顯重要。本研究成果期能對不動產抵押債權之評價，及銀行之各分行轉型為以「諮詢」及「銷售」為核心價值之角色功能，拓展非利息收益業務，能有所助益。. 立. 政治大. ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat. 關鍵字：住宅抵押債權、複迴歸分析、住宅貸款提前清償、金融科技，不動產抵押債權評價。. Ch. engchi. III. i n U. v.

(8) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. IV. i n U. v.

(9) Abstract. The research on the prepayment of residential loans mainly focuses on the evaluation of the mortgage. Through the establishment of empirical analysis model to explore the impact of the relevant variables, that the prediction of cash flow of mortgage debt securities, bank asset and liability management is easier. This paper uses the sample data of 329 residential loans of a bank to do empirical research on prepayment by multiple regression analysis, which can analyze the significant factors influencing the prepayment of mortgage. The variables used include the domestic housing price index, debit, fixed deposit interest rate, TAIFX, unemployment rate, money supply, loan to value, loan interest rate, income-to-liability ratio, maturity, the average of income, market ratio, economic growth rate, and the season cycles effect, etc... 立. 政治大. ‧ 國. 學. The results show that there is a positive relationship between the domestic housing price index and the mortgage prepayment. There is a significant negative relationship. ‧. n. al. er. io. sit. y. Nat. between the money supply, the fixed deposit interest rate, the debit and the mortgage prepayment. The variables of TAIFX, unemployment rate, loan to value, loan interest rate, income-to-liability ratio, etc. are not significant. The future of the banking industry to face the innovation of financial technology and the competitive environment, it is utmost importance to expand non-interest income profits. The results of this study can be useful for the evaluation of real estate mortgage and the transformation of branches of banks into the role of "consulting" and "sales" as the core values and expanding non-interest income.. Ch. engchi. i n U. v. Keyword：Residential mortgage、multiple regression analysis、mortgage prepayment、 financial technology、mortgage pricing. V.

(10) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VI. i n U. v.

(11) 目錄第一章緒論 ........................................................ 1 第一節研究動機與目的 ........................................... 1 一、研究動機 .................................................................................................. 1 二、研究目的 .................................................................................................. 3 第二節研究範圍與方法 .......................................... 4 一、研究範圍 .................................................................................................. 4 二、研究方法 .................................................................................................. 5 第三節研究架構與流程 ........................................... 6 一、研究架構 .................................................................................................. 6 二、研究流程 .................................................................................................. 7 第二章文獻回顧 ......................................................8. 立. 政治大. ‧. ‧ 國. 學. 第一節銀行授信與經營 ........................................... 8 一、銀行之角色 .............................................................................................. 8 二、授信評估準則 .......................................................................................... 8 三、銀行經營回顧與展望 ............................................................................ 10. n. al. er. io. sit. y. Nat. 第二節文獻回顧 ................................................ 12 一、國內外房貸及證券化提前清償之相關研究 ........................................ 12 二、各研究文獻之結論及比較 ................................. 18 三、小結 ........................................................................................................ 22 第三章資料分析與研究設計 ...........................................24 第一節模型建構 ................................................ 24 一、迴歸分析簡介 ........................................................................................ 24 二、模型建構及說明 .................................................................................... 25 第二節變數說明 ................................................ 26. Ch. engchi. i n U. v. 第四章實證結果 .....................................................43 第一節：實證資料敘述統計 ....................................... 43 第二節：實證結果說明 ........................................... 46 第五章結論與建議 ...................................................53 參考文獻 ............................................................57. VII.

(12) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VIII. i n U. v.

(13) 表目錄表 2-1：銀行設立沿革表 ………………………………………………………… 10 表 2-2：變數顯著性比較表 ………………………………………………………… 18 表 3-1：變數說明表 ………………………………………………………………… 26 表 3-2：相關之地價指數與房價指數表………………………………………………34 表 4-1：敘述統計及相關係數表…………………………… ………………………44 表 4-2：模式摘要表…………………………………………………………………… 46 表 4-3：變數顯著水準分析表………………………………………………………… 46 表 5-1：春節效應表……………………………………………………………………54. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. IX. i n U. v.

(14) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. X. i n U. v.

(15) 圖目錄圖 1-1：研究流程圖………………………………………………………………… 7 圖 3-1：加權股價指數圖 ……………………………………………………………29 圖 3-2：失業率圖………………………………………………………………………31 圖 3-3：貨幣供給額圖……………………………………………………………… 33 圖 3-4：國內房價指數圖…………………………………………………………… 35 圖 3-5：定儲利率指數圖…………………………………………………………… 36 圖 3-6：一年期定儲利率圖………………………………………………………… 39 圖 3-7：國內生產毛額圖…………………………………………………………… 40 圖 3-8：實際工資與預期工資之比較圖…………………………………………… 41 圖 5-1：模式運作流程圖…………………………………………………………… 56. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. XI. i n U. v.

(16) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. XII. i n U. v.

(17) 第一章. 緒論. 本章說明研究之研究動機與目的，而後界定研究範圍，並說明所採用之樣本資料，介紹所採用之研究方法，最後說明研究架構與流程。. 第一節研究動機與目的一、研究動機銀行是資金供給者與需求者之仲介機構，吸收社會大眾資金，再貸放予資金. 政治大為最重要之項目。對銀行而言，承辦住宅貸款業務，主要賺取利息收益，核貸撥立. 需求者。其主要經營項目包括存款、外匯、授信三大業務。授信業務中住宅貸款. ‧ 國. 學. 款後將使現金資產減少，放款資產（債權）增加。資產項目將由流動資產轉為中、長期資產，會降低其流動性。在銀行握有放款資產期間內會產生授信風險，這些. ‧. 風險包括提前清償風險（Prepayment Risk）、違約風險、利率風險、匯率風險（Foreign. sit. y. Nat. Exchange Rate Risk）、流動性風險等。銀行為了規避上述風險，可將其持有之放款. io. er. 資產（不動產抵押債權）以證券之型式售出，立即獲得流動性後，可再將此資金做另一循環之放款或投資。不動產抵押債權證券化後，借款人提前清償會影響其. al. n. v i n Ch 評價。同時，在資金寬鬆的情況下，提前清償會使銀行爛頭寸更形增加，銀行在 engchi U. 去化資金的壓力下，可能發生資產配置不當之情事，而導致發生違約風險。因此，對於住宅貸款提前清償之研究，有其重要性。. 上段所述，透過證券化以提高金融資產與不動產流動性之作為，即我們所稱之不動產證券化。台灣在 2002 年及 2003 年分別通過「金融資產證券化條例」、「不動產證券化條例」等。自兩條例頒布施行以來，台灣亦有金控壽險公司發行多檔不動產投資信託（Real Estate Investment Trust,REIT）、及不動產資產信託（Real Estate Asset Trust,REAT）等受益憑證，發行當時亦曾蔚為一股風潮。因此，不動產抵押債權證券化商品是具市場性之證券商品。 1.

(18) 借款人因購置住宅而取得貸款後，提前清償是其合理的經濟行為，在其所得增加、市場利率遽跌、搬遷、中鉅額彩金或其他原因等情況下，借款人都可能提前清償原貸款餘額。而在房價大跌，借款人工作收入不穩定導致無力償還貸款時，甚至可能發生違約情形。. 提前清償及違約風險是不動產抵押債權證券之重要評價因子。證券發行後，借款人違約會影響不動產抵押債權證券之價值，借款人提前清償會造成銀行現金流量之不可確定性。同時，借款人提前清償所造成之銀行爛頭寸，銀行在去化資金之壓力下，有可能因資金配置不當而引發違約風險。此類情況均不利不動產抵. 政治大預測借款人違約及提前清償機率，找出其影響之顯著因素，以協助不動產抵押債立押債權之銷售、管理，及銀行經營。因此，歷年來國內外文獻主要皆在探討如何. ‧ 國. 學. 權證券之評價，及銀行之資產、負債管理。. ‧. 2008 年美國發生次貸風暴，各國政府為挽救通縮，紛紛實施貨幣寬鬆（Quantative Easy,QE）政策，金融環境發生很大變化，其對提前清償顯著性因素之. y. Nat. n. er. io. al. sit. 變化如何，引發本論文第一個研究動機。. i n U. v. 另，我們從上述銀行辦理放款的交易流程來看銀行收受存款後，辦理住宅貸. Ch. engchi. 款，為增加流動性將其轉換成抵押債權證券，售予投資大眾，再回收資金，重新辦理放款。可發現在整個交易流程中，銀行所能賺取之利潤仍脫離不了傳統利息收益的範疇。自 1991 年主管機關開放銀行新設以來，市場競爭激烈，利差收益逐年遞減。近年來，銀行面對金融科技（Financial Technology,FinTech）日益創新，交易支付結算方式，益趨簡化，諸如電子支付、行動錢包、第三方支付（C2C、B2B、 B2C 等平台）、物聯網等非銀行業競爭之衝擊，傳統銀行擔任金融中介功能之角色，日益衰微。甚至有學者直言，在金融科技持續創新，金融交易日趨簡化之年代，未來 10 年傳統銀行可能會消失。面對此一衝擊，銀行之各分行唯有轉型為以「諮詢」及「銷售」為核心價值之角色功能，積極拓展非利息收益業務，方能在激烈 2.

