Управление кредитным риском коммерческого банка: Теория, практика и перспективы развития в условиях цифровизации российской банковской системы

На протяжении последних десятилетий кредитный риск неизменно остаётся основным видом банковского риска, определяя не только прибыльность, но и саму устойчивость коммерческих банков. Статистика подтверждает эту неумолимую истину: кредитный риск составляет наибольшую долю совокупного риска операций банка и во многом определяет такие показатели банковской деятельности, как размер активов, взвешенных по уровню риска, резервы на возможные потери по ссудам и достаточность собственного капитала. В условиях динамично меняющейся российской экономики, подверженной как внутренним, так и внешним шокам, эффективное управление кредитным риском приобретает критическое значение, становясь не просто элементом корпоративного управления, но и залогом макроэкономической стабильности.

Целью настоящей работы является комплексный анализ теоретических основ кредитного риска коммерческого банка, выявление его ключевых видов и методов оценки, а также разработка эффективных подходов к управлению кредитным риском, учитывающих специфику российской банковской системы и последние тенденции в области цифровизации. Для достижения этой цели в работе будут последовательно решены следующие задачи: изучена экономическая сущность и классификация кредитного риска, систематизированы теоретические концепции и модели его оценки, рассмотрены основные методы и инструменты управления кредитным риском, проанализировано влияние макроэкономических факторов и регуляторной среды Банка России, идентифицированы актуальные проблемы и вызовы, стоящие перед российскими банками, а также исследованы перспективы совершенствования системы управления кредитным риском в условиях цифровой трансформации.

Структура работы отражает логику исследования: от фундаментальных теоретических положений к конкретным практическим аспектам и перспективным направлениям развития. Особое внимание будет уделено исторической эволюции подходов к управлению кредитным риском в России, углубленному анализу специфики российского регулирования и применению новейших цифровых технологий, таких как искусственный интеллект и машинное обучение, для повышения эффективности риск-менеджмента.

Теоретические основы кредитного риска коммерческого банка

Понятие и экономическая сущность кредитного риска

В сердце банковской деятельности лежит предоставление кредитов, а вместе с ним — неотъемлемый спутник, кредитный риск. Это не просто абстрактная категория, а реальная угроза финансовым потерям, возникающим вследствие неспособности заемщика полностью или частично исполнить свои обязательства по кредитному договору. Кредитный риск является краеугольным камнем в системе банковских рисков, оказывая колоссальное влияние на все аспекты функционирования кредитной организации. Его масштабы и последствия многократно превосходят другие виды рисков, что делает управление им приоритетной задачей для любого коммерческого банка.

Экономическая сущность кредитного риска проявляется в его непосредственном воздействии на финансовую устойчивость и прибыльность банка. Когда заемщик не выполняет свои обязательства, банк сталкивается с прямыми потерями: не только недополучает ожидаемые процентные доходы, но и рискует потерять основную сумму долга. Эти потери напрямую влияют на такие ключевые показатели, как размер активов, взвешенных по риску (показатель, используемый для расчета достаточности капитала), объемы формируемых резервов на возможные потери по ссудам, а следовательно, и на достаточность собственного капитала банка.

Различают полный и частичный кредитный риск. Полный кредитный риск наступает, когда банк теряет не только все ожидаемые процентные доходы, но и всю сумму основного долга. Это означает полное обесценение кредитного актива. В противоположность этому, частичный кредитный риск предполагает потерю лишь части ожидаемых доходов или некоторой доли основной суммы долга, например, в случае реструктуризации кредита с ухудшением условий или частичного погашения. Понимание этих различий критически важно для адекватной оценки потенциальных потерь и формирования соответствующих стратегий управления, ведь только так можно сформировать адекватные резервы и избежать неожиданных убытков.

Классификация и виды кредитного риска

Мир кредитного риска многообразен и требует тщательной классификации для эффективного управления. В современной банковской практике выделяют несколько ключевых видов, каждый из которых имеет свои особенности и требует специфических подходов к анализу и минимизации.

Одним из фундаментальных видов является риск дефолта (default risk). Это вероятность финансовых потерь, возникающих в результате неспособности заемщика произвести выплаты по своим обязательствам полностью или частично. Как правило, дефолт констатируется при просрочке платежей на срок более чем 90 дней по любому существенному кредитному обязательству. Этот риск является прямым следствием недобросовестности или неплатежеспособности контрагента.

Следующий важный вид – риск концентрации (concentration risk). Он возникает, когда кредитный портфель банка чрезмерно подвержен риску одного заемщика, отрасли, географического региона или сектора экономики. Например, если банк выдал значительную долю своих кредитов одной крупной корпорации или сосредоточился на финансировании одной отрасли, такой как строительство, любые финансовые трудности у этого заемщика или спад в отрасли могут привести к значительным потерям для банка. Концентрация может проявляться как в предоставлении крупных кредитов отдельному заемщику или группе связанных заемщиков, так и в результате принадлежности должников к отдельным отраслям экономики или географическим регионам, либо при наличии иных обязательств, делающих их уязвимыми к одним и тем же экономическим факторам.

Наконец, систематический риск (systematic risk) – это недиверсифицируемый риск, который связан с общими изменениями в экономике или финансовой системе. Он влияет на платежеспособность множества заемщиков одновременно, независимо от их индивидуального финансового состояния. Примерами могут служить экономические кризисы, резкое изменение процентных ставок или геополитические потрясения. Этот вид риска особенно сложен для управления, поскольку его нельзя устранить путем диверсификации внутри кредитного портфеля банка.

Помимо вышеперечисленных, кредитный риск также классифицируется по источнику возникновения:

1. Внешний кредитный риск связан с факторами, находящимися вне прямого контроля банка, но существенно влияющими на платежеспособность заемщиков и общее состояние экономики. К ним относятся:
   • Макроэкономические риски: снижение темпов экономического развития (рост ВВП), повышение уровня безработицы, изменение процентных ставок (например, повышение ключевой ставки Банком России), инфляционные процессы, а также кризисы в отдельных отраслях экономики.
   • Политические риски: изменение законодательства, влияющего на экономическую деятельность, или геополитическая напряженность, способная дестабилизировать финансовые рынки.
   • Институциональные риски: нестабильность правовой системы, неисполнение контрагентами условий договора, низкое качество судебной защиты.
   • Отраслевые риски: концентрация заемщиков в проблемной отрасли, подверженной структурным изменениям или падению спроса.
2. Внутренний кредитный риск обусловлен особенностями организации кредитного процесса и характеристиками самого продукта внутри банка. Эти факторы находятся под контролем менеджмента и могут быть скорректированы. Внутренние факторы включают:
   • Используемые технологии кредитования и оценки риска.
   • Квалификация персонала, непосредственно занимающегося кредитованием и риск-менеджментом.
   • Качество менеджмента и корпоративного управления.
   • Подходы к формированию кредитного портфеля и разработке кредитной политики банка.
   • Эффективность системы внутреннего контроля и процедур оценки заемщиков.
   • Мониторинг кредитного портфеля и организационная структура.
   • Ошибки в управлении собственными средствами.

Банк России, как основной регулятор финансового сектора, определяет основные банковские риски, среди которых кредитный, рыночный, правовой, стратегический и операционный. Это подчеркивает фундаментальное значение кредитного риска в системе регулирования и надзора.

