（金融学专业论文）金融不良资产价值影响因素的实证研究.pdf

提要 商业银行存在的大量不良资产直接危及国家金融安全和社会稳定。如何对金 融不良资产进行准确定价，如何判断不良资产的内在价值，影响不良资产价值的 影响因素究竟有哪些，已经成为世界金融领域研究和探索的紧迫任务，也是我国 金融资产管理公司和投资者收购和处置商业银行不良贷款的关键点与难点。解决 这个问题，对于国家、债权人以及相关当事人有效处置不良资产、最大限度地减 少损失至关重要。 本文以金融不良资产价值为研究对象，通过对其影响因素的研究和论证，试 图为金融资产管理公司或投资银行收购、管理和处置金融不良资产提供决策参 考，为提高金融不良资产的处置效率和效果提供定价技术支持。首先，通过分析 和研究金融不良资产的收购、管理和处置情况，结合有关专家及文献报告对金融 不良资产价值的分析和评价，本文提出以下两个论点：一是贷款本金( 反映银行 放贷谨慎程度) 、表外利息占比( 反映借款时间长短) 、企业所有制、行业区别、 企业所处区位、企业运营状况、企业贷款方式、企业涉诉情况等8 个因素将对不 良资产价值产生显著影响，由于上述影响因素在范围、程度、规模等方面的不同 直接导致了不良资产价值的不同；二是上述影响因素与金融不良资产价值之间存 在着线性关系，我们可以通过建立多元线性回归模型来反映各个相关因素对金融 不良资产价值所产生的具体影响。其次，为验证上述论点，本文选取了1 9 5 个 样本，运用单因素试验的数理统计手段对上述论断进行了验证，结果表明除贷款 本金外，其余7 个因素都对金融不良资产价值产生了显著影响；在此基础上，本 文进一步将表外利息占比、企业所有制、行业区别、企业所处区位、企业运营状 况、企业贷款方式、企业涉诉情况等7 项影响因素与金融不良资产价值之间建立 起多元线性回归模型，经过多元线性回归分析及统计检验后，得出计算金融不良 资产价值的经验方程。最后，本文以真实处置的金融不良资产为例对经验方程进 行了验证，将相关数据代入经验方程后，计算得出的价值与真实价值基本吻合。 关键词：金融不良资产价值影响因素研究 a b s t r a c t t h el a r g ea m o u n to fn o n p e r f o r m a n c el o a n si nc o m m e r c i a lb a n kd i r e c t l y t h r e a t e n sen a t i o n sf i n a n c i a ls o u n d n e s sa n ds o c i a ls e c u r i t y h o wt oa c c u r a t e l y e v a l u a t ea n dt oe f f e c t i v e l ym a n a g ef i n a n c i a ln o n - p e r f o r m a n c el o a n s ，h o wt o d e t e r m i n et h ei n t r i n s i cv a l u eo ft h en o n - p e r f o r m a n c el o a n sa n dh o wt oi d e n t i f y d i f f e r e n tf a c t o r sa f f e c t i n gt h ev a l u a t i o nh a sb e c o m ea nu r g e n tt a s ki nt h e w o r l d sf i n a n c i a ls e c t o ra n dt h ek e ya n dm o s td i f f i c u l tp o i n tf a c i n gf i n a n c i a l a s s e tm a n a g e m e n tc o m p a n i e sa n di n v e s t m e n tb a n k so fo u rc o u n t r yi n a c q u i r i n ga n dd i s p o s i n g n o n p er f e r m a n c el o a n s s o l v i n gt h i s p r o b l e mi s e x t r e m e l yi m p o r t a n ti nh e l p i n gas t a t e ，c r e d i t o r sa n dr e l a t e dp a r t i e se f f e c t i v e l y d i s p o s en o n - p e r f o r m a n c el o a n sa n dr e d u c el o s s e st ot h eg r e a t e s td e g r e e b ys t u d y i n g a n d v e r i f y i n g t h ev a l u a t i o nf