Determinants of Home Loan Default Risk among Salaried and Self- Employed Borrowers in India: A Comparative Empirical Study Using PLS-SEM and Logistic Regression
Deze studie stelt een vergelijkend empirisch kader voor en valideert dit met behulp van PLS-SEM en logistische regressie om te identificeren hoe financiële, gedragsmatige en macro-economische determinanten van het risico op wanbetaling bij hypotheekleningen verschillen tussen salarisontvangers en zelfstandigen in India, waarbij wordt aangetoond dat discipline in de kredietgeschiedenis de risicobeheersing aanzienlijk sterker beïnvloedt voor salarisontvangers, terwijl het tegelijkertijd een direct inzetbaar analytisch proces biedt voor gedifferentieerde kredietverlening en risicoprijzing.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In het bruisende landschap van de Indiase financiële markten is de hypotheek meer dan alleen een transactie; het is een belofte tussen een lener en een bank, een belofte die decennia lang doorwerkt. Voor kredietverleners is de centrale uitdaging om te voorspellen wie die belofte zal nakomen en wie er mogelijk zal struikelen. Hoewel de traditionele banksector al lang vertrouwt op harde, kille cijfers — zoals welk deel van iemands maandelijkse inkomen naar de lening gaat of de waarde van het huis in verhouding tot de schuld — beseffen onderzoekers steeds vaker dat menselijk gedrag een even cruciale rol speelt. Mensen zijn niet slechts spreadsheets; hun financiële keuzes worden gevormd door hoe goed ze geld begrijpen, hun psychologische eigenschappen zoals impulsiviteit, en hoe ze de stabiliteit van de bredere economie waarnemen. Een belangrijke vraag blijft: beïnvloeden deze factoren een werkname in loondienst, die een regelmatig salaris ontvangt, op dezelfde manier als ze een zelfstandige ondernemer beïnvloeden, wiens inkomen met de seizoenen mee sterk kan fluctueren?
Deze studie beoogt die vraag te beantwoorden door een uitgebreid model voor hypotheekrisico op te bouwen dat financiële gegevens mengt met menselijk gedrag. De onderzoekers richtten zich op twee verschillende groepen in India: werknemers in loondienst en zelfstandigen. Ze onderzochten zeven specifieke drijfveren van risico: de stabiliteit van iemands inkomen, de last van de maandelijkse betalingen, de toereikendheid van de huizenwaarde als zekerheid, de geschiedenis van het terugbetalen van schulden, financiële kennis, psychologische neigingen en de perceptie van economische stress. Het doel was om te zien of deze factoren het eigen risicogevoel van een lener beïnvloeden — hoe groot zij denken dat de kans is dat zij een betaling missen — en om te testen of het type dienstverband de kracht van deze relaties verandert. Om hun methoden te waarborgen voordat ze echte gegevens verzamelden, testte het team eerst hun volledige aanpak op een gesimuleerde dataset van 400 leners, waarbij ze een digitale spiegel van de echte wereld creëerden om te zien of hun instrumenten werkten.
De resultaten van deze gesimuleerde proef lieten een duidelijk beeld zien van wat de angst voor wanbetaling aanjaagt. Alle zeven factoren die de onderzoekers onderzochten, bleken significante voorspellers te zijn. Wanneer het inkomen onstabiel is, wanneer de maandelijkse betalingen zwaar aanvoelen, wanneer het leningbedrag te hoog is in verhouding tot de huizenwaarde, of wanneer een lener een geschiedenis van gemiste betalingen heeft, stijgt het waargenomen risico op wanbetaling. Daartegenover staat dat een sterke kredietgeschiedenis, een hoge financiële geletterdheid en stabiele psychologische eigenschappen fungeren als een schild, waardoor dat waargenomen risico daalt. Het model was robuust genoeg om bijna 28 procent van de variatie in hoe leners hun eigen risico zagen te verklaren, en het voorspelde uitkomsten succesvol beter dan een eenvoudige gok zou doen. Dit bevestigde dat een model dat financiële ratio's combineert met gedragsinzichten een levensvatbare manier is om hypotheekrisico te begrijpen.
De meest onthullende bevinding kwam echter naar voren toen de onderzoekers de twee groepen vergeleken. Ze ontdekten dat het belang van deze factoren niet voor iedereen hetzelfde is. Specifiek was de link tussen de kredietgeschiedenis van een lener en hun risico op wanbetaling aanzienlijk sterker voor werknemers in loondienst dan voor zelfstandigen. Voor een werknemer in loondienst is een schoon kredietverleden een krachtig signaal van betrouwbaarheid, dat een aanzienlijk gewicht draagt bij het voorspellen van hun gedrag. Voor de zelfstandige, wier inkomstenstromen vaak onregelmatig zijn en moeilijker te documenteren, is een kredietgeschiedenis een minder helder signaal; het doet er wel toe, maar het heeft niet dezelfde beslissende kracht. Dit suggereert dat de regels die banken gebruiken om risico te beoordelen, verschillend moeten zijn voor deze twee groepen, aangezien één enkele standaard de realiteit van hoe elke groep met schulden omgaat, niet accuraat kan weerspiegelen.
Om de kloof tussen deze gedragsmatige gevoelens en feitelijke financiële uitkomsten te overbruggen, voerde de studie ook een aanvullende analyse uit die keek naar harde gegevens zoals de ratio van betalingen ten opzichte van het inkomen en scores van kredietbureaus. Dit deel van de studie bevestigde dat hogere betalingslasten en lagere kredietscores de kans op een slechte lening direct vergroten. Het toonde ook aan dat zelfs na rekening te houden met deze financiële cijfers, financiële geletterdheid nog steeds als een beschermende factor werkt, wat de kans op wanbetaling vermindert. De analyse toonde de methodologische haalbaarheid aan van het verbinden van het gedragsmodel aan observeerbare leningniveau-uitkomsten, waarbij een goede discriminatie werd getoond tussen wanbetalende en niet-wanbetalende rekeningen op de gesimuleerde gegevens, hoewel deze specifieke prestatiemetrieken op echte leninggegevens opnieuw geverifieerd moeten worden.
De auteurs merken er zorgvuldig bij op dat deze bevindingen voortkomen uit een gesimuleerde pilotstudie, een noodzakelijke eerste stap om hun methoden te valideren voordat ze de enquête bij echte mensen afnemen. De cijfers en patronen die hier worden beschreven zijn illustratief voor een werkend kader, en nog geen definitief oordeel over de Indiase woningmarkt. Toch biedt de studie een duidelijke weg vooruit voor instellingen in de woningfinanciering. Het suggereert dat kredietverleners hun risicobeoordelingen op maat zouden moeten maken, bijvoorbeeld door verschillende gewichten toe te kennen aan de kredietgeschiedenis, afhankelijk van of de aanvrager in loondienst is of zelfstandig ondernemer. Bovendien benadrukt het de waarde van programma's voor financiële geletterdheid, met name voor zelfstandige leners die te maken hebben met inkomensvolatiliteit, als een manier om veerkracht tegen wanbetaling op te bouwen. Door te begrijpen dat het menselijke element van risico anders gedraagt over verschillende typen dienstverbanden, kan de financiële sector bewegen naar nauwkeurigere, eerlijkere en effectievere kredietpraktijken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.