(19) 競爭環境中，不會被市場淘汰。而影響提前清償顯著性因素之研究，可以協助銀行瞭解借款人提前決策行為，對提昇非利息收益業務有很大助益，因此，對於提前清償之研究益形重要。. 綜上所述，住宅貸款業務在銀行之整體授信業務中，佔有舉足輕重之地位，如能有效經營管理，可以衍生出很多非利收業務。借款人之提前清償是其主動的效用決策行為，銀行處於被動的地位，會影響銀行對住宅貸款業務的有效經營。銀行如能瞭解影響借款人提前清償之各項變數，透過數位資訊系統，諸如大數據分析、整合行銷分析、客戶經營系統等之分析，有效掌握借款人提前清償之決策. 政治大分行進行客戶關係管理（Customer Relationship Magement,CRM），有效拓展非利收業立行為，除可作為銀行總行規劃未來現金流量配置及其他投資決策外，並可提供各. ‧ 國. 學. 務。此乃引發本論文第二個研究之動機。. 二、研究目的. ‧. 基於上述研究動機，本研究藉由分析某金控銀行子公司住宅貸款資料，建構. Nat. sit. y. 複迴歸模型分析，找出影響住宅貸款提前清償之顯著性因素變數。並依實證分析. al. n. 1.. er. io. 結果，提出說明。本研究之主要目的歸納如下：. i n U. v. 探討 2008 年美國發生次貸風暴後，主管機關實施貨幣寬鬆政策、經濟成長不. Ch. engchi. 佳、房價普遍上漲之情況下，影響住宅貸款提前清償之顯著性因素。 2.. 分析住宅貸款提前清償顯著性因素，協助不動產抵押債權證券初級市場價值之訂價，及次級市場之評價。. 3.. 當借款人逾期償還貸款時可能發生違約，致銀行承受擔保品，對銀行而言是一項負擔，研究成果可協助銀行辨識房貸授信風險及資產負債表之管理。. 4.. 透過提前清償影響因素之顯著性分析，藉以瞭解借款人提前清償之決策行為以協助銀行分行經營模式轉型為「諮詢」與「銷售」功能。. 5.. 借款人提前清償將導致銀行爛頭寸增加銀行因去化資金壓力，恐釀成不當授信與投資研究成果可提供銀行總行規劃現金流量配置與投資決策參考。 3.

(20) 第二節. 研究範圍與方法. 一、研究範圍（一）研究對象根據中央銀行所分類之消費者貸款內容包括：購置住宅貸款、房屋修繕貸款、汽車貸款、其他個人消費性貸款、信用卡、循環貸款、機關團體職工福利貸款等。本研究之研究對象，為銀行房屋貸款借款戶。採用之資料為購置住宅貸款，包括理財型房屋貸款及一般房屋貸款兩類之資料。. （二）時間範圍. 政治大. 因人力、銀行資料儲存、及時間之限制，不易取得超過 10 年以上之提前. 立. 清償資料。所取得之樣本時間範圍為 2009 年 1 月至 2016 年 6 月之住宅貸款資. ‧ 國. 學. 料。本論文研究動機之一，是在探討 2008 年美國發生次貸風暴後，影響住宅. ‧. 貸款提前清償之顯著性分析，因此所採用之樣本資料應具時效性及攸關性。本研究所採行樣本期間，可涵蓋貨幣寬鬆政策、利率持續走低、經濟成長不. y. Nat. n. al. er. io. 階段。. sit. 佳、房價普遍上揚、主管機關選擇性信用管制等經濟景氣循環及金融變動之. （三）空間範圍. Ch. engchi. i n U. v. 本研究之空間範圍以某金控銀行住宅貸款提前清償資料為樣本。為充分表達不同區域之代表特性，分別取得台北二家、新北市二家、台中一家、高雄一家，具代表性分行之分行資料，並剔除無效樣本，並保留有效樣本進行實證分析。. 4.

(21) 二、研究方法（一）本研究透過回顧及整理有關影響住宅貸款提前清償顯著因素研究之相關文獻，以了解住宅貸款提前清償之影響因素，及相關研究所採用之實證分析模型與研究結論，俾作為本研究之理論架構、模型建立、實證分析之參考。（二）計量模型分析所謂迴歸分析指利用線性關係對事件進行解釋與預測。如用單一解釋變數預測依變數，稱為簡單迴歸（Simple Regression）。但通常在一個研究中，影響依變數的解是變項，超過一個以上時，就必須要建立一套包含多個解釋變項的多元迴歸. 政治大. 模型，同時納入多個自變項以便對依變數進行解釋與預測，這種做法稱為多元迴. 立. 歸（Multiple Regression）。. ‧ 國. 學. 由於本研究之依變數與解釋變數，除春節效應為類別變數外，其餘均為連續型變量資料，故採用複迴歸分析法，並應用 SPSS 統計軟體，進行迴歸分析。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 5. i n U. v.

(22) 第三節研究架構與流程一、研究架構（一）緒論確定本研究之研究方向，針對研究動機與目的提出說明，並就所確定之研究方向。擬訂研究範圍與研究方法。. （二）文獻回顧 1. 2.. 回顧住宅貸款提前清償之相關文獻，瞭解住宅貸款提前清償之意義，及影響借款人提前清償變數之相關屬性。分析文獻中個案研究所採用之各影響變數，研究之理論基礎，實證分析模型及分析結果，俾作為本研究變數選取及模型建構、分析結果之參考。. 立. 政治大. ‧. 本研究透過文獻回顧之整理、分析及文獻研究成果中，相互比較影響住宅貸款提前清償之顯著性因素，期找出關鍵變數，作為本研究之參考。本研究利用複迴歸模型，進行住宅貸款提前清償之顯著性因素分析。. io. sit. y. Nat. 2.. ‧ 國. 1.. 學. （三）研究設計. n. al. er. （四）實證初步結果與分析. Ch. i n U. v. 以複迴歸模型對樣本資料進行分析，並對分析結果進行說明。. （五）結論與建議. engchi. 整理彙總並說明本研究之實證分析結果，並提供後續研究者未來做為研究之參考。. 6.

(23) 二、研究流程. 本研究之研究流程如圖 1-1 所示。. 研究背景、動機與目的. 文獻回顧研究方法變數說明. 政治預期結果大. 實證模型. 立. 實證結果與分析. ‧ 國. 學. 結論與建議. ‧. 圖 1-1：研究流程圖. n. er. io. sit. y. Nat. al. Ch. engchi. 7. i n U. v.

(24) 第二章文獻回顧本章第一部分概要說明銀行之授信與經營，並介紹授信評估五原則，第二部分歸納整理相關文獻成果，作為本研究選擇變數與研究問題探討參考。. 第一節銀行授信與經營一、. 銀行之角色. 銀行業在整體經濟活動中扮演信用中介之角色，依銀行法之規定，係以. 政治大. 本身之信用為基礎，由社會之廣大階層，企業、家庭、個人等吸收資金，合. 立. 理貸放給資金需求者，協助其從事生產性或非生產性活動之需求，藉以促進. ‧ 國. 學. 整體經濟發展。銀行業是公益性極高之行業，其經營成敗不僅關係本身存續發展，亦將影響存款大眾權益及整體金融與經濟秩序之安定，其層面至深且. ‧. 廣。銀行業應將健全業務經營列為首要目標，授信業務為銀行重要業務之ㄧ，. Nat. sit. y. 亦為銀行收益主要來源。依據中央銀行 2015 年 6 月底公布之本國銀行資料顯. n. al. er. io. 示，來自授信資產的利息收入，佔總收益之 72%，授信業務的健全與否，深深影響銀行生存發展之根基。. 二、. 授信評估準則. Ch. engchi. i n U. v. 台灣在 1991 年開放銀行新設之前，傳統銀行之經營型態，分行扮演全功能角色，企業金融業務與消費金融業務並未分流。1991 年新銀行開放設立後，隨著金融市場的激烈競爭及外商銀行經營模式的引進，部份業者為了因應市場競爭，陸續以業務功能來區分組織型態。將授信業務區分為企金業務與消金業務。企金業務內容主要包括企業授信、金融商品交易、聯貸、併購、結構融資、資本市場（債券）承銷、債券附買回交易等。消金業務內容包括存、匯業務、中小企業授信、小額信用貸款、房屋貸款等。無論企金業務或消金業務主要收益均來自利息收益。授信客戶包括法人及自然人。授信戶經營成 8.