a c t o r so ff i n a n c i a l n o n - p e r f o r m a n c el o a n s ，t h i sa r t i c l ep r o v i d e dar e f e r e n c ef o rf i n a n c i a la s s e t m a n a g e m e n tc o o p e r a t i o na n di n v e s t m e n tb a n k si na c q u i r i n g m a n a g i n ga n d d i s p o s i n gn o n - p e r f o r m a n c el o a n st oh e l pt h e mi m p r o v et h en o n p e r f o r m a n c e l o a n sd i s p o s a le f f i c i e n c ya n dp r i c i n ga c c u r a c y f i r s t ，b ya n a l y z i n ga n ds t u d y i n ge x a m p l e so fn o n p e r f o r m a n c el o a n s a c q u i s i t i o n ，m a n a g e m e n ta n dd i s p o s a la n db yr e f e r r i n gt or e l a t e da r t i c l e si nt h e s a m ea r e ab ye x p e a s ，t h i sa r t i c l ea d v a n c e dt h ef o l l o w i n gt w oi n f e r e n c e s ：t h e f i r s ti st h a tt h e r ea r ee i g h tf a c t o r si ne v a l u a t i n gt h ev a l u eo fn o n p e r f o r m a n c e l o a n s ：1 l o a np r i n c i p a l ( r e f l e c t i n gt h ed e g r e eo fc a u t i o nw h e nb a n k sm a k i n g l o a n s ) ；2 n o n p r i n c i p a lr a t i o ( r e f l e c t i n gt h el e n g t h o fl o a n ) ；3 f o r mo f o w n e r s h i p ；4 i n d u s t r yd i f f e r e n c e ；5 b u s i n e s sl o c a t i o n ；6 b u s i n e s so p e r a t i o n ； 7 l o a nr e p a y m e n tm e t h o da n d8 l i t i g a t i o ns i t u a t i o n t h ed i f f e r e n c ei nt h e a b o v em e n t i o n e de i g h tv a l u a t i o nf a c t o r sd e t e r m i n e st h en o n p e r f o r m a n c e l o a n sv a l u e t h es e c o n di st h a ta b o v e m e n t i o n e df a c t o r sh a v el i n e a r r e l a t i o n s h i pw i t ht h ev a l u eo ft h en o n p e r f o r m a n c el o a n sa n ds h o w e dt h eh o w m u c he a c hf a c t o ra f f e c tt h ev a l u a t i o nb yu s i n gm u l t i p l er e g r e s s i o nm o d e l s n e x t 。