不良资产估值方法 假设清算法 假设清算法，这一以成本法为基石的不良资产估值技术，致力于模拟债务人清算偿债的场景。它聚焦于企业整体资产的变现价值，并以此为基础，结合债权的偿债顺序，来估算债权的潜在回收价值或回收率。此方法在评估破产清算企业的回收价值时展现出了较高的精确度。 然而，它也存在明显的局限性。由于该方法基于诸多假设，如无效资产、无效负债的认定，以及优先偿还债务和费用的具体数额等，这些都可能与企业的实际情况产生偏差。此外，该方法未充分考虑企业持续经营对债权价值的影响，这可能导致估值结果与真实价值产生显著差异，无法准确反映待估资产的处置价值。因此，在许多情况下，它只能作为衡量债权价值下限的标准和参考，而不能直接作为定价的依据。 信用评价法 信用评价法是一种运用指标分析来评估不良资产价值的方法。它主要依据债务人的财务指标和非财务指标进行计算，通过构建指标体系来衡量企业的信用状况，并赋予相应的信用等级。接着，根据债务人的信用等级来计算不良资产回收的损失系数，最终利用该损失系数来确定待估不良资产的变现率。 通过财务和非财务指标评估信用状况，这种方法的优势在于其计算基础信息源自债务企业的财务报表。对于那些能够维持正常经营、通过未来收益偿还债务且具备规范财务资料的债务企业，该方法具有较高的估值精度。然而，它也存在一定的局限性，特别是在破产、关停或半关停状态的企业，这些企业需要处置部分资产来偿还债务，这时信用评价法的评估能力就显得相对不足。同时，财务报表本身的局限性，如历史成本报告资产、币值不变假设等，以及会计从业人员在报表审计过程中的专业程度和独立性，都会对估值结果产生影响。此外，会计政策差异和比较基础的选择也会对信用评价法的结果产生重要影响。 交易案例比较法 交易案例比较法是一种通过选取与待处置债权在多个方面（如债权形态、债务人性质、行业特点及处置规模等）相似的交易案例来进行比较分析的方法。这种方法至少需要选取三个以上的可比案例，并对它们的不同方面进行逐一比较和修正，从而对待处置债权的价值进行准确分析。 利用相似交易案例比较分析价值，这种方法具有简便易行、估值说服力强的特点，特别适用于在活跃公开的市场环境下对任何性质的债权进行评估。然而，其前提条件是市场上存在足够的可比案例。在某些情况下，如待估资产在市场上难以找到相似案例，或市场不够活跃、信息不够公开，这种方法的应用可能会受到限制。 在选择可比案例时，需要仔细考虑各种因素，包括资产类型、交易方式、交易条件等，以确保所选案例与待估资产具有足够的一致性。此外，由于案例中各因素的比较往往依赖于估值人员的主观判断，因此在使用该方法时，应确保多个估值人员经过充分讨论后给出一致的修正程度，以提高估值的准确性。 专家打分法（德尔菲法） 专家打分法（德尔菲法），亦被称为德尔菲法，是由美国兰得公司和道格拉斯公司于1969年共同研究并发明的一种重要分析方法。该方法基于统计学原理，旨在整合多位专家针对同一议题所提出的见解与结论。通过统计学方法处理和分析这些意见，最终得出较为客观的结论，从而对那些难以量化分析的问题做出有效判断或预测。 回归分析法 在不良资产整体打包处置过程中，若对每项不良资产进行逐户详评，不仅效率低下，而且经济性差，同时估值也存在诸多困难。这主要是因为我国的不良资产中，除了部分含有物权担保的债权外，还大量存在纯粹的信用债权。对于这些信用债权，由于很难获取关于债务人的偿债能力信息，因此难以做出客观判断。这种情况下，估值人员只能依赖自身经验和主观判断来确定待估资产的最低价格。 回归分析法相较于传统的评估方法，在处理不良债权资产包，特别是信用债权资产包时更科学。尤其是对于含有大量资产的不良资产包，这种方法既科学又节约了成本，相较于拆分后逐个运用传统评估方法进行评估更为高效。 然而，我们也应意识到回归分析法在估计债权的回收率时存在的主要弊端和影响精确性的关键因素。首先，历史经验数据的真实可靠性和交易案例的充足性是关键。但以我国目前的情况来看，搜集到充足且公开的交易样本往往非常困难。其次，建立回归模型、确定经验方程以及进行显著性检验等涉及一系列的数理统计运算，计算难度相当大，通常需要借助计算机辅助运算，对大多数评估人员而言上手较为困难。最后，使用回归分析结果时必须谨慎，应将其视为区间分析结果，防止报告使用者将其作为唯一依据进行处置决策。 层次分析法 层次分析法在评估不良资产价值时，主要是通过构建一个评价指标体系来衡量债权回收价值的影响因素。这个体系利用层次分析的方法来确定债权回收率，进而通过回收率来计算债权价值。 在实施过程中，首先需要构建一个包含偿债意愿和偿债能力的指标体系。然后，评估人员会对目标层下的各项指标进行两两对比，从而得到判断矩阵的各个系数。接下来，通过AHP法计算出权重向量，进而得到目标层系数的表达式，从而构建出计算模型。 适用于信用贷款回收评估，但应用范围有限。层次分析法对于评估信用贷款回收价值这类受多方面不确定因素影响的模糊问题非常适用。然而，由于目前国内纯信用贷款较少，这种面对信用贷款的评估方法的应用范围相对较小。同时，这种纯定性分析的方法在解决定量问题上仍存在一定的局限性。尽管它在理论上能很好地演绎，但在实践中却很少有机会真正应用。此外，在使用该方法时，若无法科学地给出计算权重的判断矩阵，将直接影响方法的准确性。 期权定价模型 我国的不良资产特性之一便是其期权性。具体来说，债权企业持有的不良债权可视作对债务企业不良资产的看涨期权。资产管理公司有权在合适时机执行这一期权，旨在从未来不良资产升值中获益。通常，看涨期权价值会随对应资产价值上升而提升，且上升空间广阔，损失则相对有限。 期权定价模型是一种专为处置不良资产时的估值方法，尤其在股权类资产估值方面提供了新颖思路。但作为一种新兴模型，其理论性较强，且核心函数需通过统计学方法回归，涉及两次计算误差，因此最终精度尚待验证。此外，复杂的理论和实践操作以及大数据需求都是该模型在实际应用中的挑战。目前，该方法尚停留在理论探索阶段。 信息熵模型 信息熵模型，这一基于信息熵理论的评估方法，实际上是一种组合预测模型，它融合了多种传统预测方法。通过信息熵理论，该模型能够科学地确定每种预测方法的权重，从而有效减少单一预测方法的不准确性，提高预测结果的精确度。 组合预测模型，科学确定各方法权重，不良资产的定价涉及众多宏观、中观和微观因素，单一评估方法往往难以全面把握。然而，信息熵模型通过组合预测的方式，充分吸纳了各种方法的优点，弥补了单一方法的不足。 尽管如此，该模型在实际操作中面临一些挑战。一方面，其计算过程相对复杂，对同一项资产需要采用多种方法进行评估后再进行组合预测，这在经济性和效率方面显然存在不足。另一方面，尽管信息熵模型在理论上对提升评估精度有积极作用，但它并未直接解决实践中最关心的效率和成本问题。因此，该模型更适用于理论研究，而非实际操作性应用。 |