(25) 效之好壞，會影響其還本付息能力。因此，核貸前之徵信調查及授信風險評估至為重要。傳統上銀行對授信戶之評估皆採用五 C 原則，即資本（Capital）、能力（Capacity）、品格（Character）、擔保品（Collateral）、營業狀況（Condition Of Business）等。爾後，隨著經濟發展之變化，資金用途之多元化及計畫性融資（Project Finance）等之增加，銀行為了因應此一變化，在對授信戶之徵信調查紛紛改採五 P 原則以作為授信評估之準據，即： . 借款人因素（People）：對借款人個人之信用、資力、經營能力等評估，瞭解其債信情況及有無授信瑕疵紀錄等。. . 政治大. 資金用途（Purpose）：即融資之資金運用計畫，唯有充分瞭解借款人. 立. 之資金用途，方能評估其未來之還款能力。還款來源（Payment）：借款人的還本付息能力主要來自於其營運收益. ‧ 國. 學. . 及所得收入。銀行必須充分掌握借款人在授信期間是否有充足之資. ‧. 金來源償還借款，方能降低授信風險。. Nat. y. 借款人展望（Perspective）：即借款人信用、資力趨勢、產業發展遠景. sit. . . al. n. 高。. er. io. 等，如借款人資力衰退或產業遠景不佳，授信風險（違約）亦會提. Ch. engchi. i n U. v. 債權保障（Protection）借款人之還本付息來源主要來自於營運收益及所得收入，當中其無法依約還本付息時，銀行即可拍賣擔保品確保債權，因此擔保品的好壞，亦是重要之授信評估準則。. 9.

(26) 三、. 銀行經營回顧與展望. 台灣銀行業在 1991 年開放新銀行設立之前，整個銀行業（不包括信託投資公司、信合社、農漁會）是由公股行庫及世華聯合商業銀行及華僑商業銀行兩家民營商業銀行所形成之寡占局面。當時市場之平均存款、放款利差水準約 5%~6%之水準，利息收益為商業銀行最主要之獲利來源。 1991 年起，主管機關陸續開放 16 家民營商業銀行、工業銀行、合融控股公司之設立。如表 2-1。從此市場競爭日趨激烈，市場平均利差降至 3%~4%水準。1998 年發生亞洲金融風暴，影響甚為深遠，部分民營商業銀行經營績效不佳，在主管. 政治大. 機關政策指導下，部份經營績效不佳之商業銀行分別為市場同業所購併，唯整個. 2001 年金融控股公. 通過信託業併法，鼓勵金. 行設立. al. 2000 年. y. 開放工業銀. io. 行新設立. 2000 年金融機構合. Nat. 開放商業銀. 1998 年. ‧. ‧ 國. 1991 年. 學. 表 2-1 銀行設立沿革. sit. 立. 司法成立金. 法. 融機構合併. er. 市場競爭仍十分激烈。. 融控股公司. n. v i n Ch 為了擴大銀行規模，健全銀行經營，2001 i U e n g c h年台灣通過金融控股公司法，開放. 成立金融控股公司，其組織結構包括壽險、銀行、證券等子公司，迄 2016 年止計有 14 家金融控股公司。成立金融控股公司之目的，係著眼於交叉整合行銷，以發揮整合綜效。並提昇、經營效率。由於台灣幅員狹小，金融業家數眾多，因此市場競爭依舊激烈，市場平均利差逐年降低，目前約 2%~3%，由於傳統利息收益，日趨減少，銀行業為提升收益，近幾年來紛紛大力推展理財業務，賺取手續費收入。期以非利息收益之增加，彌補利息收益之衰退。. 10.

(27) 2008 年美國發生次貸風暴，各國政府為了挽救經濟，紛紛實施貨幣寬鬆政策，市場資金浮濫，利率持續探底，甚至出現負利率情勢。影響所及市場平均利差水準約達 1%水準，銀行經營倍感艱困。同時，全球反恐及防制洗錢措施監理趨嚴，亦大幅增加法令遵行成本。易言之，銀行經營現階段正面臨獲利日益衰退，營運風險增高及監理機關監理日趨嚴格致大幅增加管理成本之鉅大挑戰。在面對這劇烈變化的時代，國際知名企管顧問公司麥肯錫顧問公司對台灣銀行業之經營提出下列建議----提供高效率專業服務、數位引領下，實現以“客戶為中心”之目標。包括：（一）客戶中心：瞭解客戶需求，提供合適的服務訴求，並創造好的客戶. 政治大. 體驗，願以本行為主要往來銀行。. 立. 高效專業：營運作業集中，實施客戶分流，加強通路管理。整合中. ‧ 國. 學. （二）. 後台，透過簡易自動化流程，徹底改造客戶歷程。. ‧. （三）. 數位引領：主要臨櫃交易包括現金存入、轉帳、現金提取、匯款等. Nat. sit. y. 透過自動化通路完成。利用數位通路發展新商業模式，與客戶往來互動，. n. al. er. io. 並協同帶領端到端的客戶歷程。. Ch. engchi. 11. i n U. v.

(28) 第二節文獻回顧本研究利用研究報告、專書期刊、碩士論文等方式蒐集國內外相關文獻，針對研究者之研究動機、研究目的、研究結論等面向，加以分析、歸納、整理。作為本研究論述及整體研究架構之基礎。本章文獻回顧共分三節。第一節蒐集、整理相關文獻，並就研究內容、動機、方法、目的等予以彙整摘述，期能分析、列舉出對本研究有助益之各項因素及值得繼續研究之方向。第二節各研究結論之交叉比較分析。第三節小結。評述提出自己之看法，並作為本研究方法與分析理論之基礎。. 一、國內外房貸及證券化提前清償之相關研究. 政治大. 住宅貸款提前清償與違約行為之研究主要在協助不動產抵押債權之評價。透. 立. 過實證分析模型之建置，以探討影響提前清償與違約行為之相關變數，俾利於不. ‧ 國. 學. 動產抵押債權證券之現金流量預測，及銀行資產負債管理。. 在國外，不動產抵押債權證券無論在證券發行面、法令制度管理面、及市場. ‧. 行銷面等已相當健全。國外學者對於提前清償與違約行為之研究文獻相當豐富。台灣於 2002 年通過金融資產證券化條例，其立法目的在發展國民經濟，透過證券. y. Nat. sit. 化提高金融資產之流動性並保障投資。另，為發展國民經濟，藉由證券化提高不. n. al. er. io. 動產之流動性，增加不動產籌資管道，以有效開發利用不動產，提升環境品質，. i n U. v. 活絡不動產市場，並保障投資，復於 2003 年通過不動產證券化條例，顯見主管機. Ch. engchi. 關對於不動產證券化之重視。上列金融資產證券化條例及不動產證券化條例通過後，台灣金融業者亦陸續發行多檔不動產投資信託（Real Estate Investment Trust,REIT）及不動產資產信託（Real Estate Asset Trust,:REAT）。發行當時，亦曾蔚為一股風潮。自此以後，國內學者陸續投入不動產抵押債權證券化之研究，並呈現出不錯之研究成果。國、內外文獻中對於不動產抵押債權證券化之研究已建立了不少實證分析模型，本研究透過相關文獻之回顧，分析其因果關係，找尋影響住宅貸款提前清償之相關變數，以期建置實證分析模型。. 12.

