中国信达资产管理股份有限公司海南省分公司 吴晓薇

关于资产管理公司业务决策流程优化的思考——引入决策树分析模型

中国信达资产管理股份有限公司海南省分公司 吴晓薇

为了应对市场的激烈竞争，资产管理公司在业务推进过程中引入了决策树分析模型。本文通过介绍资产管理公司业务发展的现状，并根据现有业务拓展中所存在的困境，引出目前较热的决策树分析模型。通过这些案例，可以看出决策树分析模型在操作上简单易行，具备整合决策信息、缩短决策时间、简化分析流程，以及有利于增进一线业务人员与客户、审核部门沟通等优势。最后，总结了该分析方法的优势及运用中可能出现的问题。

资产管理公司 流程优化 决策树分析模型

近年来，资产管理公司的业务拓展受到众多其他金融机构的挑战。为了应对激烈的市场竞争，如何简化决策流程，缩短决策时间成为资产管理公司需要思考的重要问题。

1　资产管理公司的现状及业务发展

1999年，为了降低国有商业银行的不良资产，具有中国特色的4家资产管理公司——信达、华融、东方、长城相继成立。

经过近10年的处置，第一批剥离的政策性商业银行不良债权已基本处置完毕。近年来，在积极参与商业银行不良债权的商业化收购与处置的基础上，金融资产管理公司积极推进市场化转型，不断完善综合金融服务功能，搭建了包括银行、证券、保险、信托、基金、期货、租赁的金融全牌照平台。目前，金融资产管理公司在保持不良资产经营主业优势的同时，也积极投入高附加值、高技术含量的资产管理与投资业务。

2　竞争压力和流程优化的必要性

以中国信达资产管理股份有限公司为例，在完成市场化转型，成功构建具备全牌照的金融集团平台后，信达的各项业务均受到了其他金融机构的激烈竞争。

综合金融服务类业务，信达受到了中信、平安等大型金融控股集团的激烈竞争；投资类业务，则需要与小型商业银行、信托公司抢占市场；即便传统类商业银行不良债权处置类业务，也受到了国外不良资产处置机构、地方资产管理公司和商业银行自身设立的处置中心等对市场份额的侵蚀。可以说，面对市场激烈的竞争，资产管理公司在资金成本、品牌认知度、规模效应等方面均不具备显著优势。如何运用多年处置不良债权所沉淀的经验和社会资源，挖掘多年积累的全能化人才的潜力，提供小而灵活的服务成为资产管理公司能够在市场竞争中不断发展的关键。

作为一线业务人员，笔者发现资产管理公司目前在流程上仍存在决策时间过长，决策思路、流程不清晰等问题，而此类问题极可能加剧客户流失，使得资产管理公司在市场竞争中更显被动。所以，优化业务流程，在业务拓展过程中引入直观易懂、易操作、高效的决策模型，对资产管理公司掌握主动、赢得时间、争取客户有着重要意义。

3　决策树分析模型

因为具备操作简单、显示直观并且结果一目了然等特性，决策树分析模型是目前热门的项目决策、项目管理的方法之一。简单来讲，决策树分析模型就是将决策过程的各个阶段信息(如相关可供选择的方案、在不同情景下发生的概率、收益等)汇总，绘制出一张箭线图。并通过相应计算，得出考量过风险损失后的潜在收益，最终进行方案甄选的方法。

决策树分析模型一般由方块结点、圆形结点、决策枝、概率枝等组成，方块结点称为决策结点，由结点引出若干条细支，每条细支代表一个方案，称为决策枝；圆形结点称为状态结点，由状态结点引出若干条细支，表示不同的自然状态，称为概率枝。每条概率枝代表一种自然状态。在每条细枝上标明客观状态的内容和其出现概率。在概率枝的最末梢标明该方案在该自然状态下所达到的结果(收益值或损失值)，见图1、图2。

