不良资产处置的主要估值思路、方法

  自金融资产管理公司成立时起，评估和不良资产处置就紧密连接起来，为了达到使债权人和债务人双方都能有一个能接受的、客观的、相互信赖的参考是依据，这就需要对债务人的资产负债状况的现实价值作出评估和分析判断。在这一过程中，评估结果作为双方一同参考的依据，就一定要保证结果的公允性和有效性，所以不良资产的评估一定要选择正常的方式方法，在每一步中不可疏漏。

  金融不良资产评定估计活动中评估对象包括债权和债权所对应的资产，评估的结果直接反应不良资产的质量，所以不可随意曲解评估对象，能够使用间接和直接两种方式结合，通过估算担保实物变现和估算债权本身两个方面来判断回收价值。通常情况下，在不同的资产处置方式下做评估结果大不相同，因此我们应该结合特定的资产处置方式，确定与之相关的评估类型，分析对比产生的不同评估结果，准确分析不良资产的真实的情况，为资产处置方式的最终确定提供有价值的参考数据。

  假设清算法是指是一种以成本法为基础的不良资产估值方法，该方法假设待回收资产的债务人已确定进入清算偿债的情况时，通过企业整体资产变现并以该变现后的价值为基础，根据债权的偿债顺位计算该债权的可能回收价值或回收率。

  由于假设清算法大多数都用在计算资产变现价值，因此对处于破产清算状态债务人进行回收价值评估时有较高的评估精度，但是如其名称所示，假设清算法是建立在假设基础上的方法，对于还未进入清算程序的企业，方法中所涉及的的无效资产、无效负债、优先偿还债务以及优先偿还费用的确认和具体数额都是通过假设得出的，与该企业的真实的情况会不一样，同时该方法没考虑到企业持续经营对债权价值的影响，有几率会使估值结果与其真实价值存在非常明显的误差，不能准确评估待估资产的处置价值，因此在很多情况下只能衡量债权价值下限的标准和参考，而不能直接作为处置定价的依据。

  信用评估法是一种以指标分析为基础的不良资产估值方法，-般基于待估资产债务人的财务指标和非财务指标进行计算，使用指标体系衡量该企业的信用情况，给出相应的信用等级，再根据债务人的信用等级计算不良资产回收的损失系数，最后通过损失系数计算待估不良资产的变现率的一种估值方法。

  由于信用评价法的计算基础信息来源于债务企业的财务报表，因此，对于仍可维持正常经营，使用未来收益来偿还债务同时具有较规范的财务资料的债务企业具有较好的估值精度，但对于破产、关停和半关停态，需要处置部分资产来偿还债务的企业则缺乏评估能力，同时财务报表自身的局限性也会在该方法中有所体现。

  具体来讲，一是财务报表本身的局限性，例如历史成本报告资产、币值不变假设、以稳健原则预计损失但不预计收益等;

  二是报表内数据信息的真实程度是否有保证，在报表审计的过程会计从业人员能否专业且独立的完成报表审计，有保证的规避了所有报表数据失真的风险，这取决于对债务公司进行审计的注册会计师的专业程度和职业道德;

  三是会计政策不同所产生的影响，最重要的包含所采用的折旧方法、对于成本费用和投资收益的确认等;

  四是比较基础的选择，信用评估法中涉及到比较基础的选择,选择是不是合理将直接影响评价结果的准确程度。

  交易案例比较法是指通过选取与待(拟)处置的债权在债权形态、债务人性质、行业特点处置规模等方面类似的债权交易案例(至少三个以上,含三个)作比较，并通过对其不同的方面做比较修正，来对待处置债权价值进行分析。

  交易案例比较法是使用简便，估值说服力较强的评估方法之一，在有活跃公开的市场条件下适用于任何性质的债权评估。但是由于其前提是要有可比案例可供选择,如待估资产无法在市场上寻找到相似的案例或是处在一个不够活跃的市场中， 都会使这种方法难以进行，而我国的不良资产交易时差恰恰是一个不够活跃同时信息不够公开的市场。

  另外，在选择可比案例时，由于历史交易中存在大量的交易案例，能否选择与待估资产在资产类型、交易方式、交易条件都相近的交易案例对估值结果的准确度有很大影响。

  此外，由于案例中各因素的比较是根据估值人员的主观判断进行，所以在因素比较中，对于同一个因素对比所得到的结果会因为估值人员自身的判断不同而得到不同的结果，导致各个因素的修正程度会有所区别，因此该方法在使用中应该以数个估值人员的经过讨论的修正程度为准。

  专家打分法是1969年由美国兰得公司和道格拉斯公司合作研究发明的一种常用分析方法，也称为专家答卷预测法。这种方法的原理是利用统计学理论,处理分析和归纳数位专家针对同一目标事物提出的意见和结论，将各位专家的主观判断和经验技巧等整合成较为客观的结论，以达到对无法定量分析的问题能够做出有效的判断或预测。