(29) 劉展宏（2001），研究者係以借款人「效用極大化之選擇行為」理論為基礎，分析借款人決定選擇提前清償貸款行為之顯著因素，其採用之統計分析方法，係先以因素分析（Factor Analysis）方法，解決資料中各變數間複雜的組合形式進行分析，再利用羅吉斯迴歸進行迴歸分析，其研究變數包括性別、借款期限、契約利率等 21 種變數。經因素分析結果影響提前清償之因素依序為住宅價格、貸款條件、借款人因素、職業、教育程度、住宅特徵等 6 項。而貸款條件因素與提前清償為正相關；住宅價格因素與住宅特徵因素與提前清償為負相關。實證結果發現，顯著因素包括住宅價格、貸款條件、住宅特徵。不顯著因素包括職業及教育程度。另利用前述之資料從提前清償機率面向，探討購屋貸款提前清償之機率，研. 政治大. 究發現當借款期限至第 10 年時，提前清償達 99.96%。. 立. 李景文（2004），研究將其研究變數切割成三個層面，包括借款人基本條件、. ‧ 國. 學. 銀行核貸條件、擔保品屬性等，合計之變數則包括：性別、年齡、教育….等 17 個變數。統計分析方法採羅吉斯迴歸模式。利用台灣某商業銀行購置住宅貸款及房. ‧. 屋修繕貸款之樣本資料，建置 Logistic 模型，分析借款人提前清償模式，探討影響. y. Nat. 借款人提前清償因素，期對銀行資產負債管理，房屋抵押債券證券評價有所助益，. io. sit. 研究結果指出年齡、月收入、貸款金額、期限、核貸利率、信用評分等與提前清. n. al. er. 償為正向關係，貸款成數與付款所得比呈負向關係。其在結論中建請主管機關應. i n U. v. 仿效國外機構建置有關貸款提前清償、房屋市場、借款人特質分析、貸款性質等. Ch. engchi. 資料庫。另外，並建議將消費性貸款債權（諸如應收帳款、助學貸款等）予以證券化更值得銀行研究推廣，以增加產品之多樣性。陳健豪(2004)，研究者認為，提前清償與違約對借款人而言，是一種選擇權。對銀行經營會有影響，銀行如能建置提前清償與違約發生機率之預測模型，對營運管理應有助益。另，就不動產抵押債權證券商品而言，如能有效預測借款人提前清償與違約機率，對於投資風險之降低應有助益。利用某金控公司所承作之住宅抵押貸款資料，採用羅吉斯迴歸（Logistic）模型，進行實證研究分析。將影響抵押貸款提前清償與違約區分為利率與非利率兩個層面。在利率變動不大之情況下，非利率影響層面之分析更為重要。其研究結果顯示，貸款規摸、貸款期間、貸款類別、等與提前清償成顯著正向關係。貸款 13.

(30) 償還方式、貸款年齡則成不顯著之關係。夏季提前清償之機率，明顯高於其他三季（季節性因素）。王雲清（2005），以 Binary Logistic 迴歸模型分析台灣某銀行房貸資料以探討影響房屋貸款提前清償之關鍵因素，並採用較多與利率相關之變數資料，利用羅吉斯迴歸分析，探討與提前清償有關之顯著性變數，其將自變數區分為與利率相關知自變數包括期初利率、期末利率…..等六個自變數，及與利率無關之自變數，包括性別、年齡、資金用途……等十四個自變數。再利用 Logit 分析變數顯著性，實證結果發現，平均利率、償還方式、期初利差、降息速度快慢等與提前清償呈現顯著且正向關係，貸款屬性、平均利差、以借月數等呈現顯著且負向關係，不顯著因素包括性別、年齡、期末利率、期末利差等。研究者認為樣本來源之資料庫，無法納入所有與提前清償有關之變數，研究模型實際上不易反應社會環境的變化，. 政治大. 期待後續研究者能引入更適當之變數以提昇預測模型可具代表性。. 立. 陳小萍（2007），探討在利率緩步上升之情況下，何種客戶、抵押品種類及貸. ‧ 國. 學. 款條件下，借款人會有提前清償行為，並分析不同產品類型與客戶間之關聯性及影響房貸利率訂價之因素，以作為銀行現金流量管理與授信風險之參考。另，建. ‧. 議後續研究者對失業率、房價指數、景氣循環、週期等納入模型進行分析，已獲. y. Nat. 得更加之研究成果。. io. sit. 利用某人壽保險公司之房屋貸款資料，以羅吉斯迴歸分析法因素外，並從房. n. al. er. 貸客群之特性、抵押品種類、貸款條件等因素，分析房貸客戶之提前清償行為。. i n U. v. 研究結果顯示，貸款金額、保戶資格、加碼利率、寬限期等呈現顯著正相關係；. Ch. engchi. 貸款成數、借款期限、契約利率等呈現顯著負向關係，至於性別、年齡、還款月收入、月付金、年收入、職業、使用現況及負債比等因素並不顯著。許玉枝（2011）認為研究提前清償之主要目的在於瞭解房貸提前清償之原因，及協助不動產抵押債權證券之評價。其亦擬以科學方法建置「授信提前清償風險評估預測模式」，以降低銀行營運成本、提昇盈餘，另外，在激烈之金融競爭環境下，提前清償因素之探討，可提供做為檢視客戶對銀行忠誠度之參考。至於在研究方法方面本論文研究者建議未來研究者可採用其他統計方法（非 Logistic），並納入總體經濟變數、政府政策影響程度等進行研究分析，以增加研究參考價值。利用台灣中部某銀行 5 家分行之房屋貸款資料，採用羅吉斯迴歸分析法進行實證研究分析。首先將基本資料（年齡、學歷、婚姻等）、貸款承作條件、擔保物 14.

(31) 等資料進行分析，再採用逐步回歸法，將變數組合逐次納入再依實證結果進行綜分析。再其模型解釋變數中，職務、利率條件、建物種類與提前清償呈顯著正相關。屋齡、學歷、年齡、所得、買賣價格所得比呈顯著負相關。保人有無、平均加碼、現況等則呈現不顯著關係。林左裕（2014），當市場利率下跌時，提前清償風險則是不動產放款（尤其是固定利率放款）中最為常見的，借款人可能因為新的資金成本較低而將原先較高利率的貸款提前清償，再以較低的利率借款，即「重新融資」（Refinancing）或「借新還舊」，此與債券發行公司將流通在外的債券贖回（Call）的做法極為類似。事實上，借方在低利率時期借新還舊的行為常會影響銀行（貸方）的現金流量及營運規劃，而且突然激增的回收貸款額，可能造成銀行資金浮濫，致使銀行在低利率時期面臨「再投資風險(Reirvestment Risk)」。. 政治大. 然而除了利率下跌外，當借款人搬遷或繼承大筆遺產時，均可能引發住宅貸. 立. 款提前清償之行為，因此銀行也有預測提前清償機率的必要性，俾利衡量授信風. ‧ 國. 學. 險。. 對於確定不會影響提前清償的借款人而言，貸款利率中隱含提前清償風險溢. ‧. 酬顯不合理。因此借貸雙方若能約定未來借款人確定不提前清償，銀行因可免除. y. Nat. 借款人提前清償之風險，因而調降放款利率，借款人也因此可享受較低之房貸利. io. sit. 率。另外，除了利率因素外，貸款歷經年限（Age）、季節循環（Season Cycles）、. n. al. er. 疲乏效果（Burnout Effect）、是否為信用良好之機構所擔保之貸款、總體經濟情況、. i n U. v. 地域性之差異性，均會影響借款人之提前清償。總之，影響借款人提前清償之因. Ch. engchi. 素眾多，因此估計提前清償率其困難度也因考慮因素之複雜程度而增加。劉展宏、張金鶚（1999），採用效用最大理論研究首次購屋及一般購屋提前清償之比較研究，除借款人後第一、三、四年外，一般購屋提前清償機率小於首次購屋提前清償機率。郭姿伶（2000），對房貸提前清償與逾期還款作研究，其實證結果顯示，借款人的提前清償行為深受利率及房價變化因素影響。林哲群、張家華，房貸借款戶基於本身資力考量，可再貸款期間選擇正常授信還本息、違約或提前清償，因此所對應的統計方法相對複雜。從銀行觀點而言，及稱作為「競合性風險」。競合性風險資料的特徵，促使研究者採用羅吉斯迴歸做研究。 15.

