应用大数据识别和控制住房公积金扩面风险研究

While we are facing the situations that the process of China's urbanization continues to accelerate, property market stands inventory pressure and housing provident fund system expansion of reform, against such background that the project proposed, it focuses on the application of big data analysis to support housing provident fund loans risk management decision with the cooperation of several data companies and financial institutions. Multiple big data sources will be introduced and analyzed in this project, such as application and repayment of the housing provident fund, cell phones usage records, information from media and we-media, and remote sensing data. Also some theoretical findings from previous real estate economics and finance research will be combined with big data analysis, such as real estate economics, welfare economics, finance and other areas of theoretical research results. In order to achieve in recent quantitative risk level and the future trend analysis and judgement especially on the basis of the respects such as the fluctuation of housing market, housing provident fund lenders demand real recognition and anti-risk ability, some big development data analysis support module will be designed, then treats them as the key input to expect a housing accumulation fund loan risk assessment and prediction model with higher analysis accuracy, higher analysis but with lower cost. Project research results will ultimately provide management decision support for the loan pre audit, post loan tracking monitoring and other aspects of the decision to promote the housing accumulation fund loan risk management decision-making process optimization and upgrading.

本项目基于当前我国城镇化进程不断加快、楼市面临库存高压以及住房公积金制度扩面改革等多重背景，研究大数据技术对住房公积金贷款风险管理决策的支持作用。项目拟通过与管理部门、数据企业和金融机构的协作，将住房公积金申请与还款、移动终端使用、媒体与自媒体资讯、空间遥感等多维度大数据资源和房地产经济学、福利经济学、金融学等领域理论研究成果相结合，研制出若干大数据分析支持模块，重点定量分析住房市场波动状况、住房公积金贷款人真实需求识别以及抗风险能力变化趋势；进而以此为输入项，研究设计具备更高分析精度、更高分析频率和更低应用成本的住房公积金贷款风险评价与预测模型和管理系统。项目研究成果最终将为贷前审核、贷后跟踪监测等环节提供管理决策支持，推动住房公积金贷款风险管理的决策流程优化和水平提升。

本项目基于我国新型城镇化进程不断加快、住房公积金制度改革、房地产市场长效机制建设与守住不发生系统性金融风险底线等多重背景，深入研究大数据技术在公积金贷款风控的支持作用。充分整合住房领域多源异构大数据资源，对我国某重点城市公积金历史交易数据、课题组在全国范围内的两期实地调研数据、安徽省和地级市公积金管理中心数据以及人口普查数据、流动人口动态监测数据、相关家庭调查数据等进行了深度加工与匹配，对住房公积金扩面过程的各项风险源、风险类型、风险形成机制、风险影响和风险识别防控办法等进行了多维度深入研究。. 主要研究结果如下：其一，住房公积金呈现出流动性不足、区域间流动性不均等特征，主要源于资金属地化封闭操作、投融资渠道狭窄、资本充足率和准备金制度缺乏、自身改革影响以及外部因素冲击等。其二，住房公积金信用风险不容忽视，近28.88%的公积金贷款出现过不同程度的还款逾期，在市场动态监测的基础上，应充分结合借款人的个体特征、行为特征及事件冲击，精准化识别借款人被动逾期和主动逾期的发生概率，从而做到贷前贷后的全流程监督。其三，住房公积金操作风险与信息对称性、资金运行透明度、管理方式和管委会构成等密切相关，应从资金、制度、人员和监管等层面入手，加强公积金贷款资金管理力度，防控信息不对称下的道德风险。其四，住房公积金对新市民购房的支持作用存在个体间、城市间的不平衡与不充分问题，这源于住房市场分化、个人支付能力差异以及公积金制度短板。其五，住房公积金在实践中产生福利不平等风险，强制性缴纳、低息贷款等政策设计加大了缴存机会成本，也抬高了公积金制度经济福利获取门槛，贷款额度、还款期限、还款方式等显著影响公积金经济福利效应，要重点降低公积金只缴未贷群体福利损失，提高低收入阶层获取公积金福利的机会公平性。其六，住房公积金制度仍存在属性定位不明的风险，其政策功能和金融功能是辩证统一关系，需要在二者之间寻求平衡点，优化住房公积金制度设计，用好用活住房公积金，坚持因城施策，完善住房金融体系，助推住房市场高质量发展。. 本项目进一步完善了住房市场大数据研究体系，为政策制定提供了有力决策参考，为构建房贷风险防控信息平台提供了理论支撑和方法准备，推动住房公积金贷款风险管理的决策流程优化，在住房公积金制度改革和房地产市场长效机制建设中都具有很强的理论意义与实践价值。