Modelling prepayment in mortgages with a bank exercise

Abstract

Home loans are one of the longest-term products in the Banking sector and are exposed to multiple macroeconomic cycles throughout their maturity. Each home loan contract includes the right of the loan to pay at any time during the term of the loan which causes the risk of changes in the contractual cash flows of the Banks. When the literature for the Turkish market is analyzed, studies are done on calculating home loan option prices and most of the calculations are based on classical option techniques. In previous studies, market spot interest rate and house price levels are used as variables. Aside from other studies in the literature, this thesis is based on prepayment probability of the home loans. Borrower-specific, loan-specific and macro economic specific factors are chosen as the variables affecting prepayment probability. To analyze the cyclical effects, the study is carried out in one of the top 10 banks with asset sizes by selecting a 12-year data observation interval between 01.01.2010 and 31.12.2021. The study aims to model customer prepayment behavior by estimating a logistic regression using 694.778 fixed-rate home loans and 247.572 prepayment events. The data set has about 30 million observations where each home loan has monthly observations until each home loan is closed. The logistic regression model can accurately predict the prepayment behavior of contracts with an Area-under-the-Curve (AUC) statistic of 0.921 and Gini coefficient of 0.843. In studies investigating home loans out of Turkey, interest rate, borrower income, loan to value ratio, borrower age, loan age and region are the variables that affect prepayment in the loan portfolios. This thesis shows that the most effective variables in the prepayment behaviors are the interest rate level changes, reference market interest rates, current risk of home loan and customer total debt which affect home loans payment schedule. Interestingly, original and current Loan to Value ratio, loan maturity, loan age, customer age, customer education status and customer income have limited impact on the prepayments as indicated by the model. The most plausible for this observation is the fact that people in Turkey buy their houses for residential purposes, not for trade and do not sell their houses in a short time unless it is compulsory can be interpreted.

Konut kredileri, Bankacılık sektörünün en uzun vadeli ürünlerinden biridir ve vadeleri boyunca birden fazla makroekonomik döngüye maruz kalmaktadır. Her konut kredisi sözleşmesi, kredinin vadesi boyunca herhangi bir zamanda ödeme hakkını içerir ve bu da Bankaların sözleşmeye bağlı nakit akışlarında değişiklik riskine neden olur. Türkiye piyasası ile ilgili literatür çalışmaları incelendiğinde konut kredisi opsiyon fiyatlarının hesaplanmasına yönelik çalışmalar yapılmaktadır ve hesaplamaların çoğu klasik opsiyon tekniklerine dayanmaktadır. Önceki çalışmalarda değişken olarak piyasa spot faiz oranı ve konut fiyat seviyeleri kullanılmıştır. Literatürdeki diğer çalışmaların yanı sıra bu tez, konut kredilerinin erken ödeme olasılığının hesaplanmasına dayanmaktadır. Erken ödeme olasılığını etkileyen değişkenler olarak borçluya özel, krediye özel ve makro ekonomik faktörler kredi düzeyinde seçilmiştir. Döngüsel etkilerin analiz edilebilmesi için, çalışma 01.01.2010-31.12.2021 tarihleri arasında 12 yıllık veri gözlem aralığı seçilerek Türkiye'de aktif büyüklüğe sahip ilk 10 bankadan birinde gerçekleştirilmiştir. Çalışma, 694.778 sabit faizli konut kredisi ve 247.572 erken ödeme olayı kullanılarak lojistik regresyon tahmin ederek müşteri erken ödeme davranışını modellemeyi amaçlamaktadır. Veri seti, her bir konut kredisinin her biri kapatılana kadar aylık gözlemlere sahip olduğu yaklaşık 30 milyon gözleme sahiptir. Lojistik regresyon modeli, Eğri Altında Kalan Alan (AUC) istatistiği 0,921 ve Gini katsayısı 0,843 ile kredilerin erken ödeme davranışını doğru bir şekilde tahmin edebilir. Türkiye dışında konut kredilerini araştıran çalışmalarda, kredi portföylerinde faiz oranı, borçlunun geliri, kredi teminat oranı, borçlunun yaşı, kredinin yaşı ve coğrafi bölgesi gibi değişkenler erken ödemeyi etkilemektedir. Bu tez, erken ödeme davranışlarında en etkili değişkenlerin konut kredisi ödeme planını etkileyen faiz oranı değişimlerinin, referans piyasa kredi faiz oranlarının, ev kredisinin güncel riskinin ve müşteri toplam borcunun olduğunu göstermektedir. İlginç bir şekilde, orijinal ve güncel kredi teminat oranı, kredi vadesi, kredi yaşı, müşteri yaşı, müşteri eğitim durumu ve müşteri geliri, modelde belirtildiği gibi erken ödemeler üzerinde sınırlı etkiye sahiptir. Bu gözlem için en makul olanı, Türkiye'de insanların evlerini ticaret amaçlı değil, ikamet amaçlı aldıkları ve zorunlu olmadıkça kısa sürede satmadıkları şeklinde yorumlanabilir.