(32) Perry,Robinson,and Rourland(2011)，在不動產抵押債權提前還款風險研究中有幾點結論。即借款人的提前還款行為會受到下列因素之影響： 1.. 固定利率貸款期限：借款者會因為利差之原因，放棄固定利率貸款亦即借新還舊。. 2.. 房價通膨：當房價通膨升高，房屋之移轉交易數量增加，由於房屋市場中交易數量之增加。. 3.. 利差：高利差會激勵借款者前還款，但利率變動的影響並非線性關係。. 4.. 提前還款手續費：即提前還款收取一定比例之違約金，契約中訂有提前還款須繳納一定比率之違約金，此種約定會抑制借款人之提前還款行為。. 5.. 再融資之動機取決於固定利率支出與基準利率之不同。房屋仲介人員如有更好的交易會鼓勵借款人借新貸款提前償還舊貸款。. 政治大. Li,and Kuang（2012），以中國之貸款資料為範圍研究中國借款人之提前還款行為。. 立. 以 logist 模型分析指出對中國借款人而言房屋升值率（housing appreciation rate）及. ‧ 國. 學. 股市表示是重要變數。模型指出在不同的團體中有不同的提前還款行為。例如，購置新屋者對貸款成數較不敏感，當借款人貸款成數（LTV）較高、貸款利率較高、. ‧. 貸款金額較高等惠使還款加快。貸款年限愈長，成本愈大的借款人會傾向於提前. y. Nat. 清償。借款人收入、年齡、已婚男性與提前清償成負向關係，流動資產高的家庭，. io. sit. 較有可能提前清償，唯這種家庭也可能因有較豐富的投資經驗，有更多的投資替. n. al. er. 代性而不喜歡提前清償。年長借款人、單身者、男性借款人也不傾向提前清償。. i n U. v. 另外，借款人提前清償的決定與總體經濟亦具有關聯性。當股市表現不佳的. Ch. engchi. 時候，借款人會重新決定期資產配置而提前清償。GDP 成長率呈現顯著之負向關係，針對此點亦產生了疑惑，因為借款人居住於經濟蓬勃發展地區，應較有能力提前清償，但相對的借款人也面臨高成本房價，這樣也會抑制借款人提前清償。由於利用大量小額貸款資訊分析中國貸款提前還款模式，又缺乏未成熟貸款市場（Immature Mortgage Markets）之文獻，致研究結果缺乏普遍性。 Hakim(1994)，利用全國性為樣本範圍，隨機選擇 6248 個貸款案例做分析，在貸款合約中借款人提前還款違約兩種選擇會影響貸款的價值與收回貸款的安全性。借款人違約的動機在於抵押資產的淨值。提前還款的風險是利率模型的變數，也是總體經濟學、人口統計學和地理學的變數。研究重要的部分在於確認兩種影響借款人提前還款的動機。即財務因素即自發性之因素，多變的財務、社會經濟和區 16.

(33) 域性因素會影響房屋持有者提前還款和違約的決定。研究分析中解是變數包括區域、一季、貸款期限、貸款的 LTV 比率、區域房價指數報酬等，根據結果指出，提前償還與違約行為在不同區域會有所不同，再融資機會於解釋提前清償扮演重要角色。LTV 比率、房價變動顯著影響違約行為，房價報酬指數的變動會顯著影響違約行為。 La Cour-Little（1999），將樣本資料區分為貸款特性（Loan characteristics）、擔保品特性（Collateral Characteristics）、借款人再融資動機（Refinancing Incentive）等面向以 Logit model 做分析，預測借款人之提前清償。之前再貸款提前清償的研究中，受到資料限制的阻礙，尤其是無法區分提前清償的不同來源：借款者的移動、流動性需求、再融資利率期間的利率壓迫性等。剔除借款人的移動性和流動性需求因素後，貸款和借款人特性明確的增加模型的說. 政治大. 明力道。當非利率因素驅使提前還款之原因被排除在外，借款者和貸款特性可更. 立. 明顯看出來。結論指出借款者特性影響貸款提前清償風險。雖然在區域內提前清. ‧ 國. 學. 償之選擇，主要是價格因素。另，當提前清償的選擇是價格或非價格因素（In-or Out-of-the-money）時，借款者和貸款特性有著極大的不相關。. ‧. Schwartz and Torous（1993），利用廣泛和地理區域散佈的單一家庭固定利率貸款樣. y. Nat. 本去評估單一房屋持有者（Individual Homeourners）的提前清償和違約行為。採利. io. sit. 用 Poisson 迴歸模型進行分析，. n. al. er. 研究者以 Freddie Mac 所提供的廣泛提前清償和違約資料來做分析。這些資料可作. i n U. v. 為貸款來源、貸款起始的 LTV 比率、和其他變數的衡量。其他主要變數包括貸款. Ch. engchi. 期限、一季、較好的再融資利率相對於原始的折價利率、房價指數報酬和變異性、再融資利率行為等。結果指出，提前清償和違約在重要區域並不相同。再融資機會扮演一重要角色來解是提前清償。當起始 LTV 比率和房價差亦顯著影響違約。房價指數報酬變異性對違約有著很大的影響。另，貸款期限再解釋提前清償和違約也占著重要角色。，利用日本一家商業銀行（Asahi Bank）自 1995 年 1 月 1 Sugimura Toru（2003）日起至 2000 年 6 月 30 日止之資料做分析。研究者指出，在日本不動產證券化市場仍是不成熟的。即使有充分的資料，要檢視應用在日本貸款上，因為產品的性質和借款人的還款行為是不同的。其整個分析模型式用全部提前還款、部分提前還款、代替還款（Subrogation）模式建立。經驗分析結果指出，風險評估模型基本上 17.

(34) 取決於提前還款模式。另外也指出透過提前還款模式的區分及市場利率的路徑變量（Path-dependent covariates）採用，可以提升模型的適合度。研究結果指出，假使參數模型（Parametric proportional hazards model）是正確的，提前還款可能性的期間結構在長其是可被預測的。同時，將抵押貸款利率與市場利率的比率當作變量，加入為路徑依賴共變以改進模型的擬合，這種改善似乎歸因於變量的路徑平穩效果。另外，貸款的持續期間也用來當作變量，其結果被驗證在解釋提前還款可能性中有高度相關性。. 二、各研究文獻之結論及比較本研究利用交叉比對方式，整理、分析各研究結果之差異性。冀能從文獻回顧中析列出影響住宅貸款提前清償之顯著與不顯著因素，以作為本研究決定自變. 政治大謹將各文獻研究結論中之變數名稱、顯著、不顯著、正向關係、負向關係等立. 數參考。. ‧ 國. 負向關係. 2. 1. 1. 1. 3. al. n 貸款規模(金額). 3. 貸款期間. 2. 貸款年齡(10 年以上) 貸款年齡(10 年以下) 貸款償還方式. Ch. 2. e n g c h2 i. 1 1. 1 1. 18. sit. 貸款成數. y. 正向關係. 2. er. 不顯著. ‧. 顯著. Nat. 貸款金額. 表 2-2 變數顯著性比較表. io. 變數名稱. 學. 項目，予以整理如表 2-2 所示：. i n U. v. 1. 附註.

(35) 變數名稱. 顯著. 契約利率核貸利率. 正向關係. 負向關係. 3. 2. 1. 1. 1. 加碼利率. 不顯著. 1. 基本放款利率. 1. 1. 市場利率. 1. 1. 利率機動或固定. 1. 1. 期初利率. 1. 1. 期末利率. 1. 1. 加碼利率. 1. 1 1. 1 1. 1. Nat. 1. 年結餘. 1. 1. io. 年支出. al. n. 借款期限. 2. 月收入. 1. 買賣價格. 3. 估價價格. 1. 初貸金額. Ch 1. 1. e n g c h1 i. 1. 1. 1. y. 1. sit. 2. ‧. 年收入. 1. er. 資金用來購屋. 立. 政治1 大. 學. 資金用途. ‧ 國. 平均利率. i n U. v. 1. 2 1. 1. 寬限期. 1. 1. 償還方式. 2. 2. 償還來源. 1. 1. 19. 附註.

