2006年第4精 -上海经济研究 ·
影响资产管理公司不良贷款
回收率的债务人内部因素研究
— — 某金融资产管理公司个案分析
戴小红 范思伟
(湖南科技职业学院 410004) (中国银行广东中山分行 528403)
内容摘要：四大国有资产管理公司成立后面临的首要任务是尽可能地实现不良贷款
回收最大化。对单笔不良贷款而言，其最终现金回收率是量度该笔不良贷款回收效果的重
要指标。本文尝试运用统计分析方法对某资产管理公司债务人重要的财务评价指标和主
观评价指标进行个案研究，试图找出影响资产管理公司不良贷款回收率的相关因素，以此
为依据找 出提高资产管理公司不良贷款回收率的方法。
关键词：金融资产管理公司 不良贷款回收 债务人内部因素
中图分类号：F832 3 文献标识码：A 文章编号：1005—1309(2006)4—0065—11
一
、 金融资产管理公司概述
中国信达资产管理公司、中国东方资产管理公司、中国长城资产管理公司、中国华融资产管理
公司等四大资产管理公司自1999年先后成立以来，分别承担起依法收购、管理和处置各自对口的
四大国有商业银行的不良贷款，以最大限度地保全资产、减少损失，促进国有银行和国有企业的改
革和发展。收购的范围和额度由国务院确定(《条例~2000)。在国务院确定的额度内，金融资产管理
公司按照账面价值收购有关贷款本金和相对应的计入损益的应收未收利息；对未计入损益的应收
未收利息，实行无偿划拨。收购不良贷款的资金主要来源于中国人民银行发放给国有独资商业银行
的再贷款和发行金融债券的融资。到 2000年 l1月 30日，上述四家金融资产管理公司已从四大国
有商业银行收购不良资产 13939亿元人民币，收购不良资产任务已基本完成，目前已进入不良资产
的处置阶段。
金融资产管理公司实行经营目标责任制。财政部根据不良贷款质量的情况，确定金融资产管理
公司处置不良贷款的经营目标，并进行考核和监督。目前考核主要是各大资产管理公司不良贷款质
量的状况，按年度向资产管理公司下达资产处置额(指一系列使资产的产权、形态等发生变化，以利
于最终实现资产价值回收的具体措施所涉及的债务额)和现金回收额(指对资产采取一系列处置措
施后，使所持资产最终变现的金额)两项指标，按各资产管理公司当年完成两项指标的情况确定其
次年的业务、管理费用，包括资产管理公司人员的费用。而各资产管理公司则根据不良贷款质量的
状况，将财政部考核指标分解下达其下属机构。
收稿日期：2006—02—20
65 —
维普资讯
· 上海经济研究 · 2006年第4期
资产处景额仅仅反映了对不良贷款所采取的一种较以前状态更能保证回收的措施，并不能最
终反映结果，因此该项指标往往只起一种参考作用而被置于一种不太重要的位置。而现金回收额因
为直接反映了不良贷款处置的最终结果，因而财政部对四大资产管理公司的考核及四大资产管理
公司对其分支机构的考核，主要是以现金回收额为指标，甚至可以说是唯一指标。
二、影响某资产管理公司不良贷款回收率相关数据搜集和分析
(一)样本采集与重要指标解释
本文中涉及的研究样本是某资产管理公司某地级市全部债务人共 6O家企业，用作分析的自变
量指标主要是指财务评价指标和主观评价指标两大类：
1．财务评价指标包括：流动资产、固定资产、流动负债、长期负债、所有者权益、财务费用、净利
润、确权金额(指某公司在接收截止 日接收不良贷款的本金额)。
2．主观评价指标包括：领导者素质、信誉状况、经营状况。见表一如下。
在各大资产管理公司将各自对国有银行剥离的不 良贷款接收之后，财政部为初步预测各资产
管理公司处置不良贷款的最终回收率，按以上两大类指标对所有债务人进行快速评估，并以此方法
获得的预期回收率作为各资产管理公司处置每笔不良贷款的参考依据。
此外，本文从资产管理公司处置不良贷款的有限经验发现，每个债务人不良贷款的总额及其第
一 笔逾期贷款的逾期时间与该债务人所有贷款的最终预期回收率之间有某种联系，因此，在本文中
也将这两项指标列为分析范围。
表1 主观评价指标的内容及计分方法表(填表指引)
指标 选项只能为 指标名称 指标内容 计分办法
以下档 次 权重
一
、领导者素 20
质
企业法人代表
1、品质 5 遵 纪守法、诚 好：5分：一般：3分；差f()分 5I 3l0
实守信情 况
企 业法人或经
2、经历 3 营者从事本行 ≥5年得 3分；≥2年得 1分；<2年得 0分。 3{1；0
业工作年限
企业主要领导 3、学历 3 大学本科以上 ≥8o 得 3分；≥6O 得 2分：≥50 得 1分 3l2；1{0
． 5；0 学历的比例 ≥3O 得0．5分；<3O 得 0分
经营管理 能力 强；2．5分；一般 ：1分 ；差 ：0分 2．5I1{0
4、能力 5 企业领导威信 高
：2．5分；一般 ：1分：差 ；0分 2．5Il1 0
