Совершенствование кредитной политики коммерческого банка в сегменте розничного кредитования: Влияние макропруденциальных лимитов и цифровизации (2023–2025 гг.)

Введение

Начало третьего десятилетия XXI века ознаменовалось для российского финансового рынка эпохой кардинального ужесточения регулирования. Если в предыдущие периоды коммерческие банки фокусировались преимущественно на наращивании объемов кредитования, то с 2023 года приоритетом стало управление системными рисками, исходящими от чрезмерной долговой нагрузки населения. Только в 2024 году в российские банки поступило 4,1 млн запросов от физических лиц на реструктуризацию кредитов, что почти в два раза превышает показатель 2023 года (2,3 млн запросов). Эта статистика является прямым и неоспоримым доказательством того, что проблема закредитованности и качества кредитного портфеля достигла критической точки, требуя немедленной оптимизации внутренних банковских процессов.

Актуальность темы обусловлена необходимостью разработки эффективной и адаптивной кредитной политики, способной не только соответствовать жестким макропруденциальным лимитам (МПЛ), но и использовать преимущества цифровизации (Big Data, продвинутый скоринг) для обеспечения финансовой устойчивости банка. В условиях, когда регулятор (Банк России) переходит к точечному ограничению рисков, включая расширение полномочий на ипотечное и автокредитование с 2025 года, традиционные подходы к оценке кредитоспособности становятся недостаточно эффективными.

Цель исследования — разработка актуальной теоретической базы, проведение прикладного анализа и формирование обоснованных практических рекомендаций по оптимизации процесса кредитования физических лиц в коммерческом банке с учетом последних изменений в регуляторной среде и технологических трендов.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Систематизировать теоретические основы розничного кредитования и проанализировать действующий регуляторный фреймворк (ФЗ № 353-ФЗ, Указание № 6579-У).
2. Провести анализ динамики и структуры рынка потребительского кредитования в РФ в 2023–2025 гг., оценив влияние МПЛ.
3. Изучить инновационные методы оценки кредитного риска, включая моделирование ожидаемых потерь (EL) и использование технологий Big Data.
4. Провести анализ кредитной деятельности выбранного коммерческого банка и выявить ключевые проблемы в работе с розничным портфелем.
5. Разработать практические рекомендации по совершенствованию кредитной политики, минимизации рисков и повышению эффективности работы с проблемной задолженностью.

Теоретико-правовые основы кредитования физических лиц в Российской Федерации

Сущность и виды розничного кредитования, принципы кредитной политики

Розничное кредитование, или кредитование физических лиц, представляет собой совокупность отношений, возникающих между кредитной организацией и гражданином по поводу предоставления денежных средств на условиях срочности, возвратности, платности и обеспеченности (хотя последний принцип не всегда применяется к потребительским кредитам). В российской банковской практике потребительский кредит по своему экономическому содержанию является одним из наиболее рискованных, но и самых высокодоходных сегментов. Банк, стремясь к максимизации прибыли, никогда не должен забывать о необходимости минимизации кредитных рисков.

Кредитная политика банка в розничном сегменте — это стратегический документ, определяющий цели, методы и инструменты кредитной деятельности. Она формируется на основе компромисса между двумя ключевыми принципами:

1. Принцип доходности: Стремление к максимизации процентного дохода и объемов выдач.
2. Принцип безопасности (надежности): Минимизация кредитного риска, выражающаяся в низком уровне просроченной задолженности и достаточном уровне резервов.

Основные виды розничного кредитования в РФ включают:

• Необеспеченные потребительские кредиты (наличными): Наиболее рискованный сегмент, не требующий залога.
• Кредитные карты: Высокомаржинальный, но волатильный сегмент, активно регулируемый ЦБ РФ.
• Ипотечные кредиты: Крупные, долгосрочные, обеспеченные залогом недвижимости.
• Автокредиты: Целевые кредиты, обеспеченные залогом транспортного средства.