(36) 變數名稱. 顯著. 不顯著. 正向關係. 還款限制期. 1. 1. 1. 付款所得比. 2. 1. 2. 住宅面積. 1. 住宅型態. 1. 1. 1. 1. 地區別. 2. 1. 季節性因素. 1. 1. 撥貸方式. 立 3. 治政 1 大 4 3. 2. 1. 1. 1. ‧. 職業. 1. 3. 1. Ch. 1. al. n. 信用評分. 1. 屋齡. 4. 有無保證人. 1. e n g c h1 i. 1. sit. 1. er. Nat. 2. io. 2. y. 2. 婚姻. 是否為保戶. 學. ‧ 國. 性別. 教育程度. 1. 1. 訂約月數. 學歷. 附註. 1. 房貸類型. 年齡. 負向關係. i n U. v. 3. 2 1. 1. 平均加碼. 1. 房屋現況. 1. 提前清償罰款. 1. 經由以上表列分析可發現，同一自變數對應變數之顯著性影響，在不同研究者採用相同之研究方法（Logistic）之下，卻呈現出不同之結果。如前所述，提前清償對借款人而言是一種選擇權。借款人會在效用極大化及 20.

(37) 自利之出發點下，決定其提前清償之時機點。易言之，當借款人在決定是否提前之決策時，會受到個人資力情況，總體、個體經濟變化、政府政策、銀行授信政策改變等因素影響，由於這些經濟與非經濟因素長期而言是變動不定的，借款人提前清償在不同時間點，對是否提前清償做最有利於己之決定。這種情形可能是造成各研究理論呈現互不相同結果之原因。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 21. i n U. v.

(38) 三、小結文獻回顧的目的在啟發後續研究者新的思維，擴大及深化研究主題，協助其在研究領域上有新的突破及發展。本研究針對以上文獻資料，予以整理、比較分析後，提出下列幾點看法：（一）、研究方法皆採用羅吉斯迴歸（Logistic）分析由於個別樣本資料不易取得，研究者不易進行借款人量化之資料分析。（二）、研究內容未討論部分提前清償借款人提前清償包括部分提前清償及全部提前清償。提前清償是借款人在房貸借款期間之選擇行為。除全部提前清償外，部分提前清償之決定亦會受總體經濟變數，如：經濟成長率、貨幣供給額等及個別變數，如：所得收入變. 政治大（三）、變數分析中較少納入經濟影響變數立. 動等之影響，研究分析如能納入部分提前清償資料，對研究成果應更有助益。. ‧ 國. 學. 借款人的財力會影響其提前清償之能力。經濟成長情況及景氣榮枯會影響借款人之所得，因此，加入經濟影響變數，對研究分析應有所幫助。. ‧. （四）、同一個變數之顯著性，呈現不同之結論. 各別研究者對同一變數（如貸款成數等）之實證分析，卻呈現不同之結論。. Nat. sit. y. 此種結果或許是時間、空間及樣本資料不同所致，值得分析探討。. er. io. （五）、探討提前清償之研究目的，皆集中在協助不動產抵押權證券之評價及現金. al. v i n Ch 不動產抵押債權證券化在國外之發展，無論在法規上、證券市場上、交易、 engchi U n. 流量之管理。未能思考將研究成果用於協助銀行在「收益面」之經營。. 保險設計、代理人之管理、風險評估、民眾接受度上皆十分完備。台灣為了健全發展資本市場，2003 年通過「不動產證券化條例」，同年頒布施行。當時在證券市場上亦曾造成一股風潮，台灣某三大壽險公司分別發行數檔不動產投資信託（Real Estate Investment Trust,REIT），及不動產資產信託（Real Estate Asset,REAT）等證券化金融商品。在當時之時空背景下，對房貸提前清償與不動產證券化商品相關性之研究甚為熱門。唯 2008 年美國發生次級房貸風暴後，台灣不動產證券化商品亦深受影響。目前僅剩有土銀富邦 R1、土銀富邦 R2、上銀國泰 R1、兆豐國泰 R2、兆豐新光 R1 等五檔受益憑證尚在台灣證券交易所流通買賣。當初主管機關係擬藉由證券化以提高不動產之流動性，為了吸引大眾投資， 22.

(39) 對商品之配息所得採用百分之六分離課稅優惠，唯在台灣不動產證券商品發展迄今，整個交易市場無論在股價表現或市場交易量方面，均顯得格外冷清，究其原因，約可歸納下列幾點因素：（一）商品結構複雜，一般投資大眾不易瞭解。由於受益憑證投資收益之計算方式較為複雜，專業投資機構及專業投資人容易瞭解，至於一般投資大眾因對其不易瞭解，故對不動產證券化商品興趣不高。（二）股價波動性不大，不易賺取差價。難以吸引短線投資人進場操作，致市場交易量不易擴大。（三）相較於其他債券型商品，其投資報酬率不高，專業投資機構不願長期投資。. 立. 政治大. （四）不動產長期基本面不佳，影響股價上漲潛力。. ‧ 國. 學. （五）主管機關為平息民怨抑制房價上漲，由於不動產證券有營建股特質，致股價表現不佳。. ‧. （六）近幾年來商辦租金率持續調降，投資報酬率降低，無法獲得投資人青睞。. Nat. sit. y. 綜上，如同本研究第一章所述，住宅貸款提前清償之研究，主要在協助不動. n. al. er. io. 產抵押債權之評價，在台灣不動產證券化商品短期內無論從投資人投資意願及市. i n U. v. 場表現雖不熱絡，唯依國外長期之發展經驗來看，仍有其發展潛力。同時，從另. Ch. engchi. 一個角度來思考，銀行業在未來將面對更激烈競爭之局面，銀行如能探討影響住宅貸款借款人提前清償之顯著因素，再透過資訊科技之分析研究，瞭解借款人之還款行為，亦可將研究成果提供銀行分行業務經營及總行規劃現金流量及投資決策之參考。因此，對於住宅貸款提前清償影響因素之顯著性分析，仍有其研究價值。. 23.

(40) 第三章資料分析與研究設計本研究利用複迴歸模型探討住宅貸款提前清償因素之顯著性分析，透過文獻回顧分析以掌握影響提前清償之原因，按研究設計進行迴歸分析，以找出影響住宅貸款提前清償之顯著性因素。. 第一節模型建構本研究首先對樣本資料整理、歸納、分析，於選擇變數後，針對個別變數分別予以定義及說明，並預期各自變數與應變數間之正負相關性，以瞭解整體樣本資料特性，以利研究分析。. 立. 政治大. 本研究採用複迴歸分析建構統計分析模型，說明如下：. ‧ 國. 學. 一、迴歸分析簡介. ‧. 統計在社會科學上的應用之一，就是在做預測，研究者在做預測的時候，首. sit. y. Nat. 先須蒐集資料，然後建構模式，再由所蒐集的自變數值，以求出依變數值。迴歸. io. er. 分析即是在找出變數間的關係數。變數一般可以分成二種。其中一種變數稱為自變數（Independent Variables）以 X 表示，另一種變數稱為依變數（Dependent Variables）. n. al. 以 Y 表示。. Ch. engchi. i n U. v. 學理上所稱的建立模式（Modeling），即在求出依變數 Y 與自變數 X 間知函數關係式。即 Y=. 。. 函數為線性函數，則. β 0+β 1χ 。若以方程式表示簡單線性迴歸（Simple. Linear Regression）可以 y=β 0+β 1χ 表示。其中β 0 係迴歸線在 y 軸上的截距，β. 1. 係迴歸上的斜率，又稱為迴歸係數（Regression Coefficient）。複迴歸又稱多元迴歸（Multiple Regression）是探討當有二個以上之自變數時，自變數如何影響依變數。 y 對 χ 1………χ N 之複迴歸模式：y：依變數，χ 24. χ 2………χ N：自變數。. 1、.

(41) y=β 0+β 1χ 1+β 2χ 2+……..+ β nχ n+ε i，ε i：殘差值。. 二、模型建構及說明本研究採用複迴歸分析，運用 SPSS 統計軟體，將所有自變數同時納入模型中，對依變數進行顯著性估計，以探討各變數對住宅貸款提前清償顯著因素之影響。本研究樣本來自於某金控銀行六家分行，考量地區代表性，包括台北市二家、新北市二家、台中市一家、高雄市一家等六家分行。依據中央銀行貸款分類標準，消費者貸款包括；購置住宅貸款、房屋修繕貸款、汽車貸款、其他個人消費性貸款、信用卡循環餘額等。本研究資料限定於購置住宅貸款所蒐集樣本總數 585 個，依放款性質別包括：. 政治大. 1.. 理財型房屋貸款：中期擔保放款（一年以上，七年以下）。. 2.. 一般房屋貸款：短期擔保放款（放款期間一年以下）、中期擔保放款. 立. ‧ 國. 學. （一年以上，七年以下）、長期擔保放款（七年以上）。. ‧. 基於房屋屬於固定資產及樣本涵蓋期間之考量，剔除理財型房屋貸款中之短. n. er. io. al. sit. Nat. 個樣本，合計有效樣本 329 個，以作為迴歸分析之用。. y. 期擔保放款，及一般房屋貸款中之短期擔保放款，再加上部分無效之樣本，計 256. Ch. engchi. 25. i n U. v.