5、业绩 4 企业法人 近3年 内获省部级(含)以上优秀企业称号或业绩出色者 4l2{0
二 、信 誉 状 况 20
贷款应付息余 元欠息得 2o分；≤1个季度应计利息额得 15分；≤2个季度应计利息 l
、贷款付息 20 20l1 5{l0I51 0 额 额得 lO分 ；≤4个季度应计利。也额得 5分；>1年应计利息额 0分
三、生 产 经 营 4O
状 况
企业的规模和 在全行业和全国范围内有重要影响的大型或特大型企业得10分；在省
1、企业规模与 10 在同行业或地 内同行业中有重要影响的大型企业或中型企业得 6分；本地区同行业 影响 内有一定影响力的中型企业得 3分I在本地区基本无影晌力的小型企 10I 6I 31 0
区的影响力 业得 0分
(一)生产企业
1、行业发展 1O 行业发展阶级 新兴行业得 5分；成熟行业得 lO分；衰退行业得 0分 10}5；0
主要产品市场 2
、市场状况 10 供不应求得 l0分。供求平衡得 5分；供大于求得 0分。 10‘5‘0 供求情况
i妾产品的寿 3
、主要产品 1 0 投入期 5分；成长 10分；成熟期 5分，衰退期 0分。 10l 5l0 命周期
— 66 —
维普资讯
2006年笼4鹈 ·上海经济研究 ·
指标 计 分办法 选项只能 为 指标名称 指标 内客
以下档次 权重
(二)流通 企业
l、地理位置 lO 位于繁华商业区得 1o分 位于一般商业区得 5分l位于非商业区得 0 10；5l0
分 。
2、购物环境与 1O 购物环境与设施良好，服务水平厦客户满意程度高。得 1O分；购物环境 10l5；0
设施服务水平 与设施一般．但经营有特色，服务水平和客户满意程度较好得 5分；购
厦客户满意程 物环境与设施差。服务水平和客户满意程度低得 0分。
度
供货、销售渠道稳定得 1O分}供货渠道不稳定，销售渠道稳定得 6分； 3
、供货和销售 1O 供货粜道稳定
，销售渠道不稳定得 3分；供货、销售渠道均不稳定得 0 l0l6；3；0 渠道
分
本文用作分析的因变量指标是预期回收率(或称预期现金回收率)，它是由某资产管理公司某
市工作组人员按各自对样本债务人的评价指标给出不同的预期回收率后的平均值，需要指出的是，
它与根据财政部快速评价办法测算出的预期回收率有较大的差别，很重要的原因是财政部测定的
预期回收率最低不能小于 3o％，不论债务人真实偿债能力如何。
裹2 企业基本情况 (单位：万元)
佘司 流动 固定 流动 长期 所有制 财务 领导 企业 经营 逾期 确权 预期 代码 行业 负债 负债 权益 费用 净利润 资产 资产 素质 信誉 状况 时问 金额 回收率
CO al a2 a3 a4 a5 a6 a7 a8 a9 a10 a11 a12 a13 y
1 29 3849 1431 13757 4700 566 O O 3 O 15 4 6719 0．07
2 29 45236 13Z6 52l45 0 6587 540 0 14 0 l3 5 717l O．2
3 37 36967 4199 44142 95O ——247 2984 O 13 5 23 6 1116 O．35
4 29 33O 2508 84O0 O 129 459 O 1O．5 1O 23 6 11347 O．2
5 8 637 1804 4944 2909 O O O O O O 8 5041 0．05
6 19 18555 3178 29082 0 —2133 752 —276 7 O O 5 2369 O．17
7 19 9339 6754 14958 4068 952 276 2 12．5 O 26 1 32845 0．14
8 17 2238 O 4128 O O 231 O 0 O O 5 1481 O．13
9 29 92573 51883 63466 2401 161423 4124 O 15 O 28 8 70O01 O．25
1O 37 3742 138S6 19732 O 11404 O O 3 O 8 1O 1494 0．1
11 29 11880 4419 25689 1261 1809 2 O 6 O 3 2 1124 O．15
12 38 27 15O 392 223 ——441 3O 0 8．5 O 13 8 635 O．2
l3 35 4747 4 787 l6365 3000 O 0 6．5 O lO 3 26960 O．O2
14 13 14477 18522 13451 11212 O 1O52 85 13 O 23 5 2960 0．21
15 29 l323 1628 2373 294 285 146 O O O O 3 517 0．11
16 8 27406 18806 27070 10206 37276 22l7 76 ll O O 10 2188 0．22
