2024年2月中采制造业PMI为49.1，环比下降0.1个点，环比下跌有季节性因素。结合非制造业加权数值看，当月综合PMI指数高于去年12月，与今年1月持平。大企业PMI持平前值，中型企业高于前值，小企业低于前值，其中高新技术制造业PMI数值虽较上月小幅回落，但仍显著高于整体水平。受到春节因素影响，供给端的生产指数出现季节性的明显下跌；新订单指数持平，表明需求端环比稳定。出厂价格指数和原材料购进指数走势背离，分别出现上行和下行走势，其分化特征有助于企业利润修复。
2月数据显示在前期增发国债落地、PSL重启、降息降准落地的背景下，微观预期有所好转，对应到企业经营预期这一指标来看，确实也较上月有小幅好转。建筑业景气度受到春节假期及低温雨雪天气因素影响较为明显，同时也受到地产销售低迷及地方政府投资谨慎制约，2月在1月大幅回落的基础上，再次下跌0.4个点，由此带动建筑产业链相关的其他行景气度也相应放缓。春节返乡和出行带来的人群流动活跃推升服务业表现良好，服务行业对人员用工需求有所增加。
2月春节期间的出行和服务类消费成为亮点；偏低基数下汽车销售也维持较高的累计同比。主要约束点是房地产销售仍未见扩张特征。发电、货运、开工率等数据相对中性。此外，名义增长情况要好于实际增长，全球定价商品和部分内需定价商品的价格整体呈现一定修复特征。中央经济工作会议定调“有效需求不足”和“社会预期偏弱”之后，财政、货币、金融政策陆续有所发力，稳定微观预期的信号也接连出现，2024年1月、2月PMI连续呈环比企稳特征，这意味着政策已有初步效果。需关注两会政策出台的持续释放，以及广义财政能否剔除化债影响后对经济形成正反馈。
在尽职调查的基础上，如何准确给拟收购的不良资产包进行合理估值，是一个非常专业而且重要的技术性环节。本文分享几种常见的估值方法，以供了解及探讨。
1、假设清算法
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经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。
由于假设清算法主要用于计算资产变现价值，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，与该企业的实际情况会有所不同，同时该方法没有考虑到企业持续经营对债权价值的影响，可能会导致估值结果与其真实价值存在显著的误差，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。
2、信用评价法
信用评价法是一种以指标分析为基础的不良资产估值方法，一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，同时财务报表白身的局限性也会在该方法中有所体现。
3、交易案例比较法
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。
4、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。
5、信息熵模型
基于信息熵理论的评估模型实际上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，从而达到了减少单一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准确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。
以上几种估值模型各有优劣，实操中从业人员会根据不同案例的实际情况，选择最合适的方法综合考虑，确定标的资产包的估值水平，以助于实现最终处置收益的最大化。