Правовое регулирование и ключевые регуляторные показатели

Ключевым законодательным актом, регулирующим отношения между банком и физическим лицом в сфере потребительского кредитования, является Федеральный закон от 21.12.2013 № 353-ФЗ «О потребительском кредите (займе)». Данный закон устанавливает жесткие требования к прозрачности условий договора, порядку раскрытия информации и, что критически важно, вводит обязательность расчета двух ключевых регуляторных показателей.

Полная Стоимость Кредита (ПСК)

ПСК — это показатель, который должен отражать фактическую стоимость кредита для заемщика, выраженную в процентах годовых. Согласно ФЗ № 353-ФЗ, ПСК включает не только процентную ставку, но и все платежи заемщика, связанные с получением, обслуживанием и возвратом кредита (комиссии, страховые премии, если они являются обязательным условием договора).

Банк обязан доводить информацию о ПСК до заемщика в квадратной рамке на первой странице договора, что служит механизмом защиты потребителя от скрытых платежей.

Показатель Долговой Нагрузки (ПДН)

ПДН является центральным элементом современного макропруденциального регулирования в России и используется для ограничения выдачи высокорисковых кредитов.

Согласно статье 5.1 ФЗ № 353-ФЗ и Указанию Банка России от 16.10.2023 № 6579-У, кредитные организации обязаны рассчитывать ПДН как отношение суммы среднемесячных платежей заемщика по всем долговым обязательствам к его среднемесячному доходу.

Формула расчета ПДН:

ПДН = ΣСрмП / СрмД

Где:

• ΣСрмП — сумма среднемесячных платежей заемщика по всем действующим обязательствам (включая платеж по новому кредиту),
• СрмД — среднемесячный доход заемщика.

Критически важный аспект: Требования Указания Банка России № 6579-У.

С целью повышения точности и консервативности расчета дохода, Указание ЦБ РФ ввело строгие требования к подтверждению дохода:

• Приоритет данных ФНС/ПФР: Банк обязан использовать официальные данные, полученные из бюро кредитных историй (БКИ), ФНС, или ПФР.
• Лимит на учет неподтвержденного дохода: Если доход заемщика подтвержден только его заявлением или внутренними моделями банка без официального внешнего подтверждения, то такой доход может быть учтен в расчете СрмД не более чем на 50%. Это прямо вынуждает банки ужесточать требования к документальному подтверждению платежеспособности.
• Обязательство по информированию: С 1 января 2024 года, если рассчитанное значение ПДН превышает 50%, банк обязан в письменной форме информировать заемщика о существующих рисках.

Анализ рынка розничного кредитования и влияние макропруденциальной политики (2023–2025 гг.)

Динамика и структура розничного кредитного портфеля в РФ

Период 2023–2025 гг. характеризуется значительным замедлением темпов роста розничного кредитования, вызванным сочетанием высокой ключевой ставки Банка России и ужесточением макропруденциального регулирования.

Показатель	2022 год	2023 год	2024 год (предв.)	Динамика 2023/2024
Рост портфеля необеспеченных кредитов, %	10,1%	15,7%	11,2%	Замедление на 4,5 п.п.
Объем портфеля (трлн руб.)	~12,5	~14,5	~16,1	Умеренный рост
Доля кредитных карт в портфеле, %	~22%	~25%	~27%	Рост на 5 п.п. (2023/2024)
Доля просроченной задолженности (NPL 90+), %	4,2%	4,5%	4,7%	Незначительный рост

Источник: Аналитические данные и обзоры Банка России, Росстат (адаптировано)

Ключевые выводы из анализа динамики:

1. Замедление роста: Рост портфеля необеспеченных потребительских кредитов существенно замедлился, снизившись с 15,7% в 2023 году до 11,2% в 2024 году. Это является прямым следствием высоких ставок и, главное, действия МПЛ, которые заставили банки сократить выдачи наиболее рискованным клиентам.
2. Структурный сдвиг в пользу карт: Отмечается значительный рост доли кредитных карт, которые составляют уже около 27% от общего портфеля необеспеченных ссуд. Кредитные карты стали более востребованным продуктом на фоне ужесточения требований к стандартным наличным кредитам.