17 19 2738 O 1715 928 1224 15O 56 15．5 O 23 3 242 0．3
18 13 9471 63 16178 O ——2820 831 — 831 11．5 O 23 5 1064 O．28
l9 29 42O 79 O O O 5 0 l2 0 O 4 l48 O．3
20 37 5 1OO68 12699 1629 8804 0 O 8 O 13 6 5026 0．2
21 29 18580 14 18685 O 378 0 O 3 O 0 4 10096 O．1 2
22 29 2459 727 1829 O 1357 32 O 11．5 5 16 1 1418 O．25
23 29 327O4 O 46865 1O9 ——6778 O 0 17．5 O 23 7 19002 0．22
24 29 1983 O 3297 33 3O6 1O 0 8．5 O 13 2 2O21 0．3
25 29 2163 O 3346 38 1O17 114 0 8．5 O 13 1 362 O．24
26 29 927 O 1227 15 28 5O 0 1O．5 2O 16 1 60 0．1
27 29 6040 539 9316 O 一 2488 18 — 95 1O．5 0 16 7 3232 O．2
28 29 l6857 O 19884 l631 ——1582 916 0 1O．5 O 23 7 5849 0．2
29 19 737 1040 1040 O 362 12O 一 294 13．S 0 O 3 571 1
30 29 】749O 1885O l2】88 724】 17661 1471 34l 15 0 14 9 23639 O．21
31 19 1O817 5865 1743O 3474 43 25 — 695 6．5 O O 6 2100 O．1
32 l6 14809 19670 36293 16000 O 2645 O 7 O O 5 13378 0．05
33 16 2047 O 4676 O 0 92 O O O O 6 83l8 0．04
34 29 5349 O 8O95 31O ——2690 245 O 8．5 O 13 7 4049 0．3
35 29 3468 O 4323 1OO 一 311 l1 0 7 0 16 O 440 O．3
36 29 6268 373 9084 95 — 2590 l28 0 8．5 0 l3 l l354 O．25
37 37 281 3207 1206 2886 ——2734 O O 1O O O 3 3624 O．18
— 67 ～
维普资讯
· 上海经济研究 · 2006年笺4豫
公 司 流动 固定 流动 长期 所有制 财务 领导 企业 经营 逾期 确权 预期 代码 行业 净利润 赍产 资产 负债 负债 权益 费用 素质 信誉 状况 时间 金额 回收率
38 29 1O322 0 13277 124 30 4O0 0 15．5 2O 23 3 1550 0．16
39 29 3761 232 5282 O 一 1126 O O O O O 3 2543 0。11
40 29 8809 492 8606 2926 825 170 O 1O．5 O 23 5 6653 0．2
41 15 3379 139O 4629 O 8l1 361 ——94 5 O O 4 2380 0．2
42 35 15607 234 7444 0 8399 O O 10 O O 4 709 0．3
43 37 2246 1O6 34717 1991 49O2 240 O 1O O 2O 4 3203 O．2
44 8 2457 O 19O53 400 6 O O 11 O 2O 6 1126 0．26
45 29 32273 126 0 0 O 482 0 6 O 0 3 4151 0．28
46 2O 16334 263 22767 O O 34 O 2 O O 6 10418 0．i
47 29 51391 23387 57598 793 2324 1365 33 5 O O 11 2633 0．2
48 19 652 O 512 O 77 O O O O O 2 357 0．1
49 16 10213 203 948O 200 I360 0 0 9 0 O 4 577 O．27
50 1 9 1357 1O5 l1O8 O 586 75 O O 0’ 0 2 950 0．I
51 9 15398 8678 31734 12150 2346 22 —42 11 O 18 6 1443 0．23
52 19 5712 10705 7832 15974 3873 443 O 8 O 18 11 1176 0．1