i no r d e r 幻t e s ta n dv e r i t h ea b o v e m e n t i o n e di n f e r e n c e s ，t h e a u t h o ru s e d19 5s a m p l e sa n dt e s t e da n dv e r i f i e di tb yu s i n gs i n g l ev a r i a b l e r e g r e s s i o nm e t h o d t h er e s u l ts h o w e dt h a te x c e p tf o rt h el o a np r i n c i p a l ，a l l t h eo t h e r7f a c t o r sh a d s i g n i f i c a n ti m p a c t i nt h ev a l u a t i o no ft h e n o n p e r f o r m a n c el o a n s b a s e do nt h i s ，t h ea r t i c l ef u r t h e re s t a b l i s h e d m u l t i p l el i n e a rr e g r e s s i o nm o d e l sb e t w e e nt h e s e7f a c t o r sa n dt h ev a l u eo f n o n p e r f o r m a n c el o a n s a f t e rm u l t i p l el i n e a rr e g r e s s i o na n a l y s i sa n d s t a t i s t i c a lt e s t ，t h ea r t i c l e dd e r i v e dt h ee x p e r i e n t i a le q u a t i o ni nc a l c u l a t i n gt h e v a l u eo ft h en o n p e r f o r m a n c el o a n s f i n a l l y ，t h e a u t h o ru s e dr e a le x a m p l e so fn o n p e r f o r m a n c el o a n s d i s p o s a lt ov e r i f yt h ee f f e c t i v e n e s so ft h ev a l u a t i o nf o r m u l a a f t e ra p p l y i n g r e l a t e dv a l u e st ot h ee x p e r i e n t i a le q u a t i o n ，t h er e s u l ti ss i m i l a rt ot h er e a lv a l u e o ft h en o n p e r f o r m a n c el o a n s k e y w o r d s ：f i n a n c e n o n - p e r f o r m a n c el o a n sf a c t o r sa f f e c t i n g v a l u a t i o n s t u d y 引言 金融不良资产，英文全称为n o n p e r f o r m a n c el o a n s ，简写为n p l s ( 本文 以下对金融不良资产均简称为：n p l s ) 。在世界不同类型的国家中，n p l s 都 比较严重。平均而言，发达国家n p l s 比例在1 0 左右，发展中国家n p l s 比 例在2 0 ，而转轨国家中的n p l s 比例更是达到了3 0 一5 0 。商业银行存在的 大量n p l s 直接危及国家金融安全和社会稳定，各国政府对此都十分关心、高度 重视。从世界各国和我国的实践看，虽然在某些方面取得了一些成功经验，但遇 到的一个共同难题，就是如何判断n p l s 的内在价值，影响n p l s 价值的影响因 素究竟有哪些，如何对n p l s 进行准确定价和有效处置等，这不仅是金融资产管 理公司( a s s e tm a n a g e m e n tc o r p o r a t i o n ，以下简称：a m c ) 和投资者收购和 处置商业银行n p l s 的关键点与难点，也是世界金融领域研究和探索的紧迫任 务。解决这个问题，对于国家、债权人以及相关当事人有效处置n p l s 、最大限 度地减少损失具有十分重要的意义。可以说，对n p l s 的准确定价不仅会大大提 高a m c 的运行效率，而且将最大限度地降低损失，最大限度地化解金融风险； 不仅会对我国保持健康、稳定的金融秩序产生重大的影响，而且也将对国民经济 的持续、健康、稳定发展发挥积极的作用。 针对e l 益严重的n p l s 问题，为解决n p l s 的准确定价问题，本文运用数理 统计方法对影响n p l s 价值的相关因素进行了实证研究和验证，得出了有益于提 高n p l s 处置效率和效果的结论，具有较为重要的实践意义和理论意义，也具有 较高的使用价值： 1 、提出了计量n p l s 价值的具体计算公式，为提高n p l s 的处置效率和效 果提供定价技术支持。 1 9 8 8 年财政部金融保险企业财务制度把贷款划分为正常、逾期、呆滞、呆账，其中后三类台称小 良贷款。