隨著經濟下行壓力增大，許多風險逐漸暴露，銀行不良資產率不斷上升，不良資產市場規(guī)?？焖僭鲩L。據資料顯示，截至2018年二季度末，中國商業(yè)銀行不良貸款余額達1.96萬億元，銀行不良率達1.86%，創(chuàng)下2009年3月來的最高值。
降杠桿、調結構仍是近期經濟運行的主基調，這意味著未來幾年可能出現更多的壞賬，銀行的不良資產仍將延續(xù)高位增長趨勢，不良資產處置靠經濟上行周期的盈利模式面臨著挑戰(zhàn)。
那么，銀行將如何應對新形勢?如何有效降低不良資產率?如何進一步提高不良資產處置效率?
排列科技認為，只能轉而依靠銀行內部通過技術賦能、提升效能來解決這一緊迫問題。
從目前行業(yè)情況看，金融科技逐漸成為目前全行業(yè)都在關注并且嘗試應用的突破點。大數據等金融科技的引入，對傳統(tǒng)不良資產行業(yè)，尤其是中小微和零售不良的處置，已有較大突破。其中，主要體現在兩大核心策略的運用：
核心策略一：通過主動信貸管理從根源上控制不良資產
通過前瞻性、主動性信貸管理，是銀行防范新增逾期與不良資產的根本之道。具體手段是采用大數據個人/企業(yè)畫像，對客戶進行深度識別與分級;進而再以大數據畫像為基礎，建立完善的全流程信貸風控系統(tǒng)。
以排列科技專門為小微企業(yè)定制的大數據企業(yè)畫像為例。
通過大數據企業(yè)畫像的分析，銀行就能夠迅速識別企業(yè)，區(qū)分出優(yōu)質與劣質小微企業(yè)，從多個維度計算與量化小微企業(yè)的發(fā)展?jié)摿?、風險高低、授信額度、償還能力等，對眾多小微企業(yè)進行分層、分級管理。從而在源頭上降低不良貸款率。
在畫像的基礎上，再建立起全流程信貸風控系統(tǒng)，從貸前分析、識別到貸中信貸審核貸、評級放款，再到貸后行為檢測與貸后管理，依靠風險評估、風險監(jiān)測等模型，層層把控、環(huán)環(huán)相扣，整個過程動態(tài)跟蹤，一旦發(fā)現問題，提前預警，及時采取應對措施，把“不良”掐滅在萌芽狀態(tài)或最大化止損。
核心策略二：通過科學化資產評估分層推動差異化管理
如果說策略一是“防新”，那么策略二就是“去舊”。策略二主要是對銀行已有的客戶資產包進行科學化管理。具體手段是運用機器學習方法建立起資產評估模型、催收概率評分模型等智能模型，通過模型對資產包進行精準估值定價與分層分類，對催回進行概率計算與評分，實現科學化貸后資產管理與精準化催收策略。
對資產包進行評級，實際上也就是在進行科學化客戶分層分類。按風險程度對不良客戶、預期客戶進行分層，銀行就可以對客戶進行差異化管理，針對性制定解決方案。
比方說，對于風險系數高、企業(yè)財務危機已不可挽回的客戶，盡快進入清收處置程序，或進入訴訟程序，退出該客戶，減少損失;而對于一些信用評價高、償還意愿高、卻在短期內陷入困難的客戶，銀行則可以通過主動信貸重組或調整產品規(guī)劃，協(xié)助客戶更有效地管理流動性，幫助陷入短期困難的良好客戶、潛力客戶化解暫時性困難，使其回到良好狀態(tài)。
建立起前瞻性、主動性的信貸管理與不良資產管理能力，可以為銀行建立起“防新去舊”兩道“閘門”——既能夠幫助銀行防止不良新增，又能夠有效化解已有不良。從目前實踐的效果看，使國內很多商業(yè)銀行大大提升了重組清收成效、提高了資產轉讓效益、開拓了處置不良新渠道、抑制了不良率的攀升。這有助于讓商業(yè)銀行適應新形勢下可持續(xù)發(fā)展的要求。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