(42) 第二節變數說明（一）應變數說明本研究提前清償包括部份提前清償與全部提前清償。所謂全部提前清償係指借款人在授信契約所訂定之授信期間（貸款期間）內，在授信契約時間到期前一次提前清償全部貸款餘額。所謂部份提前清償係指借款人在授信期間內，有二次以上之提前清償部分本金，除最後一次之全部提前清償本金外，其他次數之提前清償本金，皆屬部份提前清償。迴歸方程式依變數為ㄧ比率，分子為當期之「提前清償額度」；分母為「貸提前清償額度. 款本金」，（即 Y=貸款金額本金. 立. 政）。治大. 自變數則從文獻回顧中及參考相關資料後，確定共 14 種自變數，如表 3-1. ‧ 國. 學. 所示，包括發行量加權股價指數（χ 1）、失業率（χ 2）、貨幣供給額（χ 3）、. ‧. 國內房價指數（χ 4）、定儲利率水準（χ 5）、貸款成數（χ 6）、所得負債比（χ ）、春節效應（χ 8）、存續期間（χ 9）、市場利率 M2 水準（χ 10）、國內生產毛. 7. y. Nat. n. al. er. io. 有關變數說明表列示如下. sit. 額（χ 11）、月收入（χ 12）、核貸利率（χ 13）、貸款金額（χ 14）等。. i n U. 表３－１變數說明表. Ch. 變數類型. 變數代號. 變數名稱. 應變數. Y. 提前清償比率. 自變數. X1. 加權股價指數. engchi. 說明. v. 預測符號. 提前清償額度. 資料擷取來源本研究整理. 貸款本金台灣證券交易所發行＋. 台灣證券交易所. 一. 行政院主計處. ?. 中央銀行. ?. 信義房屋. 量加權股價指數 X2. 失業率. 主計處公布之失業率貨幣發行數量，M2,即：. X3. 貨幣供給額 M2,＝M1B＋準貨幣. X4. 國內房價指數. 信義房價指數 26.

(43) 台銀、土銀、合庫、一 X5. 定儲利率水準. 銀、華銀等五大行庫平＋. 中央銀行. 均值貸款金額佔房屋價值 X6. 貸款成數. ？. 本研究整理. ＋. 本研究整理. ＋. 本研究整理. －. 本研究整理. 之比例借款人平均月收入佔 X7. 所得負債比月負債之比例. X8. 春節效應. 春節：1；非春節：0 提前清償日距撥貸日. 貸款存續期限. 立. ‧ 國. ?. 國內生產商品與勞務. (GDP). 之總值. 月收入. 借款人平均月收入. X14. ‧. 國內生產毛額. al. 核貸利率. 貸款金額. Ch. engchi. sit. i n U. 銀行授信契約核定之利率. 主計處. y. ＋. n. X13. 中央銀行. 平均利率. io. X12. 一年期定期儲蓄存款. 市場利率. Nat. X11. 原始期限之比例. 學. X10. 治政之日數（期間）佔契約大. 銀行核准貸放之金額. ？. 本研究整理. ＋. 本研究整理. －. 本研究整理. er. X9. v. 一般統計研究分析，研究者可利用 SPSS 統計軟體，進行迴歸分析。本研究採用複迴歸模型進行迴歸分析。迴歸分析結果可作為自變數對依變數整體解釋利與顯著性考驗。. 27.

(44) （二）自變數說明影響住宅貸款提前清償變數之選取，按照前述文獻回顧資料，大致上可以利率與非利率兩大因素為區分標準。非利率因素包括住宅價格因素、借款人身分、信用條件、資料，貸款類別條件等不勝枚舉。本研究變數之選取，除參酌銀行徵信報告書、消費金融授信簽報書、借款人質量化評等表等，並比較國內外文獻回顧中影響住宅貸款提前清償之相關變數外，並就影響借款人收入及銀行核貸考量之攸關因素，審慎決定。謹就自變數內容及預期結果說明如下-----. 1.. 加權股價指數. 政治大. 發行量加權股價指數（簡稱加權指數，TAIEX）是由台灣證券交易所所編製的. 立. 股價指數，是國內最為人熟悉的股票指數，2008-2016 年加權股價指數如圖 3-1 所. ‧ 國. 學. 示。被視為是呈現經濟走向的櫥窗。其編制之基礎係以 1966 年為基期，基期指數. ‧. 設為 100。台灣證券交易所採用「柏謝加權算式」（Passche Formula），與美國 S&P500 的公式相同，是反映整體市場股票價值變動的指標。其係以上市股票之市值當作. y. Nat. n. al. er. io. 全額交割股票除外。. sit. 權數來計算股價指數，採樣樣本為所有掛牌交易中的普通股，但初次上市股票予. 其計算公式為；. Ch. engchi. i n U. v. 發行量加權股價指數=（當期總發行市值/基值）X 基期指數當期總發行市值為各採樣股票價格乘以發行股數所得市值之總和，因此發行公司的市值愈高，佔指數的權重就愈高，這就是典型的權值股。發行量加權股價指數係以 1966 年為基期，基期指數設為 100，其採樣樣本除特別股、全額交割股外，其餘上市股票均包括在內。發行量加權股價指數的特色是股本較大的股票對指數的影響會大於股本小的股票，市值高者如台積電、鴻海、國泰金及中鋼、台塑等更是其中的重要代表。新上市公司股票納入指數計算，得以當時上市股數為準，且於上市當月過後隔兩月的第一交易日才列入統計。如果成分股進行除權、新股權利證書上市、可轉換特別股轉換為普通股…..等，基值就會進行調整，以維 28.

(45) 持加權指數之連續性，但除息時則不調整基值，直接扣減，形成「指數蒸發」現象。股市為經濟之櫥窗，反應經濟景氣榮枯。當股票市場上漲後，會產生財富效果現象，即投資人基於風險考量，會移轉部分資金至不動產市場，導致不動產價格上漲。當資產價格上漲後，通常會刺激消費，進而提振經濟成長。股票加權股價指數高代表經濟活絡，民眾購買力及消費需求旺盛，不動產交易增加，所得亦增加，預期對借款提前清償有正向影響。反之，對提前清償有負向影響。. 加權股價指數 9,307 8,973 8,612 8,338 8,188 8,653 7,700 7,524 7,329 7,072 9,3939,323 8,000 6,432 8,667 8,062 6,000 4,591 7,296. 政治大. 10,000. y. sit. 資料來源：台灣證券交易所. io. 資料期間：97 年~105 年 6 月. n. al. Ch. engchi. 29. er. Nat. 圖 3-1：加權股價指數. i n U. v. 105Q2. Q4. 104Q2. Q4. 103Q2. Q4. 102Q2. Q4. 101Q2. Q4. 100Q2. Q4. 99Q2. Q4. Q4. 98Q2. ‧. 97Q2. 學. 4,000. ‧ 國. 立.

(46) 2.. 失業率（Unemployment Rate）. 是指失業人口占勞動人口的比率，2008-2016 年失業率如圖 3-2 所示。旨在衡量閑置中的勞動產能。每月 23 日由行政院主計處公佈。失業數據的月份變動可是當反應經濟發展。大多數資料都經過季節性調整。失業率被市為落後指標。一般而言，失業可分為三類：第一類為摩擦性失業：指失業者是初次找尋工作者或想轉換工作但暫未能找到者。第二類為結構性失業：指國家經濟結構產生變化，既有產業因受新興產業取代而萎縮或消失，使原本既有產業雇用的員工不具被新興產業需要之技術，無法加入新興產業而失業者。第三類為循環性失業：指因受經濟景氣循還影響，整體產業普遍低迷，以減少工時或裁員為因應，使原有員工遭解雇而失業者。. 政治大. 立. 有關失業人口的統計，相關學者的爭議在於定義上的問題。根據經濟學上的. ‧ 國. 學. 定義，所謂失業人口係指「有工作能力而且有工作意願卻找不到工作的人」，因此. ‧. 並非所有的成年人都是勞動人口，沒有工作能力或有工作能力但是沒有工作意願的成年人（例如繼續升學或選擇當家庭主婦等），儘管沒有工作，卻不能歸類為失. y. Nat. io. sit. 業人口，只能算是非勞動人口。. n. al. er. 一般而言，失業會影響民眾之所得收入，失業率愈高，代表民眾收入愈少，. Ch. 對住宅貸款提前清償有負向影響。. engchi. 30. i n U. v.