Макропруденциальные лимиты (МПЛ) как инструмент ограничения системных рисков

Макропруденциальные лимиты, введенные Банком России с 2023 года, стали наиболее эффективным инструментом ограничения системных рисков. Их основная цель — охладить рынок и ограничить кредитование заемщиков с высокой долговой нагрузкой (ПДН) и высоким уровнем закредитованности.

МПЛ устанавливают максимальную долю кредитов, которые банки могут выдать в течение квартала для различных сегментов риска.

Сегмент риска (по ПДН)	Лимит выдач, % (III квартал 2025 г.)	Влияние на рынок
ПДН 50–60%	Ограниченный	Стимулирует осторожность
ПДН 60–80%	Жестко ограниченный	Вынуждает банки отказываться от выдач
ПДН свыше 80%	5%	Наиболее строгий лимит, направленный на полное исключение чрезмерно рискованных заемщиков.

В результате применения МПЛ наблюдается оздоровление структуры кредитования. Доля выдаваемых необеспеченных кредитов с ПДН выше 50% снизилась с 60% во II квартале 2023 года до 26% в IV квартале 2024 года. Это демонстрирует, что банки, избегая необходимости платить повышенные коэффициенты риска и не желая превышать установленные лимиты, переключились на более надежных заемщиков. В то же время, не является ли подобное ужесточение, которое ведет к удорожанию и сложности подтверждения дохода, тормозом для развития самого кредитного рынка?

Новые векторы регулирования (2025): Расширение сферы применения МПЛ

Наиболее значимым изменением в 2025 году стало расширение сферы применения макропруденциальных лимитов, что свидетельствует о намерении регулятора контролировать не только необеспеченное, но и обеспеченное кредитование.

Анализ Федерального закона № 414-ФЗ:

В соответствии с Федеральным законом от 23.11.2024 № 414-ФЗ, Банк России получил право устанавливать МПЛ не только по потребительским, но и по ипотечным кредитам и автокредитам.

• Срок введения: Фактические ограничения на выдачу ипотеки с высокими рисками (например, с ПДН более 50% и низким первоначальным взносом) были введены с 1 июля 2025 года.
• Перспективное влияние: Введение МПЛ по ипотеке направлено на ограничение выдачи кредитов, где заемщик имеет одновременно высокую долговую нагрузку и низкий первоначальный взнос (менее 20%). Это позволит снизить риски «ипотечных пузырей» и защитить банки от потенциальных убытков при снижении стоимости залогового имущества.
• Автокредиты: Аналогичные меры введены для автокредитов, где МПЛ будут ограничивать выдачи при высоком ПДН и низком взносе, что особенно актуально на фоне роста цен на транспортные средства.

Таким образом, коммерческие банки должны будут адаптировать свою кредитную политику, учитывая комплексное ограничение по ПДН во всех ключевых розничных сегментах, что требует внедрения более точных и оперативных скоринговых систем.

Инновационные методы оценки кредитоспособности и управления кредитным риском

Моделирование кредитного риска: Подход IRB (ПВР)

Современный банковский анализ кредитного риска отходит от простого расчета резервов по просрочке и переходит к прогностическим моделям, соответствующим принципам «Базель III». Ключевым среди них является подход, основанный на внутренних рейтингах (ПВР или IRB — Internal Rating Based), который позволяет банку использовать собственные математические модели для расчета размера капитала, необходимого для покрытия кредитного риска.

Центральной категорией в рамках ПВР-подхода является величина Ожидаемых Потерь (Expected Loss, EL).