Эволюция подходов к управлению кредитным риском в коммерческих банках России

История управления кредитным риском в российской банковской системе тесно связана с этапами развития рыночной экономики и формированием современной регуляторной среды. С момента зарождения коммерческих банков в начале 1990-х годов подходы к управлению рисками претерпели значительные изменения, отражая как внутренние, так и внешние вызовы.

Начало 1990-х годов: Эпоха проб и ошибок. В период становления рыночной экономики в России коммерческие банки функционировали в условиях высокой неопределенности и отсутствия устоявшихся практик. Система управления кредитным риском была крайне примитивной. Решения о выдаче кредитов часто принимались на основе личных связей, интуиции и минимального анализа финансового состояния заемщика. Отсутствие полноценной кредитной истории, неразвитость залогового обеспечения и слабая правовая база приводили к высокому уровню просроченной задолженности и многочисленным банковским кризисам, апогеем которых стал дефолт 1998 года. В этот период банки фокусировались скорее на «выживании» и получении быстрой прибыли, нежели на систематическом управлении рисками.

2000-е годы: Формирование основ и влияние Базеля I. С началом нового тысячелетия и стабилизацией экономики, а также с усилением роли Банка России как регулятора, начали формироваться более системные подходы. Были введены первые нормативы, касающиеся достаточности капитала и лимитов на кредитование. В этот период банки начали активно внедрять базовые элементы риск-менеджмента: анализ финансовой отчетности заемщиков, использование залога, первые попытки диверсификации кредитного портфеля. Влияние международных стандартов, в частности рекомендаций Базеля I, стало заметным, стимулируя банки к формированию резервов под возможные потери по ссудам. Однако многие процессы оставались ручными, а методологии — упрощенными.

2010-е годы: Интеграция международных стандартов и развитие скоринга. Это десятилетие ознаменовалось активным внедрением стандартов Базеля II и, позднее, Базеля III. Российские банки начали разрабатывать и применять более сложные методы оценки кредитоспособности, включая скоринговые модели, изначально заимствованные из западной практики. Активно развивались системы внутреннего контроля и мониторинга кредитного портфеля. Банк России стал более жестко регулировать требования к капиталу, ликвидности и формированию резервов, заставляя банки инвестировать в развитие своих риск-менеджмент систем. Особое внимание уделялось улучшению качества данных и автоматизации процессов. Тем не менее, многие решения по-прежнему базировались на экспертных оценках, а уровень проникновения продвинутых аналитических инструментов был неравномерным.

2020-е годы: Цифровизация, ИИ и новые вызовы. Современный этап характеризуется стремительной цифровизацией банковских процессов и активным внедрением технологий искусственного интеллекта (ИИ) и машинного обучения. Российские банки осознают необходимость использования больших данных для более точной оценки рисков, выявления мошенничества и персонализации предложений. Однако этот процесс сопряжен с новыми вызовами, такими как киберриски, риски некорректной работы алгоритмов и необходимость адаптации регуляторной базы. Современные подходы к управлению кредитным риском в России стремятся к созданию комплексных, динамичных систем, способных оперативно реагировать на изменяющиеся условия рынка и регуляторные требования, используя весь арсенал доступных технологий. Эволюция от интуитивного кредитования к высокотехнологичному риск-менеджменту отражает зрелость и адаптивность российской банковской системы, но готовы ли банки в полной мере принять эти изменения?

Методы оценки кредитного риска и их применение в российской практике

Концепции вероятности дефолта, ожидаемых и неожиданных потерь

Оценка кредитного риска — это краеугольный камень эффективного управления им. В основе современных методологий лежат фундаментальные концепции, позволяющие количественно измерить потенциальные потери.

Ключевым понятием является вероятность дефолта (Probability of Default, PD). Это статистическая оценка вероятности, с которой дебитор в течение определенного срока (например, одного года) может оказаться в состоянии неплатежеспособности или не сможет выполнить свои обязательства. PD часто оценивается для горизонта в 1 год, но может рассчитываться и на более длительные или короткие периоды в зависимости от типа кредита, особенностей заемщика и регуляторных требований. Например, международные рейтинговые агентства Standard & Poor’s и Moody’s используют собственные определения дефолта и методики оценки PD, которые могут варьироваться от 0% до 21,94% для различных категорий кредитного рейтинга, отражая степень риска. Точная оценка PD критически важна для формирования резервов и определения стоимости кредита, ведь именно она определяет адекватность ценообразования кредитных продуктов.

Помимо вероятности дефолта, для всесторонней оценки кредитного риска используются понятия ожидаемых потерь (Expected Loss, EL) и неожиданных потерь (Unexpected Loss, UL).

Ожидаемые потери (EL) — это средние потери, которые банк предполагает понести в течение определенного периода. Они рассчитываются как математическое ожидание потерь на основе прошлого опыта и текущих условий. Формула для расчета EL выглядит следующим образом:

EL = PD × LGD × EAD

Где:

• PD (Probability of Default) – вероятность дефолта заемщика.
• LGD (Loss Given Default) – доля потерь при дефолте, то есть процент от суммы подверженности риску, который банк теряет в случае дефолта заемщика. Она зависит от наличия и качества обеспечения, процедур взыскания.
• EAD (Exposure at Default) – сумма подверженности риску на момент дефолта, то есть та часть кредита, которая, предположительно, будет не погашена в случае дефолта.

Пример расчета ожидаемых потерь:
Предположим, банк выдал кредит на сумму 1 000 000 рублей.

• Вероятность дефолта (PD) оценена в 2%.
• Доля потерь при дефолте (LGD) составляет 40% (оставшиеся 60% могут быть возвращены, например, через реализацию залога).
• Сумма подверженности риску (EAD) равна 1 000 000 рублей.

Тогда ожидаемые потери составят:
EL = 0,02 × 0,40 × 1 000 000 = 8 000 рублей.

Ожидаемые потери являются предсказуемой частью кредитного риска. Покрытие ожидаемых потерь производится за счет формируемых банком резервов на возможные потери по ссудам. Эти резервы — часть операционных расходов банка, которые учитываются при формировании финансового результата.

Неожиданные потери (UL) — это возможные потери, превышающие ожидаемые. Они возникают из-за случайных колебаний фактических потерь вокруг их среднего значения. UL отражают волатильность кредитного риска и являются источником потенциальных шоков для банка. В отличие от ожидаемых потерь, неожиданные потери по кредитным рискам не покрываются за счет резервов, а должны производиться за счет собственных средств (капитала) организации. Это означает, что банк должен поддерживать достаточный уровень капитала, чтобы абсорбировать эти непредвиденные убытки без угрозы для своей устойчивости.

Понимание и точная оценка PD, EL и UL являются основой для построения надежной системы риск-менеджмента, позволяя банку адекватно формировать резервы, рассчитывать требования к капиталу и устанавливать справедливую цену на кредитные продукты. Только так можно эффективно управлять балансом между риском и доходностью.

Скоринговые модели оценки кредитного риска

В современной банковской практике скоринговые модели являются одним из ключевых инструментов для оперативной и объективной оценки кредитного риска. Кредитный скоринг — это автоматизированная система оценки кредитоспособности заемщика, которая связывает параметры клиента со степенью кредитного риска или суммой кредита через систему баллов. Основная идея заключается в присвоении каждому значимому признаку заемщика определенного балла, а затем суммировании этих баллов для получения общего кредитного рейтинга. Этот рейтинг позволяет банку принять решение о выдаче кредита, его сумме и условиях.