53 29 5358 239 6067 O O 616 O 1O．5 O 16 5 415 0．21
54 29 12512 9910 16477 404 7530 223 O 16 1O 28 5 I802 0．21
55 29 2747 5 2804 4 — 38 0 0 O 0 0 5 1225 0．08
56 29 4O217 256 54359 0 4611 403 O 10 O 15 5 9671 O．2
57 8 6290 404 6550 637 862 32 O 3 O O 3 2954 0．16
58 8 10744 675 2521 13O17 0 1427 O 8 O O 6 1461 0．15
5g 9 3356 34570 32070 O 一43117 8553 ～12247 7 O O 8 8160 0．13
6O 29 33570 169O 31913 3518 1O49 O O 5 O O 5 7311 0．15
(--)多元线性回归
本研究采用的统计方法为逐步多元回归分析法(stepwise)。吴明隆(2000)在其编著的<<SPSS
统计应用实务》一书中指出，逐步回归分析法是运用甚为广泛的复回归分析方法之一，也是多元回
归分析报告中出现机率最多的一种预测变量的方法。它结合“顺向选择法”(forward selection)与
“反向剔除法”(backward elimination)二种方式的优点。所谓顺向选择法即是自变量一个一个(或
一 个步骤一个步骤)进入回归模式中，在第一个步骤中，首先进入方程式的自变量是与因变量关系
最密切者，亦即与因变量间有最大正相关的自变量，进入回归模式中。在每个步骤中，使用 F统计
(t统计的平方)检验进入回归值进入的概率值(probability of F—to—enter)dx于或等于内定的标准
(．05)，则此变量才可以进入回归模式中。所谓反向剔除法是先将所有自变量均纳入回归模式中，之
后再逐一将对模式贡献最小的预测变量移除，直到所有自变量均达到标准为止。剔除的标准有二，
一 为标准化回归系数显著性检验的F值最小；二为最大的F概率值(maximum probability of F)。
SPSS内定剔除标准的最小F值为2．71、最大的F概率值为0．IO。如果研究者发现预测变量间相
关较高，可将剔除 F值(F—to—remove)设大些，而将F概率值设小些。
在回归分析模型中，各种连结函数可由SPSS先进统计模件第 6版产生。
(三)以预期回收率作为因变量进行分组
变量说明：
· 等量客户分组法
通过排序分析，得出预期回收率分组依据如下：
百分比 值 百分比 值 I 百分比 值
25．OO O．11 3 50．O0 0．200 l 75．OO 0．248
分组结果：预期回收率<O．113为第 1组；预期回收率>o．113并且<O．200为第 2组}预期回
收率>0．200并且<O．248为第 3组；预期回收率>O．248并且<1为第 4组。
结论：从上述分组可知，预期回收率小于 0．248的低回收率公司占研究对象 6O家中的 75 ，
～ 68 —
维普资讯
2006年第4期 ·上海经济研究 ·
而仅有 25％的公司，其预期回收率稍微高一点(大于 0．248)，只有一家公司的预期回收率达到
100 9／6。通过统计分析得出预期回收率直方图：
Std．Dev=．13
Mean=．20
N=60．00
预期回收率
图 I 预期回收率直方图
上述预期回收率直方图中显示，平均值为o．20；标准差为 o．i3，说明随机抽样的 6o家公司客
户总体上讲预期回收率均比较低。
(四)多元线性回归，建立回归模型
· 第一次回归分析
为研究客户贷款回收率的大小，我们将预期回收率设定为因变量，用Y表示。而自变量包括：
行业 al；流动资产 a2；固定资产 a3；流动负债a4；长期负债a5；所有制权益a6；财务费用a7；净利润
a8；领导素质a9；企业信誉alO；经营状况alI；逾期时间al2；确权金额al3。通过运行SPSS6．0统计
分析系统，得到：
l 0 0Ct 01 SPSS for M S WIND()WS Release 6．0 Page 1
> Warning#9475
>Worksheet contains an unsupported character set．Non—English letters and
~ special characters probably won t be translated correctly．
Data written tO the working file．
15 variables and 60 cases written．
Variable：C0 Type：Number Format：F11．2