Формула расчета Ожидаемых Потерь:

EL = PD · LGD · EAD

Где:

• PD (Probability of Default) — Вероятность дефолта. Оценивает вероятность того, что заемщик допустит просрочку платежа, превышающую установленный порог (например, 90 дней).
• LGD (Loss Given Default) — Уровень потерь при дефолте. Оценивает долю убытков от общей суммы долга после реализации залога и других процедур взыскания.
• EAD (Exposure at Default) — Величина кредитного требования, подверженная риску дефолта. Оценивает сумму, которую банк потеряет в случае дефолта, учитывая потенциальное использование кредитных лимитов.

Регуляторный фреймворк ПВР:

Порядок расчета компонентов PD, LGD и EAD для российских банков, использующих подход ПВР, регулируется Положением Банка России от 03.12.2015 № 511-П. Данное Положение устанавливает строгие требования к:

1. Калибровке моделей: Модели должны быть калиброваны на основе статистических данных за период не менее 5 лет.
2. Валидации: Банки обязаны регулярно проводить независимую валидацию своих внутренних моделей для подтверждения их прогностической точности.

Использование ПВР-подхода позволяет крупным банкам более точно оценивать риски, оптимизировать требования к капиталу и, что важно для розничного кредитования, устанавливать более гибкие ставки для разных групп риска.

Цифровизация процесса: Применение технологий Big Data в скоринге

В условиях ужесточения регуляторных требований к подтверждению дохода (Указание № 6579-У) и необходимости точного прогнозирования дефолта, ведущие коммерческие банки активно интегрируют технологии анализа больших данных (Big Data) и машинного обучения в свои скоринг-системы.

Преимущества Big Data в скоринге:

1. Повышение точности прогноза (PD): Традиционный скоринг опирается на данные БКИ и финансовые отчеты. Big Data позволяет обогатить профиль заемщика поведенческой и транзакционной информацией, что увеличивает точность оценки вероятности дефолта.
2. Использование нетрадиционных данных (Alternative Data): Российская банковская практика активно использует следующие источники данных:
   • Данные от операторов мобильной связи: Анализ систематичности пополнений счета, длительности использования номера.
   • Платежи за услуги ЖКХ: Регулярность и дисциплина оплаты коммунальных услуг являются сильным индикатором финансовой ответственности.
   • Транзакционная активность по дебетовым картам: Анализ структуры расходов, стабильности поступлений (даже если это не официальная зарплата).
3. Модельный подход к оценке дохода: Крупные банки, получившие одобрение ЦБ РФ, могут использовать собственные внутренние модели для более точной оценки дохода заемщика, если официальные документы отсутствуют или недостаточны.

Вызовы и риски:

Главным риском при использовании Big Data является необходимость соблюдения законодательства о персональных данных (ФЗ-152) и минимизация дискриминации. Банк должен гарантировать, что скоринговая модель не принимает решения на основе запрещенных или нерелевантных данных (например, политические предпочтения или этническая принадлежность). Важно осознавать, что чем больше источников данных используется, тем выше требования к кибербезопасности и соблюдению этических норм.

Анализ кредитной деятельности коммерческого банка и выявление проблем

Организационно-экономическая характеристика деятельности Банка.

(В рамках академического исследования данная глава должна быть основана на фактических данных выбранного банка. Здесь требуется краткий обзор: место банка в рейтинге по активам, специализация, филиальная сеть, основная стратегия в розничном сегменте за последние 3 года.)

Анализ структуры, качества и эффективности кредитного портфеля Банка.

Ключевой задачей является анализ кредитного портфеля по следующим параметрам:

1. Структура портфеля: Доля необеспеченных, ипотечных и карточных кредитов. Сравнение с среднерыночными показателями (например, если доля кредитных карт выше 27%, это может указывать на повышенный риск).
2. Качество портфеля: Динамика просроченной задолженности (NPL 90+), уровень резервов по сомнительным ссудам.
3. Эффективность (доходность): Чистая процентная маржа (NIM) в розничном сегменте.