Принципы кредитного скоринга:

1. Объективность: Минимизация субъективного фактора в принятии решения.
2. Скорость: Значительное ускорение процесса рассмотрения заявки.
3. Масштабируемость: Возможность обрабатывать большое количество заявок.
4. Стандартизация: Единые критерии оценки для всех заемщиков.

Виды скоринга:

Различают несколько типов скоринга, применяемых на разных этапах жизненного цикла кредита:

• Скоринг кредитоспособности (Application Scoring): Используется на этапе подачи заявки для оценки новых клиентов. Помогает банку быстро принять решение о выдаче кредита, его условиях и лимитах. Типичные критерии для физических лиц включают кредитную историю (количество и своевременность платежей), уровень дохода, занятость, возраст, семейное положение, наличие задолженностей и другие социально-демографические данные. Для юридических лиц и субъектов малого бизнеса учитываются финансовые показатели (выручка, прибыль, ликвидность), отрасль деятельности, деловая репутация, опыт работы на рынке.
• Скоринг по прогнозу качества обслуживания долга (Behavioral Scoring): Применяется для оценки существующих клиентов банка и прогнозирования их поведения по уже выданным кредитам. Помогает определить вероятность просрочки платежей, принять решение о пролонгации, увеличении лимита или предпринять превентивные меры.
• Скоринг востребования (Collection Scoring): Используется для определения наиболее эффективных стратегий взыскания задолженности с уже просрочивших клиентов. Помогает ранжировать должников по вероятности возврата средств и выбрать оптимальные методы воздействия.

Методы скоринга:

С течением времени методы построения скоринговых моделей эволюционировали, становясь все более сложными и точными:

1. Статистические методы:
   • Многомерный дискриминантный анализ: Разделение заемщиков на группы «хороших» и «плохих» на основе статистических характеристик.
   • Логистическая регрессия (Probit-анализ): Моделирование вероятности дефолта как функции от различных параметров заемщика. Широко используется благодаря своей интерпретируемости.
2. Методы управления наукой (Operations Research):
   • Математическое программирование: Использование оптимизационных моделей для определения оптимальных кредитных лимитов или условий.
3. Методы Data Mining:
   • Деревья решений: Построение иерархических правил для классификации заемщиков.
   • Нейронные сети: Использование адаптивных алгоритмов, способных выявлять сложные нелинейные зависимости в данных.
4. Искусственный интеллект и машинное обучение (AI/ML):
   • Случайные леса (Random Forests): Ансамблевые методы, объединяющие множество деревьев решений для повышения точности и устойчивости.
   • Градиентный бустинг (Gradient Boosting Machines, XGBoost, LightGBM): Мощные алгоритмы, последовательно улучшающие прогнозы.
   • Глубокие нейронные сети (Deep Learning): Способны обрабатывать огромные объемы данных и выявлять сложнейшие паттерны, часто превосходя традиционные методы по точности.

Выбор конкретного метода скоринга зависит от доступных данных, бизнес-целей банка, сложности кредитного продукта и регуляторных требований.

Важность регулярного обновления и адаптации:

Скоринговые модели не являются статичными. Они требуют регулярного обновления и адаптации к изменяющимся экономическим условиям и поведению заемщиков. Модель, эффективная в стабильной экономике, может быть несостоятельной в период кризиса или значительных макроэкономических изменений. Банкам необходимо постоянно перекалибровывать свои модели, включать новые данные и учитывать динамику рынка, чтобы сохранять их прогностическую силу. Это особенно актуально в условиях российского рынка, характеризующегося высокой волатильностью и быстрыми изменениями. Если же этого не делать, то модель быстро теряет свою эффективность, что напрямую ведет к увеличению рисков и убытков банка.

Система управления кредитным риском в коммерческом банке

Цели и задачи риск-менеджмента в управлении кредитным риском

Система управления кредитным риском в коммерческом банке — это сложный и многогранный механизм, призванный обеспечить баланс между доходностью и риском. Главной целью этой системы риск-менеджмента является обеспечение высокого качества кредитного портфеля и каждого отдельного кредита. Это достигается не только путем минимизации потерь, но и через поддержание экономической безопасности и финансовой устойчивости кредитной организации в целом.

Основные задачи риск-менеджмента в контексте кредитного риска включают:

1. Идентификация риска: Своевременное выявление потенциальных источников кредитного риска на всех этапах кредитного процесса — от предварительного анализа заемщика до мониторинга действующего кредита.
2. Измерение и оценка риска: Количественная оценка вероятности дефолта, ожидаемых и неожиданных потерь с использованием адекватных методологий и инструментов.
3. Мониторинг риска: Постоянное отслеживание изменений в кредитном качестве заемщиков и динамики кредитного портфеля, а также своевременное выявление тревожных тенденций.
4. Контроль и минимизация риска: Разработка и внедрение стратегий, политик и процедур, направленных на снижение уровня кредитного риска до приемлемого уровня, а также на предотвращение или минимизацию потерь в случае его реализации.
5. Формирование адекватных резервов и достаточности капитала: Обеспечение покрытия ожидаемых потерь за счет резервов и неожиданных потерь за счет собственного капитала, в соответствии с регуляторными требованиями.
6. Оптимизация кредитного портфеля: Построение диверсифицированного портфеля, который обеспечивает оптимальное соотношение риска и доходности.

Эффективный риск-менеджмент не стремится к полному исключению кредитного риска, поскольку безрисковые операции, как правило, не приносят достаточной прибыли. Цель состоит в поддержании оптимального уровня риска, который позволяет банку получать стабильную прибыль, одновременно обеспечивая его долгосрочную надежность и конкурентоспособность.

Основные инструменты управления кредитным риском

Для достижения поставленных целей и задач коммерческие банки используют широкий арсенал методов и инструментов управления кредитным риском. Эти инструменты направлены как на выявление и предупреждение неблагоприятных условий, так и на максимальное снижение возможных потерь.