Variable：A1 Type：Number Format：F11．2
Variable：A2 Type；Number Format；F11．2
Variable：A3 Type：Number Format：F11．2
Variable；A4 Type：Number Format：F11．2
Vaffable：A5 Type：Number Format：F11．2
Variable：A6 Type：Number Format：F11．2
Variable：A7 Type：Number Format：F11．2
Variable；A8 Type；Number Format：Fl1．2
Variable：A9 Type：Number Format：F11．2
Variable：A10 Type；Number Format：F11．2
Variable：A11 Type：Number Format：F11．2
Variable：A12 Type：Number Format：F11。2
Variable：A13 Type：Number Format：F8
Variable：Y Type：Number Format：Fl1．2
69 —
维普资讯
· 上海经济研究 · 2006年甍4期
1O 0et O1 SPSS for MS WINDOW S Release 6．0
* * * *MUI TIPI E REGRESSION * * * *
I istwise Deletion of Missing Data
Equation Number 1 Dependent Variable．．Y
Block Number 1．Method：Enter
A1 A1O A11 A12 A13 A2
A5 A6 A7 A8 A9
Variable(s)Entered on Step Number
1．． A9 2．． A8 3．． A5
5．． A1 2 6．． A1O 7．． A1
9．． A11 1O．+ A6 11．． A3
13．． A7
Multiple R． ．73184
R Square ．53559
Adjusted R Square ．40435
Standard Error ．1 008 1
Analysis of Variance
DF
Regression 1 3
Residua1 46
F一 4．08087
Sum of Squares
． 53918
． 46752
Signif F：．0002
A3 A4
4．．
8．．
12．．
A13
A4
A2
Mean Square
． 04148
． 01016
Page2
10 Oct 01 SPSS for MS WINDOWS Release 6．0 Page3
* * * *MULTIPLE REGRESSION * * * *
Equation Number 1 Dependent Variable．．Y
r r r r - - r - - t t r t r t - - - t - - - - - - - - - - - - - - - - - - - - Variables in the Equation------------------------------------·-·-··-·----··--
Variable B SE B Beta T Sig T
A1 —8．64677E一 04 ．001720 一．057830 一．503 ．6175
A10 一．009832 ．003699 一．304937 — 2．658 ．0108
Al1 一．003814 ．002130 一．287356 — 1．791 ．0799
A12 一．005924 ．006569 一．11 5427 一．902 ．3718
A13 —3．67221E— O6 2．1951E一06 一．300247 — 1 673 ．1011
A2 3．17885E— O8 2．1109E一06 ．003921 ．O15 ．9881
A3 3．48905E一 07 3．4842E一06 ．025234 ．100 ．9207
A4 —1．52905E— O6 1．6972E一06 一．188666 一．901 ．3723
A5 —9．64075E— O6 4．0057E一06 一．326481 — 2．407 ．0202
A6 1．09130E一 06 1．4674E—O6 ．186342 ．744 ．4608
A7 1．850l1E— O5 2．8296E一05 ．186756 ．654 ．5165
A8 1．41563E— O5 2．3006E一05 ．171772 ．615 ．5414
A9 ．023828 ．004209 ．861074 5．661 ．0000
(Constant) ．156983 ．056189 2．794 ．0076