1 9 9 6 年生效的贷款通则，对逾期和果滞贷款作了调整，例如规定贷款逾期一天即定为逾期， 逾期两年为呆滞( 在这之前，逾期三年为呆滞) ：或者逾期虽然没有满两年，但是企业停产、项目下马的， 也可以划分为呆滞。这种方法简单易行，在当时的财务制度和企业制度下发挥了重要作用。随着形势的发 展，这种分类方法的局限性开始显现。1 9 9 8 年，中国人民银行开始对贷款分类方法进行改革，决定与国际 惯例接轨，咀五级分类方法取代“一逾两呆”分类法，出台了贷款风险分类指导原则( 试行) ，i 刊年在 广东开始试点，1 9 9 9 年全面推开。2 0 0 1 年1 2 月，中国人民银行正式发布了贷款风险分类指导原则， 井于2 0 0 2 年1 月1 口起在全国全面推行。该原则第三条规定：“评估银行贷款质量，采用以风险为基础的 分类方法( 简称贷款风险分类法) ，即把贷款分为正常、关注、次级、可疑和损失五类，其中后三类合称为 不良贷款”。 2 、从统计学的角度提供了一种科学、有效的估值方法。目前a m c 及投资 银行对n p l s 的估值基本上仍沿用传统的评估方法，如历史成本法、清算法、市 场比较法等。本文运用概率统计手段为a m c 或投资银行预测和判断n p l s 价值 提供了一种新的估值方法，为n p l s 估值开阔了思路、拓宽了视野，为a m c 或 投资银行决策提供了新的、更有效的参考依据，具有很强的现实意义。 3 、将数理统计理论与具体的n p l s 估值紧密联系在一起，一方面为n p l s 收购、管理和处置工作提供了有效的理论工具，另一方面也为数理统计理论开拓 了新的研究领域。 一、本文研究对象及有关文献回顾 ( 一) 我国n p l s 现状及处理方式 中国银行业的n p l s 问题也同样十分严重，据不完全统计，我国银行业在过 去的二十多年中共产生n p l s 约4 4 万亿元，其中约7 5 来自原四大国有商业银 行，已经成为影响我国目前经济发展和金融稳定的一个重大问题。截至2 0 0 6 年 6 月3 0 日，我国商业银行的不良贷款情况见表1 1 。 表1 12 0 0 6 年商业银行不良贷款情况表 第一季度第二季度 余额 与全部贷款比例 余额 与全部贷款比例 ( 亿元)( )( 亿元)( ) 不良贷款 1 3 。1 2 4 78 0 3 12 8 2 7 2 7 5 3 其中：次级类贷款 3 2 8 1 4 2 0 1 3 ，0 6 6 7 1 8 0 可疑类贷款 5 0 3 5 13 0 8 5 ，0 3 8 9 29 6 损失类贷款4 8 0 8 2 2 9 4 4 ，7 2 1 6 27 7 不良贷款分机构 主要商业银行 12 0 6 8 48 2 61 1 7 7 8 87 8 0 国有商业银行 10 5 8 8 29 7 810 5 5 7 69 4 7 股份制商业银行1 4 8 0 2 3 9 2 1 2 2 1 2 3 0 9 城市商业银行 8 6 1 57 5 98 4 5 46 7 2 农村商业银行 1 5 8 1 6 9 61 6 6 4 6 6 4 外资银行 3 6 70 9 53 6 60 8 7 对此，我国政府借鉴国际经验，采取有效措施，对四大国有商业银行的不良 贷款进行了剥离处理。第一次剥离是在1 9 9 9 年，国家将工行、农行、建行和中 行的1 4 万亿元n p l s 按政策性方式进行了剥离，并为此先后组建了华融、长城、 n 信达、东方等四家a m c ，分别对口收购四大商业银行的不良贷款 。第二次剥离 商业镪行包括国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外资银行；主錾商业 银行包括国有商业银行和股份制商业银行。( 资料来源：中国银监会网站h t t p ：l l w w wc b r cg o v c n ) 。 北京现代商报2 0 0 4 年1 1 月2 5 日财经版：1 9 9 9 年我国政府成立信达、华融、长城和东方等四家资 产管理公司( a m c ) 分别收购经营处置米自四大国有商业银行及国家开发银行约1 4 万亿元不良资产。 在2 0 0 4 年6 月，由财政部和中国人民银行主持，采取竞梅方式，向信达公司按 市场翻二原则测离了2 ，7 8 7 亿元可疑炎贷款( 其中中行1 ，4 9 8 亿元，建行1 ，2 8 9 亿 元) 唧。2 0 0 5 年6 月，又采取“保留底价、市场竟标”的分包定价方式进行了 第三次囊藤，将中嚣工裔锻行4 ，5 9 5 亿元可疑粪货款竞俊裂离给霆客a m c 。，自 a m c 采取专业化手段在规定期限内进行处簧。 ( 二) 研究对象与研究框架 a m c 囱成立起，n p l s 定价就成为其收购、处置n p l s 的最大技术难题。 