1. Лимитирование:
   Лимитирование является одним из наиболее фундаментальных и широко применяемых методов управления кредитным риском, особенно в российской практике. Это установление предельных сумм расходов по различным банковским операциям или количественных ограничений на определенные виды операций. Лимитирование позволяет контролировать подверженность банка риску и предотвращать чрезмерную концентрацию.
   • Структурные лимиты поддерживают оптимальное соотношение между различными видами операций, например, ограничения на долю кредитов высокорисковым отраслям в общем портфеле, лимиты на максимальную долю необеспеченных потребительских кредитов или нормативы достаточности капитала.
   • Лимиты контрагента устанавливаются на конкретного заемщика или группу связанных заемщиков, а также на эмитента ценных бумаг. Например, Банк России устанавливает норматив максимального размера кредитов одному заемщику или группе связанных заемщиков (норматив Н6), ограничивая его на уровне 25% от основного капитала банка. Это обязательный элемент системы управления рисками, контролируемый регулятором.
2. Диверсификация кредитного портфеля:
   Диверсификация заключается в распределении кредитов банка по различным секторам, отраслям, географическим регионам или типам заемщиков. Цель — снизить риск, связанный с чрезмерным воздействием на один сектор или заемщика. Эффективная диверсификация позволяет снизить волатильность доходности кредитного портфеля и повысить его устойчивость к неблагоприятным экономическим шокам. По оценкам, оптимальная диверсификация может привести к снижению кредитного риска на 20-30% по сравнению с недиверсифицированным портфелем. Банк активно производит диверсификацию кредитного портфеля по группам риска и избегает кредитования заемщиков с высоким кредитным риском.
3. Рационирование кредитного портфеля:
   Рационирование кредитного портфеля представляет собой процесс ограничения объемов выдаваемых кредитов или ужесточения условий кредитования для определенных категорий заемщиков или отраслей. Этот метод применяется, когда банк считает риски слишком высокими или не может адекватно их оценить. Это может выражаться в отказе от выдачи кредитов или установлении более высоких процентных ставок, даже если заемщики готовы платить по этим ставкам.
4. Формирование резервов на возможные потери по ссудам:
   Это один из наиболее важных инструментов для покрытия ожидаемых потерь. В России порядок формирования резервов регулируется Положением Банка России № 590-П от 28 июня 2017 года. Банки обязаны создавать резервы, размер которых зависит от категории качества ссуды (от I до V), определяемой на основе финансового положения заемщика и качества обслуживания долга. Эти резервы служат для покрытия ожидаемых потерь и обеспечивают банкам более стабильные условия финансовой деятельности.
5. Дополнительные инструменты:
   • Секьюритизация: Позволяет банку трансформировать неликвидные активы (например, пулы ипотечных или автокредитов) в торгуемые ценные бумаги. Это позволяет банку перераспределять кредитный риск, высвобождать капитал и улучшать ликвидность. Секьюритизация может предусматривать как полный, так и частичный переход рисков.
   • Хеджирование: Заключается в использовании производных финансовых инструментов для страхования от неблагоприятного изменения кредитного качества заемщика или портфеля. Примеры включают кредитные дефолтные свопы (CDS), которые позволяют банку передать кредитный риск третьему лицу за плату, или опционы на кредитный спред.
   • Мониторинг и контроль: Постоянный анализ финансового состояния заемщиков, выполнения ими обязательств, а также соответствия кредитного портфеля установленным лимитам и стратегическим целям.
   • Страхование: Передача части кредитного риска страховым компаниям, хотя этот метод менее распространен для крупных банковских кредитов.
   • Тщательный отбор заемщиков и структурирование сделок: Начальная оценка кредитоспособности (с использованием скоринговых моделей), а также структурирование кредитных сделок (обеспечение, ковенанты, график платежей) с учетом профиля риска заемщика.

Совокупное применение этих инструментов позволяет банкам создать комплексную и многоуровневую систему управления кредитным риском, способную адекватно реагировать на изменения внутренней и внешней среды.

Влияние макроэкономических факторов и регуляторной среды на кредитный риск

Макроэкономические факторы и их воздействие

Макроэкономическая конъюнктура является одним из определяющих факторов, формирующих ландшафт кредитного риска для коммерческих банков. Дестабилизация на макроэкономическом уровне негативно влияет на все секторы экономики, а взаимозависимость между реальным производством, банковским сектором и населением усиливает негативные последствия.

Ключевые макроэкономические факторы, влияющие на кредитный риск, включают:

1. Общее состояние экономики и темпы роста ВВП:
   Снижение темпов роста валового внутреннего продукта (ВВП) замедляет деловую активность, сокращает выручку компаний и, как следствие, их способность обслуживать кредиты. В периоды экономического спада растет безработица, что напрямую снижает платежеспособность населения. Стагнация или рецессия экономики увеличивает вероятность дефолтов по всем сегментам кредитного портфеля.
2. Уровень инфляции:
   Рост инфляции ведет к снижению реальных доходов населения и предприятий. Это, в свою очередь, увеличивает их долговую нагрузку в реальном выражении и повышает вероятность дефолта. Например, если номинальные доходы остаются прежними или растут медленнее инфляции, стоимость обслуживания долга становится более обременительной.
3. Уровень безработицы:
   Прямая и очевидная связь: рост безработицы означает снижение стабильных доходов для значительной части населения. Это немедленно сказывается на возможности своевременного погашения потребительских и ипотечных кредитов, увеличивая объем просроченной задолженности.
4. Изменение процентных ставок (Ключевая ставка Банка России):
   Денежно-кредитная политика Банка России, регулируя ключевую процентную ставку, оказывает мощное влияние на спрос на банковские ссуды и стоимость их обслуживания.
   • Повышение ключевой ставки (например, до 16% годовых к концу 2023 года) ведет к удорожанию фондирования для коммерческих банков и, как следствие, к повышению процентных ставок по кредитам для конечных заемщиков. Это снижает спрос на новые кредиты и может увеличить кредитный риск по уже выданным займам с плавающей ставкой или при рефинансировании, поскольку возрастает стоимость обслуживания долга.
   • Снижение ключевой ставки, наоборот, удешевляет кредиты, стимулируя экономическую активность, но может привести к чрезмерному росту кредитования и накоплению рисков в долгосрочной перспективе.

Влияние этих факторов комплексно: например, сочетание высокой инфляции, стагнации ВВП и роста безработицы создает «идеальный шторм» для кредитного портфеля, приводя к значительному росту дефолтов и убытков банков. Именно поэтому макроэкономический мониторинг является неотъемлемой частью системы управления кредитным риском.

Роль Банка России и международные стандарты регулирования

Регуляторная среда играет ключевую роль в формировании подходов к управлению кредитным риском. Недостатки в системе финансового регулирования и надзора, а также недостатки банковского риск-менеджмента часто становятся определяющими причинами банковских кризисов. В России центральную роль в этом процессе играет Банк России.

Нормативно-правовая база РФ:
Деятельность коммерческих банков в России регулируется обширной нормативно-правовой базой, направленной на обеспечение стабильности финансовой системы. К основным документам относятся:

• Гражданский кодекс Российской Федерации: Определяет общие положения о договорах, включая кредитные, и регулирует отношения между кредитором и заемщиком.
• Федеральный закон «О банках и банковской деятельности»: Устанавливает правовые основы создания, функционирования и ликвидации кредитных организаций, а также определяет общие принципы их деятельности.
• Федеральный закон «О Центральном банке Российской Федерации (Банке России)»: Определяет статус, цели, функции и полномочия Банка России, включая надзорные функции.
• Инструкции и положения Банка России: Эти документы детализируют требования к банкам по управлению рисками, формированию резервов, достаточности капитала и другим аспектам. Например, Положение Банка России № 590-П от 28 июня 2017 года «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности» является ключевым документом, регламентирующим формирование резервов под кредитный риск. Также Банк России устанавливает нормативы лимитирования, такие как норматив максимального размера кредитов одному заемщику или группе связанных заемщиков (Н6).

Внедрение стандартов Базеля III в российскую банковскую практику:
Международные стандарты, разработанные Базельским комитетом по банковскому надзору, являются глобальным ориентиром для регулирования финансового сектора. Базель III возник как реакция на глобальный финансовый кризис 2008 года и направлен на повышение устойчивости банковских систем. Основные стандарты были согласованы в 2010 году, а их внедрение в различных юрисдикциях продолжается. Например, на 7 декабря 2017 года Базельский комитет опубликовал документы, посвященные завершению работы над посткризисными реформами Базеля III, а окончательные сроки реализации некоторых положений, включая пересмотренные подходы к оценке кредитного и операционного рисков, планируются к вступлению в силу с 2027 года.