End Block Number 1 All requested variables entered．
注：B为原始回归系数，Beta为标准化的回归系数，Beta的绝时值越大，相应的自变量时因变量的影响程度越大。
通过统计分析，得出以下结论：
1．13个预测变量预i贝0预期回收率时，影响最显著的自变量是 A9领导素质，其次是 A5长期负
债、A1O企业信誉、A13确权金额和A11经营状况。而影响最不明显的是 A2流动资产、A3固定资
产 ，几乎可以忽略不计 。
2．回归模型
根据以上统计结果，得出多元线性回归方程式如下：
Y= 一 0．0008647*al一 0．009832*al0— 0．003814*a11— 0．005924*a12— 0．00000367*
a13十0．0000000813*a2+ 0．000000349*a3— 0．00000153*a4— 0．00000964*a5+ 0．000000109
*a6+0．0000185*a7+0．0000142*a8+0．023828*a9+0．174335
3．该模型预测预期回收率的准确度达到 54％。在今后的工作当中，我们可以利用该回归方程
式，根据公司的上述 13项指标对不良贷款回收率进行预测，借此为不 良贷款回收决策提供参考依
一 7O 一
维普资讯
2006年第4期 ·上海经济研究 ·
据，从客观上加强对有可能回收的不良贷款的催收与管理，从而提高不良贷款回收率。这种估计的
准确率可以达到 54 9，5，这已经是一个相对不错的结论。
· 第二次回归分析
从第一次回归分析中，我们看到有 5个自变量对预期回收率的预测影响最大，影响最显著的自
变量A9领导素质，其次是A5长期负债、A10企业信誉、AI3确权金额和 All经营状况 为考察上
述 5个指标预测预期回收率的准确度，我们将上述 5个指标作为自变量进行第二次多元回归分析，
通过运行 SPSS6．0统计分析系统，得到：
lO oct 01 SPSS for MS WINDOW S Release 6．0 Page4
* * * *MUI TIPI E REGRESSION * * *
Listwise Deletion of Missing Data
Equation Number 1 DependentVariable．． Y
Block Number 1． Method：Enter
A9 A10 All Al3 A5
Variable(s)Entered on Step Number
1．． A5 2．． All 3．． Al3 4．． Al0 5．． A9
Multiple R ．68423
R Square ．46816
Adjusted R Square ．41 892
Standard Error ．0995 7
Analysis of Variance
DF Sum of Squares Mean Square
Regression 5 ．47130 ．09426
Residual 54 ．53540 ．0099l
F一9．50701 Signif F：．0000
_ 。 · 。 · · _ _ _ r - r _ _ _ _ _ _ _ 。 · · · ’ 。 _ 。 _ _ _ _ _ - - Variables in the Equation‘。_。____·__--- t _L____----。______-----·-
Variable B SE B Beta T Sig T
A9 ．0234l4 ．003875 ．846ll4 6．042 ．0000
A10 ．008233 ．003530 一 ．255338 — 2．332 ．O234
A11 一 ．0041 68 ．0019l8 一．314043 —2．174 ．0341
A13 2．193l8E—O6 1．3l97E～O6 一 ．179319 一 1．662 ．1023
A5 —8．84193E 06 3．O31 7E～O6 一 ．299429 — 2．917 ．005l
(Constant) ．091072 ．026544 3．431 ．0012
End Block Number 1 All requested variables entered．
结论 ：
1．A9领导素质，其次是A5长期负债、A10企业信誉、A13确权金额和A11经营状况五个指标
对回收率的预测准确度达到 47 ，与第一次回归分析预测预期回收率的准确度仅相差 7个百分
点，进一步说明了A9领导素质，其次是 A5长期负债、A10企业信誉、A13确权金额和 A11经营状
况这五个指标在预期回收率中所起的作用，特别是领导素 A9，充分说明了领导素质对不良贷款回
收的关键性影响，领导素质如果较好，则不良贷款的回收可能性就越大，反之，则越小。