为此，本文以n p l s 价值作为研究对象，首先通过分析和研究n p l s 的收购、管 理鞠处萋 毒泼，结台毒关专家及文献摄告慰n p l s 徐蓬弱分辑和评馀，提如以一f 两个论点：一是贷款本金( 反映银行放贷谨慎程度) 、表外利息占比( 反映借款 对潮长惹) 、企盈繇骞涮、行韭区翔、企整掰楚区像、金鼗运营获溅、金鼗贷款 方式、企业涉诉情况等8 个因素将对n p l s 价值产生显著影响，由于上述影响因 素在范围、程度、髋模等方面的不阔直接导致了n p l s 价德静不同；二是上述影 响因素与n p l s 价假之间存在着线性关系，我们可以通过建立多元线性回归模型 柬反映各个相关因索对n p l s 价值所产生的其体影响。 筹二，为验 委上述论点，本文选取了1 9 5 个样本，运用单因素试验的数理 统计手段对上述论断进行了验证，结果表明除贷款本金外，其余7 个园豢都对 n p l s 徐蕊产生了髭著影舔；在鼗萋继上，本文遴步将袭夕 裂怠占魄、企业所 有制、行业区别、企业所处区位、企业运营状况、企业贷欺方式、企业涉诉情况 等7 项影响因素与n p l s 价值之阚建立莛多元线浚霞彗j 模溪。经过多元线佼舀岛 分析，并对统计模型进行拟合优度检验和驻著性梭验后，本文得到了计算n p l s 价值的经验方程。 最后，本文以其实处鬣的n p l s 力例对经验方程进行了验证，姆相关数据代 入经验方程后，计算得出的数据与真实数据基本吻合。根据经验方程，我们可以 将n p l s 滏素交鬃代天其中薯撂到其 砉诗毽。 人民网京华时报2 0 0 4 年7 月1 日第b 3 4 版；6 月2 9 目，在中行宣稚发行百亿狄级债的同一天， 中行、建行正式将旗下2 ，7 8 7 亿元司疑类贷款正式剥离路中国信达资产管理公司，其中中行的面j 疑类 餐欺为 童9 8 亿元，建籽隽，2 8 9 钇元。 媚：融时撮2 0 0 5 华7 月1 日锻行版：6 月2 5 日，由人民银行牵头主持的工行4 5 9 0 亿元可疑类贷款 招标会在北京进行。6 月2 7 日，长城、信达、东方、毕融四家资产管理公司与工行签订了可疑攒信贷资 产转让协议。 4 ( 三) 有关n p l s 价值影响因素的文献回顾 何仕彬认为中国银行n p l s 产生的关键原因是企业长期占用银行资产，导致 信贷资金财政化9 。具体来讲主要包括：一是外部环境与政策变化影响；二是政 府职能不规范、摊派性贷款或其他政府干预；三是国企高负债经营，效益很差； 四是投融资机制对企业的预算软约束；五是银行贷款管理软化，风险责任机制不 足，中央银行对银行资产监管薄弱。此外，抵押贷款法律手续不全等也是重要原 因。 r i c h a r dp e i s e ra n db i n gw a n g ( 2 0 0 2 ) 在专门针对中国n p l s 的一 篇论文中提出了中国不同于美国的几个影响n p l s 价值的因素，如许多贷款没有 不动产的抵押保证，贷款对象多是资产价值有问题的国有企业等，并具体提f j 了 三类15 条影响投资者对n p l s 价值与不确定性看法的因素，这些不确定性因素 包括社会与政治意愿( 中央政府的意愿、地方政府的意愿、新任领导人的意愿、 企业员工的社会保障) 、法律层面( 抵押品的处置法律、破产法、债权人权利、 外国投资者的权利与所有权限制) 、执行的影响( 司法强制执行、资产移交费用、 对下岗职工的责任、资本收回限制、税收优惠、处置时间、土地使用权) 等，这 些因素都将影响n p l s 的评估与处置价值。 汪海粟认为，影响中国商业银行不良贷款价值的因素可以归纳为两大类，一 是体制惯性，二是变现环境毋。体制惯性具体是指过去客观存在的以政银和银企 关系为核心的经济管理体制对银行不良贷款产生的潜在影响：变现环境主要是指 由银行不良贷款的供求关系所决定的买卖环境，并认为变现环境中最突出的问题 是供大于求。 易华指出，影响中国n p l s 价值的主要原因，一是n p l s 结构所限导致未来 现金流难以预测；二是缺乏合理价格形成所需的发达市场体系；三是缺乏形成合 理价格所需的法律环境、社会信用体系、审慎会计制度、充分的信息披露机制等 外部环境：四是缺乏科学的定价手段 。 谢平、李德指出，中国n p l s 资产质量差、分散、社会信用弱化、资产管理 难度大、资本市场发展不够充分、中介组织体系落后，a m c 面临法规基础差、 银行不良资产重组的国际比较，中国金融出版社。2 0 0 0 年，p 2 9 0 一2 9 2 国有商业银行不良资产评估问题，2 0 0 0 列大问题阻碍n p l s 回收，经济e t 报，2 0 0 3 5 政策不配套簿诸多瞬难( 如地方政府具有浓厚的傈护主义懒向、a m c 的税赞减 免政策在实骣执行中遇到困难、n p l s 处蚤中没能突破所蠢制束缚、a m c 的枣几 构设置与用人制度和激励机制不完游等) 等都影响了中国n p l s 的价值变现9 。 二、本文论熹 影响n p l s 价值的因素很多，本文结合已有研究文献与我国n p l s 的特殊情 况，提出以下两个论点： ( 一) 贷款零金等8 个因素将对n p l s 馀值产生显著影响 本文认为，贷款本金( 反映银行放贷谨慎程度) 、表外利息占比( 反映借款 对游长短) 、金韭掰有裁、行监区爨、金监繇处区缎、企照运藿获戮、垒照贷款 方式、企业涉诉情况等8 个因素将分别对n p l s 价值产生照著的影响，由于上述 主簧影嘀因素在范围、程度、规模等方面的不同靖n p l s 价徨造或了重大影响。 