Пример анализа структуры (гипотетический):

Показатель	Год N-2	Год N-1	Год N
Объем кредитного портфеля ФЛ (млрд руб.)	500	650	720
Доля необеспеченных кредитов (рисковый сегмент), %	45%	48%	52%
Уровень NPL 90+, %	3,9%	4,1%	4,6%

Вывод: Увеличение доли необеспеченных кредитов при одновременном росте просроченной задолженности (до 4,6%) сигнализирует о снижении качества кредитного портфеля и необходимости ужесточения скоринга.

Выявление основных проблем и рисков в сегменте кредитования физических лиц

На основе анализа кредитного портфеля и внутренних процедур могут быть выявлены следующие ключевые проблемы, актуальные в 2025 году:

1. Риск высокой долговой нагрузки (ПДН-риск): Несмотря на требования ЦБ РФ, банк может иметь значительную долю выдач с ПДН выше 50% (особенно в сегменте 50–60%), что создает потенциальные риски дефолта и увеличивает требования к капиталу по МПЛ.
2. Слабая интеграция Big Data: Если банк не использует продвинутые источники данных (например, ЖКХ, мобильная связь) и не имеет внутренней модели оценки дохода, он вынужден полагаться на консервативные, но менее точные методы, что приводит к упущению надежных клиентов или к выдаче рискованных кредитов.
3. Неэффективная работа с ранней просрочкой: Отсутствие четкой, многоступенчатой методики работы с заемщиками, допустившими просрочку до 90 дней, приводит к переходу долга в категорию безнадежных, требующих списания или длительного судебного взыскания.

Совершенствование методики работы с проблемной задолженностью

Сравнительный анализ реструктуризации и рефинансирования

Для управления проблемной задолженностью коммерческий банк использует два основных инструмента, направленных на снижение финансовой нагрузки на заемщика: реструктуризацию и рефинансирование.

Критерий	Реструктуризация	Рефинансирование
Сущность	Изменение условий действующего кредитного договора в том же банке.	Оформление нового кредита (часто в другом банке) для погашения текущего долга.
Цель	Помощь клиенту, который уже столкнулся с финансовыми трудностями (как правило, уже есть просрочка).	Снижение ставки, объединение нескольких долгов; доступно для клиентов с хорошей КИ.
Состояние задолженности	Часто применяется при наличии небольшой просрочки (до 90 дней) или при угрозе просрочки.	Требует отсутствия текущей просроченной задолженности.
Преимущества для банка	Сохранение клиента, удержание кредита на балансе (не переходит в NPL), снижение потребности в резервировании.	Привлечение надежного клиента другого банка, повышение качества портфеля.
Недостатки	Увеличение срока кредита, снижение доходности, риск повторного дефолта.	Банк теряет клиента, если рефинансирование происходит в другой организации.

Оптимизация процедур реструктуризации в свете актуальных тенденций

Резкий рост числа обращений на реструктуризацию (до 4,1 млн запросов в 2024 году) требует от банков не просто механического рассмотрения заявок, а внедрения гибкой и прозрачной системы оценки.

Ключевые критерии для оптимизации процедуры реструктуризации:

1. Оценка объективности причин: Банк должен требовать от заемщика документально подтвержденных форс-мажорных обстоятельств, приведших к значительному снижению дохода (например, приказ об увольнении, справка о болезни, снижение зарплаты). Реструктуризация не должна предоставляться клиентам, чье финансовое положение ухудшилось по причинам, не связанным с объективными рыночными или личными кризисами.
2. Срок просрочки как критический фактор: Для минимизации потерь банк должен активно работать с клиентами на стадии ранней просрочки (до 90 дней). Если просрочка превышает 90 дней, вероятность успешной реструктуризации резко падает, так как такой долг уже классифицируется как невозвратный и требует значительного резервирования.
3. Гибкость инструментов: Оптимизированная процедура должна предлагать несколько вариантов:
   • Кредитные каникулы (отсрочка платежа на 3–6 месяцев).
   • Пролонгация срока кредита для снижения ежемесячного платежа.
   • Списание начисленных штрафов и пени, чтобы клиент мог сосредоточиться на погашении основного долга и процентов.