Основные положения Базеля III включают:

• Ужесточение требований к достаточности капитала: Введение дополнительных требований к качеству капитала (базовый капитал первого уровня — Common Equity Tier 1, CET1) и формирование буферного капитала (консервационный и антициклический буфер).
• Введение нормативов ликвидности: Разработка и внедрение коэффициента покрытия ликвидности (Liquidity Coverage Ratio, LCR) и норматива чистого стабильного фондирования (Net Stable Funding Ratio, NSFR), направленных на обеспечение краткосрочной и долгосрочной устойчивости к кризисам ликвидности.
• Ограничение финансового рычага (левериджа): Введение обязательного норматива, ограничивающего чрезмерный рост активов без адекватного увеличения капитала.
• Внимание к управлению данными: Базель III также уделяет особое внимание управлению данными внутри банковской структуры, особенно для крупных банков, требуя повышения качества и доступности информации для риск-менеджмента.

Банк России последовательно внедряет положения Базеля III в российское банковское регулирование. Например, нормативы достаточности капитала (Н1.1, Н1.2, Н1.0) и надбавки к капиталу (консервационный буфер и системно значимый буфер) были внедрены в российское законодательство с 2014-2016 годов. Работа по внедрению Базеля III продолжается, в том числе в части регулирования операционного и кредитного рисков. Внедрение этих стандартов требует от российских банков активизации действий в направлении развития собственных методик оценки кредитного риска и систем управления, что способствует повышению прозрачности, надежности и конкурентоспособности всего банковского сектора.

Проблемы и вызовы в управлении кредитным риском российских коммерческих банков

Экономические и социальные факторы

Российская банковская система, как живой организм, чутко реагирует на пульс экономики. В последние годы она столкнулась с рядом серьезных вызовов, которые негативно отразились на качестве кредитного портфеля и эффективности управления рисками.

Влияние экономического спада и падения реальных доходов населения на просроченную задолженность:
Существующий экономический спад, замедление темпов роста ВВП и, как следствие, падение реальных доходов населения стали одной из главных причин ухудшения платежной дисциплины заемщиков. Когда доходы граждан стагнируют или сокращаются, а цены на товары и услуги растут, способность обслуживать кредиты неизбежно снижается. Актуальная статистика подтверждает эту тревожную тенденцию. По данным Банка России, к июлю 2025 года объем проблемных долгов россиян перед банками достиг 2,2 трлн рублей, что составляет 6% от всех выданных кредитов. Годом ранее эта сумма была 1,5 трлн рублей (4,1% портфеля). Таким образом, рост просроченной задолженности граждан составил в 1,5 раза за год, демонстрируя беспрецедентное ухудшение ситуации. Этот феномен является прямым следствием макроэкономической нестабильности и оказывает колоссальное давление на банки. И что из этого следует? Подобная динамика требует от банков немедленного пересмотра кредитной политики и методов оценки рисков, поскольку традиционные подходы уже не обеспечивают достаточную защиту от потерь.

Влияние высокого объема необслуживаемых кредитов (NPL) на прибыльность банков и необходимость формирования резервов:
Высокий объем необслуживаемых кредитов (Non-Performing Loans, NPL) оказывает прямое отрицательное влияние на прибыльность банков. Каждый рубль NPL – это не только недополученные доходы, но и необходимость формирования дополнительных резервов на возможные потери. Увеличение доли неработающих кредитов в портфелях банков приводит к необходимости создания больших резервов, что напрямую снижает чистую процентную маржу и прибыльность кредитных организаций. По оценкам, рост NPL на 1 процентный пункт может снизить прибыль банка на 0,5-1% от капитала. Это создает двойную нагрузку: с одной стороны, теряются потенциальные доходы, с другой – отвлекаются средства из прибыли на покрытие будущих убытков. Какой важный нюанс здесь упускается? Помимо прямых финансовых потерь, высокий уровень NPL подрывает доверие инвесторов и рейтинговых агентств, что может привести к удорожанию фондирования для банка и ограничению его возможностей по привлечению капитала, создавая замкнутый круг проблем.

Организационные и методологические проблемы

Помимо внешних экономических факторов, российские банки сталкиваются с рядом внутренних организационных и методологических проблем в управлении кредитным риском.

1. Трудности в доступе к достоверным данным и отсутствие комплексных моделей рисков:
   Эффективное управление риском требует доступа к большим объемам качественных и актуальных данных. Однако многие российские банки по-прежнему испытывают трудности с агрегацией и стандартизацией данных из различных внутренних и внешних источников. Отсутствие единой, комплексной структуры моделирования рисков, которая могла бы объединить различные виды рисков (кредитный, рыночный, операционный) и учитывать их взаимосвязи, является серьезным препятствием. Это приводит к разрозненным оценкам и неполной картине рисков.
2. Недостатки лимитной политики и её контроль:
   Несмотря на то, что лимитирование является одним из обязательных пунктов комплексной проверки Банка России, многие банки демонстрируют недостатки в реализации лимитной политики. Эти недостатки могут проявляться в:
   • Отсутствии четких и обоснованных критериев для установления лимитов.
   • Нерегулярном или неадекватном пересмотре лимитов, которые не соответствуют текущей рыночной ситуации или профилю риска банка.
   • Недостаточном контроле за соблюдением установленных ограничений, что приводит к превышению лимитов и несанкционированному принятию риска.
3. Проблема поддержания оптимального уровня кредитного риска:
   Полностью избавиться от кредитного риска невозможно, поскольку безрисковые операции, как правило, не приносят достаточной прибыли. Перед банками стоит сложная задача — поддерживать оптимальный уровень кредитного риска, который не отражается негативно на деятельности банка, но при этом позволяет получать достаточную прибыль. Чрезмерное ужесточение кредитной политики (так называемые «заградительные меры») может привести к сокращению объемов кредитования, потере доли рынка и снижению доходности. «Заградительные меры» банков включают ужесточение требований к заемщикам (например, повышение минимального скорингового балла, требование более высокого уровня дохода), увеличение процентных ставок по кредитам и сокращение доступных кредитных лимитов, что снижает объемы выдачи новых кредитов и темпы роста кредитного портфеля.

Новые риски, связанные с цифровизацией

Стремительная цифровизация бизнес-процессов, с одной стороны, открывает беспрецедентные возможности для развития, а с другой — влечет появление совершенно новых рисков, влияющих на экономическую безопасность кредитных организаций.

• Киберриски: Угрозы взлома информационных систем, утечки конфиденциальных данных клиентов, фишинг, атаки типа «отказ в обслуживании» (DDoS) становятся все более изощренными и частыми. Успешная кибератака может привести к колоссальным финансовым потерям, ущербу репутации и даже остановке операций.
• Риски, связанные с некорректной работой ИИ-алгоритмов: По мере роста зависимости от искусственного интеллекта в процессах скоринга и принятия решений, возникают риски, связанные с предвзятостью моделей (например, если обучающие данные содержали систематические ошибки), отсутствием прозрачности («черный ящик» алгоритмов), а также этическими проблемами.
• Операционные риски IT-систем: Сбои в работе сложных IT-инфраструктур, ошибки в программном обеспечении, проблемы интеграции различных систем могут парализовать банковские операции и привести к значительным убыткам.
• Риски информационной безопасности при использовании облачных технологий и сторонних сервисов: Переход к облачным решениям и аутсорсинг IT-функций повышают эффективность, но одновременно создают новые точки уязвимости, связанные с хранением и обработкой данных на сторонних платформах.