2．多元线性回归方程式如下：
Y= 0．003875*a9— 0．008233*a10— 0．004168*a11— 0．00000219*a13— 0．00000884*a5
+ 0．091072
3．提供以上统计分析，我们可以得出这样的结论，在其他财务指标准确度不高或难于获得，或
者为节省时间，或减轻工作量等原因时，资产管理公司可以根据以上五个指标来初步估计预期回收
率，以减少工作量，提高工作效率，而且对不良贷款回收率的评估结果与根据第一个回归方程式得
出的结果基本一致。
(五)对主要变量进行聚类分析
1．聚类分析法的定义。
一 71
维普资讯
· 上海经济研究 · 2006年第4鹚
★ ★ · ★ ★ H I 当 R A R C H I C A C L U S T E R A N A L Y 8 I S 。 。
oend譬。口 a啦 using AvezagQ Linkag$ (Between Groups)
Rescaled Distance ClusteE Confine
C A 8 E O 5 10 15 2O 25
Label N唧 +⋯ ⋯ ⋯ +⋯ ⋯ ⋯ +一 ⋯ ⋯ +⋯ 一 一 +⋯ ⋯ ⋯ +
19．O0 19
‘8．O0 I8
12．O0 12
26．OO 26
50．O0 50
29．O0 29
l1．O0 11
22．OO 22
15．O0 15
8．OO 8
24．OO 24
55．0O 55
25．O0 25
35．0O 35
39．OO 39
41．0O 41
37．00 37
5．O0 5
33 OO 33
4．OO 4
38．O0 38
49．O0 49
18．OO 18
27．O0 21
． 0O 34
36．OO 36
53．O0 53
57．OO 57
40．0O 40
1．O0 1
44．O0 44
42．OO 42
10．00 lO
20．0O 20
52．0O 52
58．O0 58
14．00 14
31．O0 31
54．O0 54
21．0O 21
46．aO 46
28．00 28
6：O0 6
11．O0 11
43．O0 43
45．O0 45
7．O0 '
13．O0 13
30．O0 3O
32．O0 32
51．O0 51
2．0O 2
56．0O 56
3．00 3
60．O0 riO
23．00 23
47．O0 47
l6．O0 16
59．00 59
g．00 9
10 OCt 01 SPSS for M8 WINDOWS Release 6-0
图 2 树状 图
聚类分析(cluster analysis)又称集群分析，它是按“物以类聚’’原则研究事物分类的一种多元
统计分析方法，它根据样本的多指标(变量)、多个观察数据，定量地确定样品、指标之问存在的相似
一 72 一
．． § § 1I
n } 。 l， l ，l ^ ! 》 } 3 { { ；
¨ l- l；
维普资讯
2006年第4霸 ·上海经济研究 ·
性或亲疏关系，并据此连结这些样品或指标，归成大小类群，构成分类树状图(Dendrogram)或冰状
图(Icicle)。
为了综合考察随机抽样的 6O家公司，找出它们的共同点和不同点，以便深入地研究流动资产
A2、固定资产 A3、流动负债 A4、长期负债A5、所有制权益 A6、财务费用 A7、净利润 A8、领导素质
A9、企业信誉A10、经营状况A11、逾期时问A12和确权金额A13对预期回收率的影响，我们利用
丛聚分析法进行了研究，见图二，得到以下结论：
从图可以看出，差异性明显的9家公司代码为2、3、9、16、23、47、56、59和6O。经分析，上述 9
家公司有以下特点：
①9家公司中有 6家属于商贸企业，占了三分之二；
②上述9家公司的流动负债均比较大，而长期负债相对于流动负债来说却要小得多，说明这 8
家公司存在明显的以短期负债代替长期负债进行经营的情况，大量的短期负债被长期占用；
⑧上述 9家公司的财务费用明显大于其它公司，说明企业的财务管理不善，内部管理问题比较
大 。
(六)分布直方图法
根据线性回归方程，我们知道领导素质是影响不良贷款预期回收率的最关键因素，而不良贷款
预期回收率是我们研究的主要对象。我们的目的就是要根据财务指标与非财务指标，如何比较客
观、科学地评估公司的预期回收率，以减少资产管理公司的损失，从而提高资产管理公司的经营效
益。所以，我们特别考察了领导素质 A10、确权金额 A13两个指标的分布情况。下面我们采用分布
直方图法进行研究。所渭直方图法，就是通过对数据的加工整理，从而分析和掌握质量数据的分布
状况和估算工序不合格频率的一种方法。将全部数据分成若干组，以组距为底边，以该组距相应的
频数为高，按比例而构成若干矩形，即为直方图(Wu，2001)。见图三。