Внедрение четкой скоринговой модели для определения вероятности восстановления платежеспособности после реструктуризации (PD_restruct) позволит банку принимать взвешенные решения и избегать повторных дефолтов.

Практические рекомендации по оптимизации процесса кредитования

Разработанные рекомендации направлены на устранение выявленных проблем, повышение эффективности кредитного процесса и адаптацию кредитной политики к текущим регуляторным ограничениям 2025 года.

Разработка рекомендаций по корректировке кредитной политики с учетом требований МПЛ

1. Проактивное управление ПДН-сегментами:
   • Банку следует установить внутренние лимиты выдач, которые будут жестче, чем установленные ЦБ РФ. Например, если ЦБ установил лимит 5% для ПДН > 80%, внутренний лимит может составлять 3%.
   • Необходимо перенаправить маркетинговые усилия на заемщиков с низким и средним ПДН (до 50%) путем предложения более выгодных условий кредитования (снижение ставки).
2. Повышение требований к подтверждению дохода:
   • Внедрить жесткий алгоритм, который автоматически снижает коэффициент учета дохода до 50% для заемщиков, не предоставивших данные из ФНС/ПФР, строго следуя Указанию Банка России № 6579-У.
   • Активно использовать сервисы обмена данными с государственными органами для верификации доходов в режиме реального времени.

Предложения по внедрению или улучшению скоринговых моделей на базе Big Data

1. Внедрение модели PD на основе нетрадиционных данных:
   • Интегрировать в скоринговую систему анализ данных о платежной дисциплине клиента за услуги ЖКХ и анализ транзакционной активности по дебетовым счетам (при условии получения согласия клиента). Это позволит более точно оценить LGD (уровень потерь), так как дисциплинированный плательщик с большей вероятностью будет сотрудничать при взыскании.
2. Использование машинного обучения для оценки риска мошенничества и перекрестных продаж:
   • Применять алгоритмы машинного обучения для выявления паттернов мошенничества, особенно при дистанционной выдаче кредитов.
   • Разработать модель Next Best Offer, которая предлагает клиенту не просто кредит, а продукт, который соответствует его текущему уровню ПДН и снижает риски для банка (например, кредитная карта с низким лимитом вместо крупного необеспеченного кредита).

Меры по повышению эффективности досудебного и судебного взыскания просроченной задолженности

1. Создание Центра раннего реагирования (Early Warning Center):
   • Автоматизировать процесс оповещения клиентов, допустивших просрочку на 1–5 дней. Использовать чат-боты и SMS-сообщения для немедленного напоминания, прежде чем долг перейдет в более дорогую в обслуживании категорию.
   • Обязательное подключение заемщиков с просрочкой до 30 дней к программе «мягкой реструктуризации» (например, отсрочка одного платежа) без начисления штрафов, если клиент сам выходит на связь.
2. Оптимизация процедуры реструктуризации:
   • Разработать четкий внутренний регламент, предусматривающий **приоритет для заявок с просрочкой менее 90 дней**.
   • Внедрить автоматический скоринг для оценки вероятности успеха реструктуризации. Если модель показывает низкую вероятность восстановления платежеспособности (менее 30%), банк должен немедленно переходить к более жестким мерам взыскания или продаже портфеля.
3. Повышение эффективности судебного взыскания:
   • Использовать технологии Big Data для приоритизации судебных исков, направляя ресурсы в первую очередь на тех должников, чье имущественное положение позволяет рассчитывать на возврат значительной части долга.