Эти проблемы и вызовы требуют от российских банков постоянного развития и адаптации своих систем управления кредитным риском, инвестиций в технологии и квалифицированный персонал, а также тесного взаимодействия с регулятором для обеспечения устойчивости в условиях быстро меняющегося мира.

Цифровизация и перспективы совершенствования управления кредитным риском

Роль искусственного интеллекта и машинного обучения

В условиях динамично меняющегося финансового ландшафта, цифровизация процессов управления кредитными рисками перестала быть просто трендом и превратилась в острую необходимость. Этот процесс не просто автоматизирует существующие рутинные операции, но и создает принципиально новые возможности для более точной оценки рисков, ускорения принятия решений и оптимизации кредитного портфеля. Банки, которые уже внедрили цифровые решения в управление кредитным риском, смогли сократить операционные затраты на 15-20%, уменьшить время принятия кредитных решений с нескольких дней до нескольких минут и улучшить точность прогнозирования дефолтов на 10-25%.

Центральное место в этой трансформации занимает искусственный интеллект (ИИ) и его ключевая ветвь — машинное обучение (МО). ИИ — это комплекс технологических решений и систем, способных анализировать, прогнозировать, принимать решения и генерировать контент, имитируя когнитивные функции человека. Аналитический ИИ, в частности, фокусируется на анализе данных для извлечения ценной информации и принятия решений, включая прогнозирование, кластеризацию, классификацию и выявление аномалий.

Как ИИ и МО трансформируют управление кредитным риском:

1. Прогнозирование кредитных рисков и оценка кредитоспособности клиентов:
   ИИ-системы собирают и обрабатывают огромные объемы данных не только из традиционных источников (кредитная история, поведение при оплате, финансовая отчетность), но и из альтернативных, неструктурированных источников. К таким источникам могут относиться транзакционная активность клиента, данные о его поведении в интернете (при наличии согласия клиента), информация из открытых государственных реестров, а также агрегированные данные из социальных сетей (с соблюдением законодательства и этических норм). Анализируя эти данные, ИИ-системы способны выявлять неочевидные взаимосвязи и паттерны, которые не под силу человеческому глазу или традиционным статистическим моделям. Это позволяет намного точнее прогнозировать вероятность дефолта. Исследования показывают, что модели ИИ, особенно использующие глубокое обучение, могут достигать точности прогнозирования дефолтов до 90-95%, что на 5-15 процентных пунктов выше, чем у традиционных статистических моделей или экспертных оценок риск-менеджеров.
2. Обнаружение мошенничества:
   Алгоритмы машинного обучения способны в режиме реального времени анализировать транзакционные потоки и выявлять аномалии, указывающие на потенциальное мошенничество. Это позволяет банкам оперативно блокировать подозрительные операции и минимизировать потери.
3. Персонализация условий кредитования:
   ИИ позволяет банкам предлагать клиентам индивидуальные кредитные продукты с учетом их уникального профиля риска и потребностей. Это повышает лояльность клиентов и оптимизирует риск-доходность для банка.
4. Автоматизация процессов:
   ИИ автоматизирует рутинные операции, такие как сбор данных, первичный анализ заявок, мониторинг портфеля, что высвобождает ресурсы риск-менеджеров для более сложных аналитических задач.

Облачные решения и FinTech

Помимо ИИ, развитие облачных решений и финансовых технологий (FinTech) играет ключевую роль в совершенствовании систем управления кредитным риском.

• Облачные решения становятся фундаментом для современных систем управления кредитными рисками. Они предоставляют масштабируемую инфраструктуру, которая позволяет банкам обрабатывать огромные объемы данных без необходимости инвестировать в дорогостоящее аппаратное обеспечение. Облачные платформы обеспечивают доступ к передовым аналитическим инструментам и вычислительным мощностям по модели «оплата по мере использования», что значительно снижает капитальные затраты и ускоряет внедрение инноваций.
• FinTech-компании разрабатывают специализированные решения для банков, предлагая инновационные подходы к оценке кредитоспособности, управлению портфелями и автоматизации риск-процессов. Использование финансовых технологий в деятельности коммерческих банков при оценке кредитного риска является необходимостью, и наблюдаются устойчивые тенденции их дальнейшего развития в условиях цифровой экономики.

Пути совершенствования системы управления кредитным риском в российских банках

Для эффективного ответа на вызовы современного мира и использования преимуществ цифровизации, российским банкам необходимо сосредоточиться на следующих путях совершенствования системы управления кредитным риском:

1. Развитие собственных методик оценки: Снижение зависимости от шаблонных подходов и разработка уникальных, адаптированных к специфике российского рынка, методологий и моделей оценки рисков.
2. Адаптация международных практик: Не слепое копирование, а глубокая адаптация передовых международных практик (например, Базель III в части внутренних рейтинговых подходов) с учетом особенностей российского законодательства и экономики.
3. Повышение квалификации персонала: Инвестиции в обучение и развитие компетенций риск-менеджеров, аналитиков и IT-специалистов в области ИИ, машинного обучения, больших данных и кибербезопасности.
4. Внедрение передовых цифровых решений: Активное использование ИИ и МО для автоматизации, повышения точности прогнозирования и персонализации. Развитие облачной инфраструктуры и интеграция с FinTech-решениями.
5. Улучшение качества данных: Создание единых хранилищ данных, внедрение систем их очистки, стандартизации и верификации для обеспечения достоверности информации, используемой в риск-моделях.
6. Усиление контроля и мониторинга: Развитие систем предиктивного мониторинга, способных заранее сигнализировать о потенциальных проблемах в кредитном портфеле.

Сочетание этих подходов позволит российским коммерческим банкам не только эффективно управлять текущими кредитными рисками, но и успешно адаптироваться к будущим вызовам, обеспечивая свою долгосрочную устойчивость и конкурентоспособность в условиях быстро меняющейся цифровой экономики.

Заключение

Кредитный риск, представляющий собой угрозу убытков вследствие неисполнения финансовых обязательств должниками, остаётся фундаментальным и наиболее значимым вызовом для стабильности коммерческих банков. Настоящее исследование позволило глубоко проанализировать теоретические основы этого феномена, его многочисленные виды – от риска дефолта и концентрации до систематического, а также выделить внешние и внутренние факторы, формирующие его сложную природу. Эволюция подходов к управлению кредитным риском в России демонстрирует путь от интуитивных решений в условиях формирующегося рынка к стремлению к высокотехнологичному, системному риск-менеджменту, стимулируемому как внутренними потребностями, так и международными регуляторными стандартами.

В области оценки кредитного риска ключевое значение имеют концепции вероятности дефолта (PD), ожидаемых потерь (EL) и неожиданных потерь (UL). Расчёт EL, использующий формулу EL = PD × LGD × EAD, позволяет банкам адекватно формировать резервы, тогда как покрытие UL требует наличия достаточного собственного капитала. Скоринговые модели, от традиционных статистических до передовых на основе искусственного интеллекта и машинного обучения, являются незаменимым инструментом для оперативной и точной оценки кредитоспособности, прогнозирования дефолтов и персонализации кредитных продуктов. Их регулярное обновление и адаптация к макроэкономическим условиям критически важны для сохранения прогностической силы.

Система управления кредитным риском в коммерческом банке преследует цель обеспечения высокого качества кредитного портфеля и финансовой устойчивости. Для этого используются такие инструменты, как лимитирование (включая строгий норматив Н6 Банка России), диверсификация кредитного портфеля, рационирование и формирование резервов в соответствии с Положением Банка России № 590-П. Дополнительные механизмы, такие как секьюритизация и хеджирование, позволяют банкам оптимизировать структуру своих активов и перераспределять риски.

