住房抵押贷款提前还款打破银行正常的现金流规划,不仅减少银行收益、增加成本,而且阻碍住房抵押贷款证券化的运作。国外较成熟的提前还款预测模型基本源于实证方法,因此数据缺乏、金融体制不健全的我国则很难仿效。 国外在解决住房抵押贷款证券化过程中的提前还款问题时一直追求证券化资产提前还款的预测准确率。但国内不具备实现该目标的基础条件,因此本文从降低证券化现金流不确定性的角度出发,提出在住房抵押贷款证券化的资产池选择开始阶段将在一定期限内可能提前还款的资产剔除。文中通过构建住房抵押贷款提前还款预测模型和添加住房抵押贷款合同附加条款两方面相结合来确定贷款者在一定期限内提前还款的可能性,这既为资产池的选择提供了标准又为银行尽早应对提前还款提供了可靠的依据。 本文在借鉴国外文献的基础上因地制宜地选择了预测模型及变量,首先通过判别分析、主成分分析对各变量进行加权,然后使用两阶段聚类法进行聚类分析。在聚类分析过程中,通过理论、实证两方面验证了基于判别分析加权的聚类分析在聚成三类时有更佳的研究效果。在此基础上,对聚类得到的三个类分别构建了Logistic回归模型、SVM模型并对每一类Logistic回归结果进行统计分析,发掘出了各类中影响提前还款的主要因素和区分各类的标准。同时,文中对比Logistic回归与SVM两种模型发现SVM确有较好的预测精度,但由于其可解释性较差故对商业银行的应用性较有限。文中遂又提出包括购买提前还款权证在内的两条合同附加条款对策,设计提前还款权证定价公式,进行重复博弈分析得出贷款者与银行的最优策略后,确定贷款者是否可进入证券化资产池选择区。最后,应用Visual Basic 6.0及Access 2000设计提前还款预测系统来辅助商业银行进行决策。