  第一是不记名性，即在向专家征询意见时采用匿名调查，以达到所有参加调查的专家彼此之间不存在相互的联系。

  第二是反馈性，即在专家结论汇总后,若存在比较大分歧或差异，则将所有判定结果反馈给所有参与判断的专家，并进行第二轮匿名调查,以达到对结果的有效修正。

  第三是科学性，该方法使用数理统计的相关理论对所有判定结果做多元化的分析，在多次修正后使所有专家的判断趋于-致。自美国兰德公司的道尔奇和赫尔曼发明这种方法以来,诸多领域的实践证明该方法是有效的。

  德尔菲法是处理这类模糊问题行之有效的方法之一，由于评估时评估人员的经验可以对估值精度起到非常好的推动作用，因此这种方法的说服力很强，也适用于各类资产的估值。但是由于实务工作中所需要评估的债权是大量的，若使用这种方法则需要支付大量的专家费用,使得估值所带来的收益大打折扣，严重违背了经济性的原则，因此除极少数高额不良资产宜使用这种方法外，大部分债权并不适用。

  另外使用专家打分法时所选的专家是不是对待评估有足够的经验是采用这种方法时能否得到准确结果的重要的因素，但实务中又通常会受到专家选择范围局限和专家水平参差的限制。

  在一个地区、或一个行业的不良资产进行整体打包处置过程中，如果将包中每一项不良资产进行逐户详评，既效率低下也不经济，同时在估值过程中也会遇到很多困难。

  其主要原因是我国的不良资产中除了部分含有物权担保的债权外，还存在纯粹的信用债权，而信用债权又存在很难获取关于债务人的偿还债务的能力信息，不能通过这一些信息对其偿还债务的能力做出客观的判断，因此只能依靠估值从业人员的经验和主观判断来确定该待估资产的最低价格。

  因此，在不良资产处置频繁，市场活跃的地区，可以收集不良资产交易市场中大量的历史交易案例，通过一系列分析其交易过程中对回收值产生影响的各因素以及最终的成交价格，利用数理统计的相关理论，对这些影响因素进行回归分析,构建回收率的经验方程，在确定该方程中各个回归系数后得到该地区不良资产的预测方程，使用时只需要将待估资产包中各资产的影响变量代入方程就能够获得每一个单项债权的回收估值，虽然对于每一项资产都存在误差， 但是在数个资产汇总打包后，该误差会得到一定效果的修正。这种在活跃市场背景下对不良资产包中各债权进行的快速评估方法，称为相关因素回归分析法。

  回归分析法对于不良债权资产包，特别是信用债权资产包，相比传统的评估方法更为科学、严谨，尤其是对含有大量资产的不良资产包，较拆分后逐个运用传统评估办法来进行评估即科学又节约了成本。

  但是，也需要注意到运用这种方法估计债权的回收率的主要弊端和影响精确性的主要因素。

  一是历史经验数据是不是真实可靠以及交易案例数量是否充足，以我国目前的情况看，搜集数充足的、公开市场交易样本往往非常困难;

  二是建立回归模型，确定经验方程，进行显著性检验，涉及一系列的数理统计运算，公式计算难度很大，必须借助计算机辅助运算，对大部分评估人员而言上手较为困难。

  三是必须把回归分析结果作为区间分析结果来对待，防止报告使用者把此分析结论作为处置的唯一依据。

  层次分析法评估不良资产价值主要是通过建立评价债权回收价值的影响因素的指标体系，利用层次分析的方法对债权回收率进行确定，进而通过回收率计算债权价值的方法。

  使用此方法时，一般先构建关于偿债意愿和偿还债务的能力的指标体系，然后由评估人员通过对目标层下的各项指标的两两对比得到各个系数的判断矩阵，然后通过AHP法计算出的权重向量，得到目标层系数的表达式，构建计算模型，然后通过一定的调查和收集待估资产的信息，特别是该资产的主债务企业的相关信息，如信用等级，近年财务报告，企业资产清单等，将这些文字信息数字化，给出对应指标的转化指数，将这些指数代入计算模型即可得到待估不良债权的回收率。

  层次分析法对于评估信贷回收价值这种受多方面不确定因素影响的处于模糊状态的问题是一种很好的方法，但是由于目前国内针对企业的纯信贷已经很少，这种面对信贷的评估方法的用武之地变得很少，同时这种纯定性分析的方法在解决定量的问题上还是缺乏一定的认可度，虽然在理论上能很好的演绎但是实践中基本上没有机会使用。除此之外，在使用这种方法时，若不能科学的给出计算权重的判断矩阵将使方法的准确性下降。

  首先，债权企业持有的不良债权可以看成是持有对债务企业不良资产的看涨期权，资产管理公司有权在达到合适的价格时执行期权，持有该看涨期权的最大的目的是从未来该不良资产的升值中获利。一般的看涨期权价值应伴随对应资产价值的上升而上升，并且上升空间无限，而损失有限。

