文／林左裕
在2020年第三季有建商拿餘屋向銀行進行聯合貸款超過百億元，而各行庫搶破頭的新聞，之後央行遂在當年底將餘屋貸款納入信用管制。而在先前金融詐貸的案件中，有一女子向地政士借牌，以人頭戶虛灌薪資向四家銀行申請房貸，再以超估之房價與行員「裡應外合」超貸，共向銀行詐貸得兩億元，在「寬限期」後隨即違約，造成銀行損失。高風險性的不動產抵押貸款及詐貸或超貸的融資案件層出不窮，在核貸過程中可強化人工智慧（Artificial Intelligence, AI)及外部估價的應用以杜絕超貸或人謀不臧的問題，也可降低房市泡沫的風險，本文簡要介紹及提出解決之道。
筆者曾對房貸違約的案例進行實證研究，結果發現影響違約最顯著的因素是總經因素，如經濟成長率、景氣及失業率；其次是借款契約因素，如貸款成數、期限、利率之調整及是否有寬限期等；第三是借款人個別因素，如所得、過去信用狀況及職業等。除了系統性風險或金融風暴等難以控制的因素外，在核貸過程中的估價技術，目前已有相當成熟的配套及制度可防範人謀不臧的問題。
以「大量估價」(Mass Appraisal)為例，應用的技術為統計分析(如複迴歸或特徵價格法)，再搭配地理資訊系統（GIS）及「類神經網路」逼近市價的技術，可以達到即時且精確估價的目的。因此在核貸過程中，所有超過這套AI估價模式估值的｢離群值」（outlier），都無所遁形，這些離群值若要通過核貸，需再經過人力審核，如確認其特殊之處（如房產座落地段、建材或借款人特質等），再予以准駁，效率及精確性均可大幅提升。
而金額較大的申貸案，由於具特殊性，且若違約，放款銀行的損失也較慘重，因此除了AI估價系統自動化的檢視外，輔以外部的專業估價可增加一道違約的防火牆，藉由中立、客觀的外部專業估價，也可達到除弊的目的。
在我國「不動產估價技術規則」第14條中規定：「不動產估價師應兼採二種以上估價方法推算勘估標的價格。」此規範在市價飆漲時，可藉另一估價方法(如｢收益還原法｣)以加權平均後的估價結果有效地抑制市價的失控，同時在市場瘋狂當下調降金融業過度樂觀地追逐市價的風險，也可降低之後房市泡沫化後的金融風暴風險，日本在1990年房市最高點後泡沫破滅，陷入失落的30年，可為殷鑑。
上述之詐貸案件，即使前端的人事資料及所得經有心人造假，但在後端的核貸過程中，仍可因房價的高估而被AI系統偵查出來、或被外部估價挑錯。而若是以人頭戶借出款項，當不動產估值在合理範圍內，以合理成數打折放款後仍不致蒙受損失。在金融海嘯後，美、加及德等國皆陸續對金融抵押貸款制定獨立估價的規範，因此我國的金融監理當局，若能規範一AI及外部估價機制，大力整頓金融詐貸或超貸的亂象及管理高風險放款的行為，將可藉提高金融核貸品質，達到金融穩定及永續的目的，以及強化金融業的「環保、社會責任與公司治理」(Environment, Social responsibility and Corporate Governance, ESG)的能力與形象，值得政府規劃參考。
