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)进行比较，并通过对其不同的方面进行比较修正，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。但是由于其前提条件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(德尔菲法) 

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。

该访法有如下三大特点:

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,若存在较大分歧或差异，则将所有判断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断结果进行分析，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很好的促进作用，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时大量的，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主要因素，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。

 回归分析法 

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，如过将包中每-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债能力信息，不能通过这些信息对其偿债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可以得到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，该误差会得到有效的修正。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方法进行评估即科学又节约了成本。

但是，也应该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否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-系列的数理统计运算，工计算难度很大，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 

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 关于偿债意愿和偿债能力的指标体系,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用贷款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用贷款已经很少,这种面对信用贷款的评估仿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-定的认可度，虽然在理论上可以很好的演绎但是实践中几乎没有机会使用。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。

 期权定价模型

我国的不良资产的特点中包含——具有较强的期权性。

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，持有该看涨期权的主要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; 若资产管理公司进行债转股、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。因此可以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门针对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-种新颖估值思路,但是作为-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使用统计学方法进行回归，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。

 信息熵模型