  但是由于不良资产的特点，其期权价值表现为伴随对应资产价值的上升而上升,但是在某一价格点出现由决策产生的价值向分支，若资产管理公司决策为不进行债转股的操作，而是直接进行债务追偿，则期权价值从某一资产价格开始保持不变；若资产管理公司做债转股、资产置换等操作的决策，即通过债权转换性质拥有了对企业的股权，则期权价值会继续随资产价值上升而上升。因此能根据计算期权价值的数学模型计算不良资产的价值。

  期权定价模型一种专对于使用债转股的方式处置不良资产时的估值方法，其在股权类资产的估值方向提供了一种新颖估值思路，但是作为一种新出现的计算模型，其理论性太强，同时其核心函数仍然需要用统计学办法来进行回归，相当于对一项模糊事物进行了两次含有误差的计算，最终的精度也有待商榷。

  另一方面，复杂的理论性和操作难度还有回归需要的大数据都是实践的障碍，目前该方法也只是停留在理论阶段。

  基于信息熵理论的评估模型其实就是一种由多种传统预测方法构成的组合预测模型，并通过信息熵的理论来确定各种预测方法的权重，进而达到了减少单-预测方法不准确的目的，使预测结果更精确。

  由于不良资产的定价受到经济周期、市场透明度、投资者的退出机制、法律体系结构、所处行业特征等宏观和中观因素的影响，同时也受到企业偿债意愿、企业信用状况等微观因素的影响，单一的评估方法很难精准把握不良资产价值评估的每个方面。

  有预测理论表明，最优组合预测的预测误差的平方和小于等于构成组合预测中的每个单一预测方法的预测误差平方和，因此,使用最优组合预测模型优于使用组合中的每一个个体模型。

  组合预测理论全面的考虑了每一种单一预测方法的优缺点， 将不同预测方法的预测结果与其对应的权重进行加权平均，从而得到一个由多个预测模型构成的新的预测模型。

  信息熵模型通过组合预测的方式解决了单一方法的估值误差问题，使评估的精度得到了提升，但是整个方法计算大,对同一项资产使用了数种方法评估再进行组合预测明显既不经济也不效率，虽然在理论角度对评估中的第一指标评估精度有着很好的推动作用，但是确不能解决实践中最关心的效率和成本问题，所以只能是作为一种理论的可行性，不具备实际的操作性。

  通过上文对八种目前比较有代表性的估值方法的介绍和分析，结合上表能够准确的看出，目前我国现有的估值方法存在以下四大问题:

  通过上文的方法介绍显而易见，这一些方法的共同特点是在针对某一特定类别的不良资产时具有较好的估值精度，但是对其他类别的不良资产则会产生较大的估值误差，当一项待估资产包含两个及以上类别的资产的复杂资产时，现有的估值方法均没办法得到拥有足够精度的估值结果。我国现存不良资产中占比最大的是债权类资产和物权类资产组合在一起的复杂资产，而目前的估值方法对于这种最主流的不良资产却都不具备足够的估值精度。

  由于近些年进行不良资产估值方法研究的学者不局限于评估领域，有很多方法都是从别的行业的研究中借鉴过来的，因此，有很多的方法都给人以理论性强、方法复杂的直观感受。这里主要指包含复杂数学模型或经济模型的方法，例如上文提到的期权模型、信息熵模型、以及未提及的多层次模糊评估模型、神经网络等方法。由于这一些方法对估值人员的自身知识储备和能力有一定的要求较高，而我国大多数评估行业的从业人员都不具备足够的胜任力以使用这一些方法，所以不难预测，即使这类方法的估值精度足够高，也经济效率足够，但是在推广的过程中一定会困难重重。

  这个问题只涉及到需要借助外部信息参与评估的估值方法，例如上文提到的交易案例比较法和回归分析法。在使用这一些方法时，参与估值的外部信息质量直接决定了最终的评估结果。这些外部信息，通常来源于不良资产交易市场的历史交易数据，但我国不良资产交易市场由于参与度较低和参与双方的信息不对等导致了市场的不活跃、不公开，市场的交易量较小同时已完成的交易中含有因非正常交易导致的成交价格大大低于资产价值的情况，这些将造成数据的收集困难和使用失真数据来进行分析致估值结果产生较大误差。

  这项经济效率指标通常是理论研究者不够重视的一项标准，但是在实务工作中，经济效率指标却有重要的意义，估值成本高昂或评估效率低下方法将注定只能以理论的形式出现。

  例如在上述的方法中，专家打分法对于模糊问题有很好的解释力，但是却有背经济性原则，在实务中不可能同时邀请多位估值专家对一项债权进行多次打分估值；又如上述方法中的信息熵模型，使用多种办法来进行组合预测的过程中对同一项资产进行了多次重复评估，大幅度提升了工作量，严重违背了效率原则，如果应用到实践中会对工作效率造成非常大的影响。因此不能够确保经济效率的方法都不具备在实践中推广的能力。