以下是影响情况的舆体分析和阐述： 1 、贷款本金( 反映贷款谨慎程度) 。银行贷款本金的大小很大程度上反映了 银行敷贷的谨慎程发。丽银 亍放贷麴谨慎程度叉与锻行譬理体制及其内部管理制 度相关联。一般来讲，对于本金规模较大的贷款，银行往往是非常谨慎的，各类 菇浚管理攮藏氇稿您珑较严格。这耱 薹滨瞧不寝表壤在对贷款金盟静选撂、颂霾 的评估以及后续的监督管趣上，还袭现在对企业的选择与项目的贷款数量上。所 良，本文认为贷款本金越大，其价值藏应该越高，不螽贷款发生静穰率氇较低， 即使发生了不良贷款，其损失也应该较小。 2 、表外利息占眈( 反映借款时间长短) 。一般来讲，债权就是一种信用。在 来到期前，可以认为其全额偿还鲍可能性照1 0 0 。但一旦逾期旦来全额偿还， 其全额偿还的可能性将逐渐降低，经过某一阶段后可能会忽剧降低。因此，人们 善逶谈为n p l s 其鸯“熬稷夔应”，帮随饕瓣闯匏浚逝，其捻篷毽在不甄减少。 而且，债权持续未获清偿的时间越长，发擞坏账损失的可能性越大；不良债权的 借款时闻趟翠，逾期时闻魄虢越长，价篷一般氇琵较低。舔衡量贷款途蘩程度馥 一个较为贴切的指标就是袭外利息及其占比，其中表外利息占比可以百分比的形 式蹩化体现逾期时闻和程发。 中国金融资产管理公司运行中的困难、成效和发展前景， b 较，2 0 0 3 在实证分析中，并不是分析变盘( 即影响因素) 越多越好，变量过多将加大分析的难度和复帑性：同 时幽子非捐美强素的影响，也可能去降低分析结果豹准确性。 3 、企业所有制差别。由于我国经济发展的阶段性，我豳商业镶行对企业放 赞受霆家欢燕导向蛇影镌非常严重。长期以米，我嬲经济以豳有企业为主体，一 方面国有企业是国有商业银行的主要贷款对歙，另一方面两者之间的关系一直不 是纯肄豹亵娩纯关系，且l 羹予两者器塞茨鬏冀较约慕，金鼗对镶行跫能贷剩贷， 银行对企业则是重货轻收。目前的n p l s 多数就是该体制下运行的必然结果，而 置由于国寄众韭效麓豹蓄遮下溪与冗员豹影响，瓷保持稳建帮维护鼙哭工裂筵， a m c 在处鼹该类企业的n p l s 时，往往会受到各种限制。特别是在二十世纪八 十年代初期和九十年代初期国有商妊银行对乡镇企她和国裔企监的贷款，回收的 难度远远大于其他除段发放的贷款。由此本文判断，企业性质将对n p l s 价值产 生鼹著影响，并且圈有企业的n p l s 价值将低于其他类型的企业。 4 、垒渡行选蓑潮。不烟的毒亍效一方露代表了企业豹不潮发展漤力，另一方 面，行业性质的差异也将导致企业的构成不同，有形和无形资产的比例不同，可 瓯麓子抵押瓣资产不阕。繇强不同学泣豹垒嬗在羲狳逐贷援力辩，骥投入可执露 的资产及其变现程度不同，从而对债权人会有不同的保证能力。本文认为，不同 行娩的n p l s 价值存在差澍，垄断行监静n p l s 价值较离，竞争激烈的簿泣其 n p l s 价值较低。特别是那些可执行资产较多、资产通用性较广的企业，比如房 地产企业，旦发艇坏账，也应该肖较高的价值。 5 、金救掰处隧位差别。不同黝地区鄹城市，凌子经济发展水平不同，一方 面导致企业的资产规模、设备的先j 灶性、管理水平、产品市场等存在差异，另一 方甏n p l s 懿嚣求市场氇会不固。本文试为，在经滚较戈发达錾丈城市，金选资 产膜量较好，同时n p l s 的需求也较大，因此n p l s 价值较高；而在经济较为落 螽鹃乡镇，金韭资产质量较差，n p l s 的需求不大，茵越n p l s 侩镶较蘸。 6 、企业经营状况。企业只有持续运营才能加快资产的周转和增值，同时资 产也只有在持续经营前提下才会县有必其未来现金流量计麓的价德。如果企业不 能维持正常经营，处于关悖甚至破产状态，一方砸筹集资金的来源熄逐渐糨竭， 另一方面，由于本身已不能再产生现金流入，对债权人的保障程度也将下降。因 诧，本文谈必金翌缀萤浚鼹将对n p l s 徐毽产生重丈影鹃。经营状溅铰妊豹垒韭， 其n p l s 价值就高；随着众业经营情况的逐步恶化，n p l s 价值将不断降低。 7 、金监贷款方式。贷款方式觳分努信霜、保证、羝掸帮滚撵舀穆形式。 通常，这四神方式对债权人的利益保障程度是不同的，信用的保障程度最低，保 涯较高，羝摔受离，瘊糖最高。因魏本文谈为，鸯较高豫障程痰翡n p l s 其徐餐 也相应较高，保障程度较低的n p l s 其价值将会较低。 8 、企韭渗诼情况。本文通过对已裔案倒的分析发糯，约1 3 的n p l s 是通 过采取法律手段来解决其欠款问题，但从诉讼的结果来餐却各不楣同，商的项目 采取诉讼手段有较高的价值，有的则比较低。但一般来说，未涉诉的n p l s 其价 值相应较高；焉已涉诉，特别是已审结败诉的n p l s ，其徐蘧最低。困越，本文 认为涉诉的n p l s 价值较低，而朱涉诉的则较商。 ( - - ) 上述影晌透素鸯n p l s 徐毽存在羞线性关系 在上述8 个因素分别对n p l s 价值产生显著影响的基础上，本文进步认为 上述影响因素将对n p l s 价值产生共同的、综合的影响，n p l s 价值并不是革个 因素对其单独影响的结果，实际上是上述多个因素综合影响的结果。不仅如此， 粮据n p l s 价值及其影响因素的特点，本文认为上述影响因素与n p l s 价值之闷 还存在麓线性荧系，我们能够遗过建立多元线性强麴模型寒发姨超关因素对 n p l s 价值所产嫩的具体影响，进而能够对n p l s 价值进行具体的计量。 三、影响因素识别筠单因素方差分析 为验证第一个论点，本文蓠先选取1 9 5 个样本运用单因素试验的数理统计 手段，对上述影响n p l s 价值的影响因索进行样本分布的分析与方差分析，e l 的 在于：一是分类识别样本的分布特征：二是分析不同类别n p l s 价值之间是否存 在显著菱冥，秘步识剔影响n p l s 徐魏麴具体戮豢。 实务中，n p l s 的价值一般是以其现金回收举来体现的，即实际回收的现金 占其奉金及裂怠辩魄镶。因魏，率交霹样本数攥躲徐蓬分孝厅、零潮素方麓分橱臣 及后面的多元线性回归分析等实证研究都将围绕n p l s 现金回收率展开。 ( 一) 数据来源与样本选取 本文的研究样本按以下原则进行筛选： 1 、选择案例数据。本文以真实处嚣的n p l s 案例作为研究样本，同时在选 择过程中注意将受到政策疆割、不具备蔫逮性匏特爨令絮热鞋剔除，以蠛翔分褥 的适用性和普遍性，最终确定了1 ，2 8 0 个案例数据 。 根据统计学的要求，一般样本量应为分析变量，即n p l s 价值影响因索个数的2 0 3 0 倍“l 。 s 2 、划定菇本菠嚣。投据本文提警懿8 矮影晌因素，确定分辑豹样本数量应 在1 6 0 2 4 0 个之间 。 3 、确定样本数量。对选择的案例进行编号，根据编号将编号尾数2 、7 的 鬃倒全部选出，共计2 5 6 个；然后对各案例进彳亍逐项分孝厅，主要检查数提是否 齐全；最后，剔除6 1 个数据不全的案例，最终得到1 9 5 个样本。数据分析通过 e x c e l 中熬绞计较搏进行。 4 、规范分析变量 稷强多元霞弱分辑静要求，本文在逡行多元爨| 蔗努幸嚣麓对影镝交量遴行了谣 明和规范定义，以便进行定量分析。具体详见表5 1 。 ( 篡) 贷款本金分析 扶不嶷贷款本金援模分辑，在全邦撵本金她中，本金小予5 0 0 万元懿超过 一半，价值为3 4 0 4 。其次为本金5 0 0 - 1 0 0 0 万元的贷款企业，所占比例为 2 2 1 5 8 ，徐嫠最蠢，荛4 6 。1 7 。其稳濒耪类黧获占毙铡终2 0 ，徐壤受交叉 特点，1 0 0 0 3 ，0 0 0 万元和5 ，0 0 0 - 10 ，0 0 0 万元的较低，而3 ，0 0 0 5 ，0 0 0 万元和 1 0 ，0 0 0 万元瞄上的较高。单因豢方差分耩懿结慕表羁，f 僮= 1 3 9 f 口( 一n - j ) ( 哥出f 分布衰查褥相癌麴f a ( j 一 ，n - j ) 毽) 。羹唾在拳罕a 下拒绝鞭镁谩h o ，鄄诱为舔泰 a 的不同水平对总体有显著影响；如果f 值 2 2 1 ，显示表外利息 蠢比对n p l s 硷镶产生了较显著戆影确。详见表4 。2 。 表4 ，2不同袭外利息占比样本企业的分布与方差分析 | 表矫稠患占眈价毽 样本n j骈占眈铡 最小蕊最大德缓海平筠值 大于1 0 0 5 2 0 7 4 2 11 0 _ 7 7 0 0 0 1 0 0 0 0 2 4 8 0 1 5 0 一伯t 0 8 3 1 0 3 4 42 2 5 6 0 、0 0 9 8 7 2 8 8 9 1 3 0 - 5 0 1 1 2 6 6 9 4 02 0 5 1 o 0 0 1 0 0 0 0 2 8 1 7 o 总离差平方和：8 害妻r z r ”，f 以+ 疋 os m 缎间平方和：轧5 蚤嗨氛一本4 ，旋映各组样本之间的麓异程度。群由于园聚a 的不同承甲所日 起的系统差异。 s e ：谣麓平方和：薯。丢善嘞一毛y ，覆跌善释疆豌嚣素弓l 怒垂孽试验误嫠。 。组间平均平方和：墨= 兰嚣 。误差平均平方和；瓠。畿 翁f 值：，。詈。 表4 2不同表外利息占比样本企业的分布与方差分析( 续) l 表多 利惠占觅赞镶 榉本耋n j 掰占晓铡最夺毽袋大篷缀蠹平麓镶 1 0 3 0 1 6 2 1 4 0 3 61 8 4 6 0 0 0 1 0 0 0 0 4 5 0 4 o - 1 0 2 9 4 1 + 1 7 5 42 7 。6 9 o 。o o o 袋0 0 5 4 。4 7 小计7 0 4 1 0 3 1 9 5 1 0 0 0 0 0 0 0 1 0 0 0 0 总离麓平鳃阅平方误差平蠢组阚平均 误麓平均 ；慧警均蓬f 僮 方和 和和 平方和 平方和 3 6 1 1 2 6 8 8 3 6 1 1 3 0 5 2 3 6 1 1 2 5 2 3 3 8 2 8 。7 0 3 6 1 1 1 8 1 9 5 3 6 。 2 ，2 3 1 3 5 3 9 3 ，2 8 8 3 8 。