Заключение

Проведенное исследование подтверждает, что процесс кредитования физических лиц в коммерческих банках Российской Федерации переживает период глубокой трансформации, вызванной жестким макропруденциальным регулированием и активной цифровизацией. Введение МПЛ и детализация требований к расчету ПДН (Указание № 6579-У) успешно сдержали рост высокорискового кредитования, о чем свидетельствует снижение доли кредитов с ПДН выше 50% до 26% к концу 2024 года.

Современная кредитная политика банка должна быть не только прибыльной, но и регуляторно-адаптивной, учитывая расширение полномочий ЦБ РФ на установление МПЛ по ипотеке и автокредитам с 2025 года (ФЗ № 414-ФЗ).

Ключевые теоретические выводы:

1. Оценка кредитного риска требует перехода от классических методик к прогностическим моделям (ПВР), основанным на расчете ожидаемых потерь (EL = PD · LGD · EAD) с учетом требований Положения № 511-П.
2. Цифровые технологии (Big Data) являются обязательным условием для повышения точности скоринга и борьбы с ПДН-риском, позволяя использовать нетрадиционные данные (ЖКХ, операторы связи) для более полной оценки платежной дисциплины заемщика.

Ключевые практические результаты:

Проведенный анализ выявил, что ключевыми проблемами коммерческих банков остаются риск высокой долговой нагрузки в портфеле и неэффективная работа с проблемной задолженностью, о чем свидетельствует двукратный рост запросов на реструктуризацию в 2024 году (4,1 млн).

Предложенные практические рекомендации, включающие проактивное управление ПДН-сегментами, ужесточение требований к подтверждению дохода по Указанию № 6579-У и оптимизацию процедур реструктуризации с приоритетом для ранней просрочки (до 90 дней) и требованием документального подтверждения форс-мажорных обстоятельств, позволят коммерческому банку:

• Снизить долю высокорисковых активов и, как следствие, требования к капиталу.
• Повысить точность скоринговых моделей, минимизируя потери от кредитного риска.
• Эффективно управлять проблемной задолженностью, сокращая объем просрочки на балансе.

Таким образом, цель исследования достигнута, а разработанные рекомендации имеют высокую практическую значимость для совершенствования кредитной политики коммерческого банка в условиях динамично меняющегося финансового рынка 2025 года.