Анализ показал, что макроэкономические факторы, включая темпы роста ВВП, инфляцию и ключевую ставку Банка России, оказывают прямое и зачастую дестабилизирующее влияние на качество кредитного портфеля. Регуляторная среда, формируемая Банком России и основанная на международных стандартах Базеля III, играет важнейшую роль в поддержании устойчивости банковской системы, требуя от банков повышения требований к капиталу, ликвидности и качеству управления данными.

Однако, несмотря на достигнутый прогресс, российские коммерческие банки продолжают сталкиваться с серьезными проблемами. Актуальная статистика, свидетельствующая о росте просроченной задолженности граждан до 2,2 трлн рублей к июлю 2025 года (рост в 1,5 раза за год), подчеркивает остроту экономических и социальных вызовов. Организационные и методологические трудности, такие как проблемы с доступом к достоверным данным и недостатки лимитной политики, также ограничивают эффективность риск-менеджмента. Более того, стремительная цифровизация, открывая новые горизонты, одновременно порождает новые риски – киберугрозы, риски некорректной работы ИИ-алгоритмов и операционные риски IT-систем.

Тем не менее, именно цифровизация и передовые технологии открывают наиболее перспективные пути совершенствования управления кредитным риском. Искусственный интеллект и машинное обучение, благодаря способности анализировать огромные массивы структурированных и неструктурированных данных, повышают точность прогнозирования дефолтов до 90-95%, что на 5-15 процентных пунктов превосходит традиционные методы. Облачные решения и FinTech-инструменты обеспечивают масштабируемость, гибкость и доступ к современным аналитическим инструментам.

Для российских банков путь к совершенствованию лежит через развитие собственных методик оценки, адаптацию международных практик с учётом национальной специфики, непрерывное повышение квалификации персонала и активное внедрение передовых цифровых решений. Только комплексный подход, сочетающий глубокое теоретическое понимание с гибким практическим применением инновационных технологий, позволит коммерческим банкам эффективно управлять кредитным риском, обеспечивать свою экономическую безопасность и способствовать устойчивому развитию всей финансовой системы России. Дальнейшие исследования в этой области могут быть направлены на разработку детализированных моделей оценки специфических видов рисков, а также на изучение этических и регуляторных аспектов применения ИИ в кредитовании.