(47) 圖 3-2：失業率. 政治大. 資料來源：行政院主計總處. 資料期間：98 年~105 年 6 月立. ‧ 國. 學. 3.. 貨幣供給額（Money Supply）. ‧. 貨幣供給額指存在於整個經濟體系中的貨幣量，包括流通貨幣、支票存款、. sit. y. Nat. 活期存款、活期儲蓄存款、定期存款、定期儲蓄存款等。對於貨幣供給額一般的. io. n. al. M1A=貨幣淨額+支票存款+活期存款. Ch. M1B= M1A+活期儲蓄存款. engchi. er. 統計方式可分類為 M1A、M1B、M2。其中，. i n U. v. M2= M1B+準貨幣（Quasi Money）其中準貨幣包括定期存款、可轉讓定存單、定期儲蓄存款、外匯存款、金融債券、中央銀行有價證券、附買回協定（Re-purchase Agreement,RP）及郵政儲金等。貨幣供給額通常與總體經濟活動密切相關。經濟成長率愈高，貨幣供給額之增量與經濟成長呈正向變動關係，經濟成長率愈高，貨幣供給額之增量則隨之上昇；反之，則下跌。2009-2016 年之貨幣供給額如圖 3-3 所示。. 31.

(48) 按照傳統貨幣學派之基本理論，MV=PQ M=貨幣供給額 V=貨幣流通速度 P=一般物價水準 Q=商品及勞務的產出量其中，Q 的變動率可視為經濟成長。我們若假設 V 及 P 不變，則 M 與 Q 呈正向變動關係，亦即當經濟處於成長階段時，可增加貨幣供給而不影響物價。此時，. 政治大如經濟不成長，而貨幣供給額增加過多，可能造成資產（不動產）不合理之上漲。立. 增加的貨幣供給即會引發資產（如股票及不動產）價格溫和有支撐之上漲。反之，. ‧ 國. 學. 此際，中央銀行為求金融及物價之穩定，對不動產可能採取選擇性信用管制（Selected Credit Control），即通稱之不動產信用管制（Mortgage Credit Control）。. ‧. 諸如追查購屋資金來源、限制建築融資、禁止空地貸款、降低豪宅貸款成數、. Nat. sit. y. 限制特定地區貸款等。甚至採取租稅手段，例如實施奢侈稅、房地合一稅、提高. n. al. er. io. 地價稅及房屋稅等以抑制不動產不正常之飆漲。於此情況下，借款人可能預期房. i n U. v. 價將會下跌或考量持有成本不符經濟效益而提前清償貸款獲利出場。一般而言，. Ch. engchi. M1A 與 M1B 屬短期流動資金與股市漲跌較具顯著關係。不動產屬固定資產，借款人購屋時，通常會動用定期（儲蓄）存款。本研究納入變數之貨幣供給額係指 M2 ，即 M1B+準貨幣。貨幣供給額與住宅貸款與提前清償是否有顯著關係，仍有待驗證。. 32.

(49) 圖 3-3：貨幣供給額. 政治大資料期間：98 年~105 年 6 月立資料來源：中央銀行. ‧ 國. 學. 4.. 國內房價指數（信義房價指數）. ‧. 房地產價格指數（Real Estate Price Index）係用來反應房地產價格變動趨勢和變. Nat. sit. y. 動程度的相對數。其意義係透過百分比的形式來反應房價在不同時期的漲跌幅度。. n. al. er. io. 房地產價格指數的種類包括房屋銷售價格指數、房屋租賃價格指數、土地交易價. i n U. v. 格指數等。不動產估價技術規則中比較法之價格日期調整，即以地價指數或房價. Ch. engchi. 指數做為價格調整之依據。目前國內政府及民間調查單位所公佈之房價指數包括內政部每半年公布一次之都市地價指數，國泰、信義、台灣等房價指數，如表 3-2 所示。. 33.

(50) 表 3-2：相關之地價指數與房價指數指數. 都市地區地. 信義房價指數. 台灣房價指數. 國泰房價指數. 信義房屋公司. 台灣房屋公司. 國泰建設公司. 財團法人台. 美國西維吉尼亞. 台灣房屋公司. 政治大學台灣房. 灣不動產資. 大學、政治大學. 訊中心. 財務管理系. 土地價格. 中古屋價格. 價指數發佈單位. 內政部地政司. 編制單位. 代表對象. 地產研究中心. 中古屋價格. 政治大. 立 1994 年. 預售即新成屋價格. 發佈頻率. 半年. 每季. 每季. 涵蓋地區. 台灣地區. 台北市、新北. 桃園縣、新竹縣台北市、新北市、. 市、台中市、高. 市. 市、台中市、台南. n. er. io. 各縣市地政. 該公司仲介成交. 事務所土地. 資料. Ch. i n U. 每季. 桃園縣、新竹縣. sit. 雄市. al. 2003 年. y. Nat 資料來源. 2002 年. ‧. ‧ 國. 1993 年. 學. 初發布日. v. 該公司仲介成. e n g c h i交資料. 市、高雄市該公司對整體市場市調資料. 查價資料指數期間. 1992.09.30 迄. 1991.01 迄今. 1993.Q3 迄今. 1993.Q1 迄今. 1,4,7,10 月中旬. 1,4,7,10 月中旬. 今發佈時間. 1 月 15 日，7 1,4,7,10 月中旬月 15 日. 資料來源；梁仁旭，陳奉瑤，不動產估價第三版 2014。頁 201。. 34.

(51) 如上所述，房價指數所反應的係某一階段房價變動趨勢及漲跌幅度，2009-2016 年國內房價指數如圖 3-4 所示。以住宅貸款而言，借款人包括投資型及自住型客戶，對於是否決定提前清償之考量因素各有不同。一般而言，房價指數愈高，代表市場交易愈熱絡，預期房價指數與提前清償有顯著性關係，唯究為正向或負向關係則仍有待驗證。. 圖 3-4：國內房價指數. ‧. 資料來源：信義房屋. n. er. io. 定儲利率指數. al. y. 資料期間：98 年~105 年 6 月. sit. Nat. 5.. 學. ‧ 國. 立. 政治大. Ch. i n U. v. 各銀行為了放款利率之訂價會參考中央銀行公告之各商業銀行存款利率，訂. engchi. 定放款基準利率，以作為住宅貸款核貸利率之準據，此一基準利率，即銀行所稱之定儲利率指數。2009-2016 年定儲利率指數如圖 3-5 所示。各銀行會考量本身之資金成本狀況，訂定最有利於己之放款基準利率。由於各銀行間之資金成本並不相同，故定儲利率指數自然不會相同。本研究所採樣之樣本銀行，其定儲利率指數之訂定係參考中央銀行公告之台灣銀行、土地銀行、合作金庫、第一銀行、華南銀行、彰化銀行、台北富邦銀行、兆豐國際商業銀行、台灣企銀及中國信託銀行等 10 家銀行之ㄧ年期一般定儲固定利率，並排除利率最高二家及最低二家，以剩餘六家為取樣銀行，而以簡單算數平均數做為取樣之基準，計算至小數點後 2 位，小數點後第 3 位四捨五入。 35.

(52) 銀行對房貸戶之利率訂價，一般可區分為二種：一種為「一段式」，即以定儲利率指數加碼（每一碼 0.25％）計算，一段到底；另一種為「分段式」，分年加不同碼數。例如第一年定儲利率指數+0.50％，第二年定儲利率指數+0.75%，第三年起+1%。客戶是否選擇「一段式」或「分段式」須由借貸雙方協商同意。住宅貸款如採用定儲利率指數加碼做為核貸利率之依據，由於市場利率水準，隨時變動，因此對借款人而言即是採浮動利率計息。放款收入對銀行而言是利息收益，對借款人而言則是取得房屋之資金成本。利率愈高，利息支出愈多。利率愈低，利息支出愈少，定儲利率提高，可能加速借款人提前清償，預期定儲利率指數之高低，對住宅貸款提前清償應有顯著之影響。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 圖 3-5：定儲利率指數資料來源：中央銀行資料期間:98 年~105 年 6 月. 36. v.