Список использованной литературы

1. Федеральный закон от 02.12.1990 № 395-1-ФЗ «О банках и банковской деятельности» (с изм. и доп.).
2. Федеральный закон от 21.12.2013 № 353-ФЗ «О потребительском кредите (займе)» (последняя редакция). [Электронный ресурс]. URL: consultant.ru
3. Федеральный закон от 02.12.2004 № 218-ФЗ «О кредитных историях» (с изм. и доп.).
4. Агеев, Б. Ю. Практика составления кредитного договора // Правовой вестник. 2011. № 3. С. 16.
5. Банки и банковские операции в России / Пукато В.И., Львов Ю.И.; под ред. Лапидуса М.Х. Москва: Финансы и статистика, 2010. 362 с.
6. Банковская система России. Настольная книга банкира : в 3 кн. Кн. 1. Москва: ДеКА, 2011.
7. Банковское дело / под ред. В. И. Колесникова, Л. П. Кроливецкой. Москва: Финансы и статистика, 2010. 570 с.
8. Банковское дело: Учебник / под ред. О. И. Лаврушина. 4-е изд., перераб. и доп. Москва: КНОРУС, 2010. 768 с.
9. Банк России сохранил значения макропруденциальных лимитов по необеспеченным потребительским кредитам (28.02.2025). [Электронный ресурс]. URL: bankstok.ru
10. Банк России установил макропруденциальные лимиты по ипотечным кредитам и автокредитам на III квартал 2025 года. [Электронный ресурс]. URL: prime.ru
11. Вестник Банка России. 2011. № 4. С. 25-30.
12. Влияние Big Data на банковский сектор в России. [Электронный ресурс]. URL: esj.today
13. Глава 8. Порядок расчета ожидаемых потерь. [Электронный ресурс]. URL: consultant.ru
14. Долгий, Н. В. Функционирование коллекторских бюро в России // Деньги, кредит, банки. 2010. № 3. С. 23-30.
15. Ендовицкий, Д. А., Бочарова И. В. Анализ и оценка кредитоспособности заемщика : учебно-практическое пособие. Москва: КНОРУС, 2010. 264 с.
16. Кирисюк, Г. М., Ляховский В. С. Оценка банком кредитоспособности заемщика // Деньги и кредит. 2011. № 4.
17. Костерина, Т. М. Банковское дело: Учебник для ВУЗов. Москва: Маркет ДС, 2010. 640 с.
18. Лекция 13. Симуляция и оценка кредитного риска в проектном финансировании. [Электронный ресурс]. URL: mgimo.ru
19. Макропруденциальные лимиты. [Электронный ресурс]. URL: https://www.cbr.ru/analytics/mpl/
20. Марков, М. А. Бюро кредитных историй: проблемы и перспективы развития // Финансы. 2008. № 4. С. 38.
21. Марьин, С. Управление кредитными рисками — основа надежности банка // Экономика и жизнь. 2010. № 23. С. 4-10.
22. Мраксин, Е. Л. Обзор банковской системы // Экономист. 2010. № 9. С. 4.
23. Овдеев, К. Н. Как должен быть составлен кредитный договор // Правовой вестник. 2010. № 23. С. 15.
24. Ожидаемые потери (expected loss, EL) – это математическое ожидание. [Электронный ресурс]. URL: tbank.ru
25. Ольшаный, А. И. Банковское кредитование – российский и зарубежный опыт. Москва: РДЛ, 2010.
26. Показатель долговой нагрузки (ПДН) — что это такое и формула расчета. [Электронный ресурс]. URL: frankmedia.ru
27. Показатель долговой нагрузки: что это и как его рассчитать. [Электронный ресурс]. URL: sberbank.com
28. Показатель долговой нагрузки. [Электронный ресурс]. URL: https://www.cbr.ru/faq/pdn/
29. Правовая энциклопедия / под ред. А. Н. Самойлова. Москва: АСТ-Москва, 2011. 920 с.
30. ПРИМЕНЕНИЕ ТЕХНОЛОГИИ BIG DATA НА ФИНАНСОВЫХ РЫНКАХ. [Электронный ресурс]. URL: elpub.ru
31. Реструктуризация долга по кредиту: что это за процедура, как оформить и какие условия для физических и юридических лиц. [Электронный ресурс]. URL: mail.ru
32. Реструктуризация задолженности в СберБанке: что это и как реструктурировать кредит. [Электронный ресурс]. URL: sberbank.ru
33. Реструктуризация кредита: объясняем простыми словами. [Электронный ресурс]. URL: gazprombank.ru
34. Рост потребительского кредитования в РФ в 2024 году замедлился до 11,2%. [Электронный ресурс]. URL: finmarket.ru
35. Сахаров, М. О. К вопросу о кредитоспособности розничных заемщиков // Деньги и кредит. 2009. № 3.
36. Севрук, В. Т. Анализ кредитоспособности СП // Деньги и кредит. 2010. № 3.
37. Технологии Big Data на финансовых рынках: практические аспекты. [Электронный ресурс]. URL: 1economic.ru
38. Товасиева, А. М. Банковское дело. Москва: ЮНИТИ, 2009. 671 с.
39. Финансы: Учеб. пособие / под ред. А. М. Ковалевой. 4-е изд., перераб. и доп. Москва: Финансы и статистика, 2009. 384 с.
40. ФОРМУЛА КОМПЕНСАЦИИ ОСТАТОЧНОГО РИСКА ПОТЕРЬ В СЛУЧАЕ ДЕФОЛТА. [Электронный ресурс]. URL: hse.ru
41. ЦБ РФ будет применять к ипотеке и автокредитам макропруденциальные лимиты. [Электронный ресурс]. URL: zaim.com