通过以上领导素质直方图可以看出，随机抽样的6O家公司中有 54家公司的领导素质比较低。
对没有信誉的公司的不良贷款，其催收难度必定很大，回收率相应也就低。素质较高(>15)的公司
只有 6家。
另外，上面的统计分析得出的标准差比较小(8．2)，这也说明领导素质分布比较均匀，基本上处
于一个水平一匕
领导素质
图 3 领导素质直方图(AIO)
Std．Dev=4．72
Mean=8．2
N=60．00
4 2 0 B 6 4 2 0
维普资讯
· 上海经济研究 · 2006年第4期
通过确权金额分布直方图(见图四)可以看出，随机抽样的 6O家公司中有超过一半的公司(32
家)的确权金额小于 2500万元，说明资产管理公司所管理的不良贷款比较分散，在债务追收方面可
能会增加资产管理公司的工作量。确权金额大于 6．5亿元的企业仅有 1家。
确权金额分布直方圃
图 4 确权金额分布直方图(A11)
三、结论和建议
Dev=10BB0。10
n=5880．5
80．00
通过本次研究，我们基本上可以得出以下结论：
I．资产管理公司所管理的不良贷款，由于历史遗留问题，形成不 良贷款的原因复杂，而绝大部
分的企业目前处于停产或半停产状态，完全依靠财务指标对其不良贷款的回收进行已不现实，因此
必须增加考虑其非财务因素。
2．以上线性回归分析显示，企业非财务因素——领导者素质对资产管理公司不良贷款回收影
响最大，同时，其它非财务因素，包括企业信誉、经营状况等的影响也很明显，而影响不良贷款回收
的主要财务因素是企业长期负债和确权金额。
3．尽管通过线性回归模型可以对不良贷款回收率进行预测，且预测准确率达到了 54 ，但毕
竟仍存在有 46％的偏差，因此，线性回归模型只能作为资产管理公司不良贷款回收率预测的一种
辅助工具。
4、本次研究结果可以作为其它地区资产管理公司不良贷款回收率预测的参考方法，其它地区
资产管理公司在使用该线性回归模型时，最好能根据各地区的不同情况，特别是一些特殊的因素，
如其它有别于其它地区的非财务因素，在综合考虑的基础上，对模型进行一定的修正，以更适合本
地区的特点，增加预测准确率
5、研究结果表明，企业信用，包括企业领导者素质和企业信誉等信用因素是不良贷款回收的主
要影响因素，资产管理公司在清收不良贷款时，务必尽可能多地掌握企业信用状况，多方面了解企
业领导者及其关联企业信息，为不良贷款回收决策提供尽可能多的参考依据
6、本次研究是在现有情况下进行的，随着时间的推移和所研究对象经营管理状况的变化，以及
政府宏观政策调整，有必要对以上线性回归模型进行修正，以适应形势变化需要，确保不良贷款回
一 74 —
维普资讯
2006聋第4孺 ·上海经济研究 ·
收率的准确率和模型的有效性。
7、研究限制。
①本次研究由于受地区限制，所选取的样本只能局限于6o家企业，对不良贷款回收率预测的
准确性造成一定的影响。
②所研究企业的财务指标因受多数企业已停产、关闭影响，指标数据的截至时间有很多是几年
前的，一定程度上影响了本次研究的准确性。
③本次研究有较大的地区局限性，对其它地区未必完全适用，缺乏普遍性。
8、未来研究建议。
本次研究虽然结束了，但在今后的实践工作中，特别是随着时问和宏观、微观经济环境的变化，
企业内部经营管理状况的变化等情况，应不断对本研究结果的科学性和可靠性进行再研究，可以通
过定期的办法，如每隔一年进行一次考察，或在国家出台对资产管理公司不良贷款回收有大影响的
政策时，可及时进行考察论证，以不断考察实际的不良贷款回收率与所预测的不良贷款回收率的偏
离程度，及时对模型进行修正。口
参考文献：
l，施蒂格利茨(Stiglition)．世界银行副行长．解决国企重组的认识混淆．efinance．yeah．net，2000年 lO月07目
2．冯建平．我国银行不良资产证券化面临的问题．金融早报．2000年 7月 4日
3．奏池江．对资产管理公司的功能与运行基础的研究．国际金融研究．1999年第 3期
4．孙军．我国佥融资产管理公司运作的制约因素分析及对策，投资银行大师网站 2000~2001
5．孙波，刘世汉．金融资产管理公司的市场定位及其业务创新——兼论加入 WTO之后金融资产管理公司的
生存和发展．中国长城资产管理公司大连办事处文件 2001年
6．吴明隆．统计应用实务．中国铁道出版社．2000年编著
7，于小晖．西方商业银行放款原则的发展与变化．国际金融．2001年 3月
8．周小川．重建与再生：化解银行不良资产的国际经验．中国金融出版社(1 999)
9．中国人民银行金融研究所编著．国有企业债务重组与银行资产保全．经济科学出版社(1 998)
10．2ooj年 4月 l1日．最高人民法院关于审理涉厦金融资产管理公司收购、管理、处置国有银行不良贷款形成
的资产的案件适用法律若干问题的规定．2001年 4月 11日
一 75 —
维普资讯