图1　

图2　

也就是说，企业需要决断的行为发生在决策结点；而在状态结点，使用者能够获得考虑了变动因素后的预期收益或损失值。

4　决策树分析模型的实际运用

在上文中，笔者简单介绍了决策树分析模型的基本概念和基本使用原理。此处，笔者将通过两个简化的虚拟案例具体介绍决策树在资产管理公司中的运用。

4.1决策树分析模型在收购传统商业银行债权中的运用

假设2015年6月，当地商业银行B将推出一本金规模约10亿元的不良债权包，经过初步沟通和测算，资产管理公司A获悉收购成本约为1亿元，该资产管理公司只参与年化收益率超过10%的项目。而根据当时不良债权处置市场的情况，该不良债权包能够于1年、2年或3年处置完全的可能性分别为20%、50%和30%。3年中的处置可能值不发生变化，分别为1.1亿元和1.3亿元，概率均等。根据以上信息，资产管理公司A是否应积极参与B银行资产包收购项目？根据上述条件，笔者绘出的决策树如图3所示。

图3　

根据图3可以判定，本次拟收购项目不符合A资产管理公司10%收益率的标准，故不应参加本次收购。

4.2决策树分析模型在投资类业务中的运用

假设2016年10月，资产管理公司C与客户D公司洽谈规模约10亿元的投资类业务。客户D可接受单利年化12%的资金成本，即若无提前还款，2年后客户D将偿还12.4亿元。资产管理公司C只投资于年化收益率超过10%的项目，双方初步拟定的收益率为年化12%。该项目拟投资时间为2年，客户D可于资金投放1年后提前还款。若提前还款，1年收益率加提前还款补偿，年化收益率为12.5%，客户D提前还款的概率为40%。2年后若市场严重恶化，资产管理公司C仅能收回80%的本金，即8亿元。市场严重恶化的可能性为10%。根据上述条件，资产管理公司C是否应该投资于客户D？

根据上述条件，笔者绘出的决策树如图4所示。

图4　

根据图4可以判定，本次投资收益率超过资产管理公司C要求的10%收益率，资产管理公司C应该积极推动本次投资。

以上两案例均为笔者虚拟的案例，对现实因素进行了简化，但通过上述案例中决策树分析模型的具体运用，很好地展现了在进行初步投资判断时，决策树分析模型展示出的直观、高效、简洁的优势。

5　可行性分析

笔者认为运用决策树进行项目初步判定较为可行，原因如下。

(1)操作可行性。决策树分析模型操作简便，直观易懂的，运作成本较低。只需要对资产管理公司内人员进行短期的培训，就可上手操作。对于常规的项目，决策树分析模型甚至无须借助计算机完成，这也便于增进前台人员与审核人员及客户的有效沟通。

(2)数据可用性。在模型中我们可能会用到较多数据，但部分数据(如投资额、贴现率、未出现意外事件的预期回收额等)都为已知或可通过预测得到。笔者认为模型预测出的数据即便不能保证精准，但也可起到提供模糊值，为初步判定提供帮助。

6　决策树分析模型的积极影响

决策树分析模型因其自身优势已被广泛地应用于企业的投资决策之中。当面对多种执行方案且每种执行方案会有多种后续选择时，决策树会不失为一种好选择。它有效地控制了决策带来的风险。

对于资产管理公司而言，决策树分析模型所具备的高效、灵活的特性与资产管理公司业务模式的多样灵活性相契合。另外，决策树分析模型的直观易懂也便于对客户资源的拓展。

7　决策树分析方法的局限性

(1)适用于初步判定。由于决策树分析模型对于处理某些主观、复杂信息仍具备局限性，较适合用于前期业务拓展及项目初步判定阶段。

(2)决策树分析模型预测数据的主观性。决策树分析模型的操作并不复杂，但却要求使用者具备一定经济预测能力。从上述两个案例中，可以看出，使用者需要预测出市场变化的概率及市场收益在不同市场情况下的收益值。这些输入变量预测的准确性将直接影响到所绘制决策树模型的分析结果，并最终影响使用者的决策能力。但事实上，不同使用者对于经济的预测势必会带有主观色彩，这些主观性有可能会影响最终判断的准确性。

(3)市场剧烈变动情况下分析模型的无效性。必须认识到，在某些时期，市场环境会发生大幅度波动。此时，基于经验的预测值很有可能失去价值。所以，决策树分析模型只是在既有的市场预期下为我们的决策提供参考，却不能保证决策结果的最终的正确性。

[1] 决策树[EB/OL].智库百科,http://wiki.mbalib.com/wiki/决策树.

F273.4

A

2096-0298(2016)10(b)-095-02