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。