Список использованной литературы

1. Гражданский кодекс Российской Федерации. Часть первая от 30 ноября 1994 г. № 51-ФЗ. Часть вторая от 26 января 1996 г. № 14-ФЗ. Часть третья от 26 ноября 2001 г. № 146-ФЗ. Часть четвертая от 18 декабря 2006 г. № 230-ФЗ.
2. О банках и банковской деятельности: Федеральный закон от 02.12.1990 № 395-1 (ред. от 27.07.2006) // Российская газета. 1996. № 27.
3. О Центральном банке Российской Федерации (Банке России): Федеральный закон от 10.07.2002 № 86-ФЗ (ред. от 12.06.2006) // Российская газета. 2002. № 127.
4. Об обязательных нормативах банков: Инструкция ЦБ РФ от 16.01.2004 № 110-И (ред. от 20.03.2006) // Вестник Банка России. 2004. № 11.
5. Положение о порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности: утв. ЦБ РФ 26.03.2004 № 254-П (ред. от 20.03.2006) // Вестник Банка России. 2004. № 28.
6. Банковское дело: Учебник / под ред. Г.Г. Коробовой. Москва: Экономистъ, 2004. 751 с.
7. Банковское дело: Учебник / под ред. Г.Н. Белоглазовой, Л.П. Кроливецкой. 5-е изд., перераб. и доп. Москва: Финансы и статистика, 2005. 592 с.
8. Банковский менеджмент: Учебно-практическое пособие. Москва: Альфа-Пресс, 2005. 368 с.
9. Деньги, кредит, банки: Учебник для вузов / под ред. О.И. Лаврушина. 2-е изд., перераб. и доп. Москва: Финансы и статистика, 2004.
10. Ермаков С.Л. Работа коммерческого банка по кредитованию заемщиков: Методические рекомендации. Москва: Алес, 2002.
11. Ивлиев С.В. Исследование кредитного риска методом Монте-Карло [Электронный ресурс]. Режим доступа: http://www.riskland.ru/lib/free/CreditRiskMonteCarlo.pdf (дата обращения: 03.11.2025).
12. Габеева М. Как в капле воды. Проблемы и перспективы развития банковской системы региона // Банковское дело в Москве. 2005. №8 (128).
13. Пещанская И.В. Организация деятельности коммерческого банка: Учеб. пособие. Москва: ИНФРА-М, 2001. 320 с.
14. Соколинская Н.Э. Кредитные риски в российском банковском секторе: факторы и менеджмент // Банковские услуги. 2006. № 5. С. 2–28.
15. Севрук В.Т. Банковские риски. Москва: Дело ЛТД, 1994. 95 с.
16. Стратегия развития банковского сектора Российской Федерации на период до 2008 года. 05.04.2005 г. [Электронный ресурс]. Режим доступа: http://www.cbr.ru/today/publications_reports/print.asp?file=str_2008.htm (дата обращения: 03.11.2025).
17. Учет и операционная техника в банках: Практикум / ВЗФЭИ. Москва: Финстатинформ, 2001. 328 с.
18. Трансформация системы управления рисками с использованием ИИ в финансовых организациях [Электронный ресурс]. Kept, 2024. Режим доступа: https://www.kept.ru/upload/iblock/c34/Kept_AI_Risk_Transformation_2024.pdf (дата обращения: 03.11.2025).
19. Диверсификация кредитного портфеля и управление проблемными рисками [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/diversifikatsiya-kreditnogo-portfelya-i-upravlenie-problemnymi-riskami/viewer (дата обращения: 03.11.2025).
20. Соловьев А. Цифровизация процессов управления кредитными рисками: от теории к практике // vc.ru. 2023. [Электронный ресурс]. Режим доступа: https://vc.ru/u/2397022-aleksey-solovyev/1126588-cifrovizaciya-processov-upravleniya-kreditnymi-riskami-ot-teorii-k-praktike (дата обращения: 03.11.2025).
21. Лимитирование как способ управления кредитным риском в коммерческом банке [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/limitirovanie-kak-sposob-upravleniya-kreditnym-riskom-v-kommercheskom-banke/viewer (дата обращения: 03.11.2025).
22. Скоринговые модели оценки кредитного риска [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/skoringovye-modeli-otsenki-kreditnogo-riska/viewer (дата обращения: 03.11.2025).
23. Прасол А.Б., Орлова И.И. Лимитирование как способ снижения кредитного риска в российской банковской практики [Электронный ресурс]. НИУ ВШЭ, 2010. Режим доступа: https://www.hse.ru/data/2010/06/07/1217730248/Прасол%20А.Б.,%20Орлова%20И.И..doc (дата обращения: 03.11.2025).
24. Система управления рисками в российских банках. Проблемы и пути развития // Проблемы банковского дела: сборник статей. Москва: АО «Ай Пи Эр Медиа», 2021. Режим доступа: https://elibrary.ru/item.asp?id=45781223 (дата обращения: 03.11.2025).
25. Перспективы использования новых цифровых технологий в сфере управления кредитным риском и оценки кредитоспособности [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/perspektivy-ispolzovaniya-novyh-tsifrovyh-tehnologiy-v-sfere-upravleniya-kreditnym-riskom-i-otsenki-kreditoposobnosti/viewer (дата обращения: 03.11.2025).
26. Скоринговые модели [Электронный ресурс]. CRIF. Режим доступа: https://www.crif.uz/ru/solutions/credit-management-solutions/scoring-models (дата обращения: 03.11.2025).
27. Лимитирование [Электронный ресурс]. E-xecutive.ru. Режим доступа: https://www.e-xecutive.ru/wiki/limitirovanie (дата обращения: 03.11.2025).
28. Скоринговая модель (Scoring model) [Электронный ресурс]. Loginom. Режим доступа: https://wiki.loginom.ru/articles/scoring-model.html (дата обращения: 03.11.2025).
29. Высоцкий М.В., Жиляк Н.А., Шабанович Р.А. Скоринговая модель оценки кредитного риска // Известия Саратовского университета. Новая серия. Серия Экономика. Управление. Право. 2021. Т. 21, вып. 1. С. 60–65. [Электронный ресурс]. Режим доступа: https://www.sgu.ru/sites/default/files/text/2021/04/vysockiy_m.v._zhilyak_n.a._shabanovich_r.a..pdf (дата обращения: 03.11.2025).
30. Сущность кредитного риска: понятие, виды, примеры [Электронный ресурс]. Mokka. Режим доступа: https://www.mokka.ru/blog/chto-takoe-kreditnyy-risk (дата обращения: 03.11.2025).
31. Подходы к формированию и контролю банковских лимитов // Корпоративные финансы. 2012. № 4. С. 2–15. [Электронный ресурс]. Режим доступа: https://www.cfin.ru/press/internal/2012/4/02.shtml (дата обращения: 03.11.2025).
32. Кредитные риски российских коммерческих банков: новые подходы к управлению // Вестник Севастопольского государственного университета. 2023. № 2. С. 280–289. [Электронный ресурс]. Режим доступа: https://vestnik.sevsu.ru/article/view/280/280 (дата обращения: 03.11.2025).
33. Понятие кредитного риска и его структура [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/ponyatie-kreditnogo-riska-i-ego-struktura/viewer (дата обращения: 03.11.2025).
34. Проблемы управления кредитными рисками в коммерческом банке и пути их минимизации [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/problemy-upravleniya-kreditnymi-riskami-v-kommercheskom-banke-i-puti-ih-minimizatsii/viewer (дата обращения: 03.11.2025).
35. Каковы 3 типа кредитного риска? [Электронный ресурс]. Emagia. Режим доступа: https://www.emagia.com/ru/blog/3-types-of-credit-risk/ (дата обращения: 03.11.2025).
36. Рационирование и диверсификация кредитного портфеля коммерческого банка как основные способы минимизации кредитного риска [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/ratsionirovanie-i-diversifikatsiya-kreditnogo-portfelya-kommercheskogo-banka-kak-osnovnye-sposoby-minimizatsii-kreditnogo-riska/viewer (дата обращения: 03.11.2025).
37. Управление рисками [Электронный ресурс]. ТКБ Банк. Режим доступа: https://www.tcb.ru/about/riski/ (дата обращения: 03.11.2025).
38. Ретроспектива подходов к оценке кредитного риска: Базель I, II, III // Экономические науки. 2019. № 179. С. 5454–5460. [Электронный ресурс]. Режим доступа: https://www.m-economy.ru/art.php?nArtId=5454 (дата обращения: 03.11.2025).
39. Сущность кредитного риска и способы его минимизации // Инновационные процессы в условиях цифровой экономики: сборник статей. Москва: АО «Ай Пи Эр Медиа», 2018. С. 326–331. [Электронный ресурс]. Режим доступа: https://www.elibrary.ru/download/elibrary_32664551_20970717.pdf (дата обращения: 03.11.2025).
40. Макроэкономические факторы, влияющие на качество кредитного портфеля банковского сектора России [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/makroekonomicheskie-faktory-vliyayuschie-na-kachestvo-kreditnogo-portfelya-bankovskogo-sektora-rossii/viewer (дата обращения: 03.11.2025).
41. Механизм и модель диверсификации кредитного портфеля [Электронный ресурс]. Risk-analysis.ru. Режим доступа: https://risk-analysis.ru/upload/iblock/c61/c61d5f8074d4a34b2f2112ff7f12e54e.pdf (дата обращения: 03.11.2025).
42. Практика управления кредитным риском в организациях банковского сектора в России // Молодой ученый. 2023. № 499. С. 109679–109684. [Электронный ресурс]. Режим доступа: https://moluch.ru/archive/499/109679/ (дата обращения: 03.11.2025).
43. Актуальные проблемы управления кредитными рисками в коммерческом банке [Электронный ресурс]. Режим доступа: https://cyberleninka.ru/article/n/aktualnye-problemy-upravleniya-kreditnymi-riskami-v-kommercheskom-banke/viewer (дата обращения: 03.11.2025).
44. Развитие системы управления рисками цифровизации бизнес-процессов // Актуальные проблемы финансово-кредитного обеспечения экономики: сборник научных трудов. Москва: Финансовый университет при Правительстве Российской Федерации, 2025. Т. 1. С. 150–155. [Электронный ресурс]. Режим доступа: https://www.fa.ru/org/div/upr_obuch/nauka/Documents/КФ-2025_том1.pdf (дата обращения: 03.11.2025).
45. О сроках внедрения Базеля III [Электронный ресурс]. Центральный банк Российской Федерации. Режим доступа: https://cbr.ru/Press/event/?id=1583 (дата обращения: 03.11.2025).
46. Эконометрическая модель кредитного риска на примере коммерческих банков // Вестник КРСУ. 2018. № 1. С. 11–18. [Электронный ресурс]. Режим доступа: http://herald.krsu.edu.kg/wp-content/uploads/2018/01/2018_1_11.pdf (дата обращения: 03.11.2025).
47. Инструментарий для управления кредитными рисками с учетом макроэкономических факторов // Регламент. Банковское обозрение. 2009. № 2. С. 45–52. [Электронный ресурс]. Режим доступа: https://www.reglament.net/bank/credit/2009_2_article.htm (дата обращения: 03.11.2025).
48. Использование финансовых технологий в моделировании кредитных рисков коммерческих банков [Электронный ресурс]. МГИМО, 2022. Режим доступа: https://open.mgimo.ru/handle/123456789/5062 (дата обращения: 03.11.2025).
49. Блог FIS: Управление кредитными рисками [Электронный ресурс]. FIS Group. Режим доступа: https://fisgroup.ru/blog/upravlenie-kreditnymi-riskami/ (дата обращения: 03.11.2025).
50. Как искусственный интеллект помогает выдавать кредиты [Электронный ресурс]. HSE IQ. Режим доступа: https://iq.hse.ru/news/ai-credits (дата обращения: 03.11.2025).
51. Искусственный интеллект в банках — применение и кейсы AI [Электронный ресурс]. Scand.com. Режим доступа: https://scand.com/ru/company/blog/ai-in-banking/ (дата обращения: 03.11.2025).
52. Применение ИИ в банках: как применяется искусственный интеллект в финансовой сфере [Электронный ресурс]. Beeline.ai. Режим доступа: https://beeline.ai/articles/ai-in-banks/ (дата обращения: 03.11.2025).