随着经济下行压力增大，许多风险逐渐暴露，银行不良资产率不断上升，不良资产市场规模快速增长。据资料显示，截至2018年二季度末，中国商业银行不良贷款余额达1.96万亿元，银行不良率达1.86%，创下2009年3月来的最高值。
降杠杆、调结构仍是近期经济运行的主基调，这意味着未来几年可能出现更多的坏账，银行的不良资产仍将延续高位增长趋势，不良资产处置靠经济上行周期的盈利模式面临着挑战。
那么，银行将如何应对新形势?如何有效降低不良资产率?如何进一步提高不良资产处置效率?
排列科技认为，只能转而依靠银行内部通过技术赋能、提升效能来解决这一紧迫问题。
从目前行业情况看，金融科技逐渐成为目前全行业都在关注并且尝试应用的突破点。大数据等金融科技的引入，对传统不良资产行业，尤其是中小微和零售不良的处置，已有较大突破。其中，主要体现在两大核心策略的运用：
核心策略一：通过主动信贷管理从根源上控制不良资产
通过前瞻性、主动性信贷管理，是银行防范新增逾期与不良资产的根本之道。具体手段是采用大数据个人/企业画像，对客户进行深度识别与分级;进而再以大数据画像为基础，建立完善的全流程信贷风控系统。
以排列科技专门为小微企业定制的大数据企业画像为例。
通过大数据企业画像的分析，银行就能够迅速识别企业，区分出优质与劣质小微企业，从多个维度计算与量化小微企业的发展潜力、风险高低、授信额度、偿还能力等，对众多小微企业进行分层、分级管理。从而在源头上降低不良贷款率。
在画像的基础上，再建立起全流程信贷风控系统，从贷前分析、识别到贷中信贷审核贷、评级放款，再到贷后行为检测与贷后管理，依靠风险评估、风险监测等模型，层层把控、环环相扣，整个过程动态跟踪，一旦发现问题，提前预警，及时采取应对措施，把“不良”掐灭在萌芽状态或最大化止损。
核心策略二：通过科学化资产评估分层推动差异化管理
如果说策略一是“防新”，那么策略二就是“去旧”。策略二主要是对银行已有的客户资产包进行科学化管理。具体手段是运用机器学习方法建立起资产评估模型、催收概率评分模型等智能模型，通过模型对资产包进行精准估值定价与分层分类，对催回进行概率计算与评分，实现科学化贷后资产管理与精准化催收策略。
对资产包进行评级，实际上也就是在进行科学化客户分层分类。按风险程度对不良客户、预期客户进行分层，银行就可以对客户进行差异化管理，针对性制定解决方案。
比方说，对于风险系数高、企业财务危机已不可挽回的客户，尽快进入清收处置程序，或进入诉讼程序，退出该客户，减少损失;而对于一些信用评价高、偿还意愿高、却在短期内陷入困难的客户，银行则可以通过主动信贷重组或调整产品规划，协助客户更有效地管理流动性，帮助陷入短期困难的良好客户、潜力客户化解暂时性困难，使其回到良好状态。
建立起前瞻性、主动性的信贷管理与不良资产管理能力，可以为银行建立起“防新去旧”两道“闸门”——既能够帮助银行防止不良新增，又能够有效化解已有不良。从目前实践的效果看，使国内很多商业银行大大提升了重组清收成效、提高了资产转让效益、开拓了处置不良新渠道、抑制了不良率的攀升。这有助于让商业银行适应新形势下可持续发展的要求。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