0 7 9 6 7 9 8 3 2 1 0 1 6 3 2 7 5 f o 0 5 0 - 1 ，n ) = f 。0 5 ( 4 1 9 0 ) 2 3 7 f o0 1 ( i - 1 n ) = f o o ，( 4 ，1 9 0 )3 3 2 f o 盎。幽一 ，n ) = f o 蘸4 ， 9 0 ) 3 ，7 2 f o 0 0 1 ( i - n - j ) = f 。0 0 1 ( 4 。1 9 0 ) 4 。6 2 ( 四) 所有制澎式分鸯片 从样本企业的所有制形式潜，国有企业占绝大多数，样本数量为1 2 7 ，所占 班鲻这6 5 。4 ，毽该类金韭懿徐蓬帮较羝，臻毽为3 。8 ，较全郝缮本均毽3 6 。 低4 3 个百分点。而其余形式的企业虽然仅有6 8 个，占样本总摄的比例较低( 合 计为3 4 9 ) ，毽英价值豹麓德秀4 4 ，高予全部样本均篷8 个百分点。摹嚣 素方差分析的结果表明，f 值= 5 9 3 3 8 4 ，表明在9 5 的置信水平下所有制变 量的不简形式对n p l s 价值产生了显鬻影响。详见表4 3 。 表4 - 3不同所有制样本众业的分布与方麓分析 捷业性质价值 样本量n j所占比例 最小值最太值 组内平均值 晷鸯企业4 ，0 4 2 。8 7 2 76 5 3 o ，0 0 1 0 0 o o 3 1 。8 3 非国有企业 2 9 9 8 1 7 6 83 4 8 7 0 0 0 1 0 0 0 0 4 4 0 9 小诗 7 0 4 1 0 4 9 5 1 0 0 。0 0 o 。o o 1 0 0 。o o 总离熬平方组间平误差平方驵间平均误麓平均 总平均值f 值 翔 方和 和 平方和 平方和 3 6 1 1 2 3 2 3 3 6 1 1 4 3 ，3 1 表4 3不同所有制样本企业的分布与方差分析( 续) 总离差平方 组间平误差平方组间平均 误差平均 总平均值f 值 和 方和 和 平方和平方和 3 6 1 1 2 2 3 1 3 5 6 6 5 4 2 1 6 4 8 1 1 1 2 2 6 6 5 4 5 9 3 18 6 3 f o 0 5 ( j - 1 ，n t ) = f 0 0 51 1 1 9 3 ) 3 8 4f 0 0 t u - 1 ，n - j = f 0 0 1 ( 1 ，1 9 3 j6 6 3 f o o o s ( i - 1 一- j ) = f o0 0 5 ( 1 。1 9 3 ) 7 8 8 f 0 0 0 1 ( j - 1 n ) - f o 0 0 1 ( 1 1 9 3 ) 1 0 8 3 ( 五) 行业分布分析 从样本企业的行业分布来看，建材工业贷款居多( 占2 9 2 3 ) ，交通化工 贷款次之( 2 8 7 2 ) ，能源、冶金、煤炭较少；从价值来看，能源最高( 9 3 8 5 ) ， 房地产次之( 5 8 8 6 ) ，造纸与印刷贷款最低。单因素方差分析的结果表明，f 值= 5 0 2 1 8 8 ，表明行业差异对n p l s 价值产生显著影响。详见表4 4 。 表4 4不同行业分布样本企业的分布与方差分析 行业分布 价值 样本量n j 所占比例最小值最大值组内平均值 自来水生产 5 4 2 4 3 84 1 0 1 9 7 4 9 7 5 4 6 7 8 0 与供应 冶金、煤炭 2 3 4 6 5 73 5 9 2 4 7 9 0 4 9 3 3 5 2 造纸与印刷 6 1 3 0 42 0 5 2 3 0 3 7 9 7 1 5 3 3 机械制造 7 8 9 9 2 1 99 7 4 0 0 0 1 0 0 0 0 4 1 5 7 建材工业 1 7 0 4 0 7 5 72 9 2 3 0 0 0 1 0 0 0 0 2 9 9 0 化学工业 1 0 8 6 8 7 3 11 5 9 0 0 0 0 9 8 7 2 3 5 0 6 房地产 8 2 4 0 5 1 47 1 8 9 8 7 1 0 00 0 5 8 8 6 能源 4 6 9 2 6 52 5 6 8 3 6 6 1 0 0 0 0 9 3 8 5 食品工业 9 2 5 9 4 2 81 4 3 6 0 0 0 1 0 0 0 0 3 3 0 7 零售业 4 0 2 5 4 2 21 1 2 8 0 0 0 8 1 7 5 1 8 3 0 小计7 0 4 1 0 4 1 9 51 0 0 0 0 0 0 0 1 0 0 0 0 总离差平组间平方 误差平方组间平均误差平均平 总平均值 f 值 方和 和 和 平方和 方和 3 6 1 1 0 4 7 3 6 1 1 1 7 2 7 3 6 1 1 5 6 6 3 6 1 1 2 1 9 8 3 6 1 1 0 3 4 3 6 1 1 7 2 4 6 表4 4不同行业分布样本企业的分布与方差分析( 续) 总离差平组间平方 误差平方组间平均瞑差平均平 总平均值f 值 方和和 和 平方和方和 3 6 1 1 1 6 6 7 0 3 6 1 1 2 5 9 3 6 1 1 6 9 7 8 3 6 1 1 2 5 4 2 6 7 3 6 1 1 2 2