Организация и совершенствование процесса потребительского кредитования в коммерческом банке в условиях макропруденциального регулирования ЦБ РФ (2023-2025 гг.)

Введение (Методологический аппарат ВКР)

Актуальность

Рынок потребительского кредитования Российской Федерации переживает период беспрецедентной трансформации, обусловленной сочетанием нескольких факторов: ужесточением денежно-кредитной политики, высокой волатильностью финансового рынка и, самое главное, активным вмешательством регулятора. Введение макропруденциальных лимитов (МПЛ) и усиление контроля за Показателем Долговой Нагрузки (ПДН) с 2023 года стало поворотным моментом. Доля высокорисковых кредитов с ПДН более 50% резко сократилась с 61% до 24% в I квартале 2025 года, что свидетельствует о прямом и мощном влиянии регулятора на структуру кредитного портфеля банков. Это означает, что для сохранения финансовой устойчивости банкам критически необходимо освоить новые, более тонкие механизмы оценки заемщиков, не выходя за рамки установленных лимитов.

В этих условиях традиционные подходы к организации кредитного процесса и управлению рисками становятся неэффективными. Банкам необходимо не только соблюдать новые, постоянно меняющиеся нормы ЦБ РФ, но и искать инновационные пути для сохранения прибыльности, повышения точности скоринга и работы с сегментами, которые раньше считались невидимыми для оценки. Данная Выпускная квалификационная работа (ВКР) приобретает высокую актуальность, поскольку она ориентирована на разработку практических рекомендаций, позволяющих коммерческому банку адаптироваться к новым регуляторным условиям через призму цифровой трансформации и AI-моделирования.

Цель и Задачи

Цель исследования: Разработка комплекса научно обоснованных и практически применимых рекомендаций по совершенствованию процесса потребительского кредитования в коммерческом банке в условиях действия макропруденциальных ограничений (2023–2025 гг.).

Задачи исследования:

1. Определить и систематизировать теоретические основы потребительского кредитования, включая ключевые понятия, функции и классификацию, с учетом современной регуляторной терминологии (ПДН, МПЛ).
2. Провести детальный анализ макропруденциальной политики Банка России в 2023–2025 гг. и оценить ее влияние на кредитную стратегию коммерческих банков.
3. Оценить современное состояние российского рынка потребительского кредитования, проанализировать его динамику, структуру и выявить ключевые проблемы (рост NPL, высокая ПСК).
4. Проанализировать организацию процесса потребительского кредитования в коммерческом банке (на примере ПАО "Сбербанк"), включая последовательность этапов и используемые методы оценки риска.
5. Провести сравнительный анализ традиционных и инновационных (ML/AI) скоринговых моделей и оценить их потенциал для повышения точности оценки и работы с "кредитно невидимыми" заемщиками.
6. Разработать конкретные рекомендации по адаптации продуктовой линейки и кредитной политики банка к требованиям МПЛ и предложить механизмы внедрения инновационных скоринговых решений.
7. Оценить прогнозируемую экономическую эффективность предложенных мероприятий.

Объект и Предмет

Объект исследования: Процесс потребительского кредитования физических лиц в коммерческом банке.

Предмет исследования: Комплекс методов, механизмов, организационных и инновационных решений, направленных на совершенствование процесса потребительского кредитования и минимизацию кредитных рисков в условиях макропруденциального регулирования.

Структура работы

Работа состоит из введения, трех основных глав, заключения, списка использованных источников и приложений. Главы последовательно раскрывают теоретические основы, анализируют текущую практику и предлагают пути совершенствования процесса кредитования.

---

Глава 1. Теоретико-методологические основы потребительского кредитования и его государственного регулирования

Экономическая сущность, функции и классификация потребительского кредита

Потребительский кредит — это не просто финансовая операция, а сложный экономический механизм, опосредующий отношения между кредитором и заемщиком по поводу предоставления денежных средств на цели, не связанные с предпринимательской деятельностью, на условиях срочности, возвратности, платности и обеспеченности. В контексте современного банковского дела, его сущность претерпела значительные изменения под влиянием регулятивных мер, что делает прежние определения недостаточными.

Ключевые термины, актуальные для 2023–2025 гг.:

Термин	Актуальное определение и значение
Потребительский кредит	Предоставление средств физическому лицу для личных нужд (за исключением ипотеки), регулируемое ФЗ-353 и жестко контролируемое ЦБ РФ через МПЛ.
Кредитный риск	Вероятность неисполнения заемщиком обязательств, приводящая к финансовым потерям для банка. В современных условиях акцент смещается на риск, связанный с высокой закредитованностью (ПДН > 50%).
Показатель Долговой Нагрузки (ПДН)	Ключевой регуляторный индикатор, представляющий собой отношение ежемесячных платежей по всем долговым обязательствам заемщика к его среднемесячному доходу. ПДН > 50% считается высоким риском.
Макропруденциальные Лимиты (МПЛ)	Инструмент ЦБ РФ, ограничивающий долю выдаваемых банками кредитов с высоким риском (например, с высоким ПДН или чрезмерно длительным сроком), направленный на снижение системных рисков.

Потребительский кредит выполняет ряд важнейших функций: перераспределительную (перемещение свободных средств), стимулирующую (поддержка потребительского спроса) и регулирующую (влияние на денежное обращение). Классификация кредитов многогранна, но для целей риск-менеджмента критически важным является деление по обеспеченности (обеспеченные и необеспеченные) и сроку (краткосрочные, среднесрочные, долгосрочные). Почему же именно эти функции становятся ключевыми в условиях ужесточения? Потому что регулятор, управляя МПЛ, фактически регулирует стимулирующую и перераспределительную функции, направляя ресурсы в менее рисковые, более устойчивые сектора экономики.

Правовые и организационные основы потребительского кредитования в РФ

Организация процесса потребительского кредитования в коммерческом банке базируется на строгом соблюдении федерального законодательства и нормативных актов Банка России. Ключевым нормативным актом является Федеральный закон от 21.12.2013 №353-ФЗ «О потребительском кредите (займе)», который устанавливает базовые правила взаимодействия между кредитором и заемщиком.

Однако с 2023 года наиболее значимые изменения в правовом поле касаются инструментов макропруденциального регулирования, которые напрямую влияют на организационные процессы банка. Внедрение новых требований ЦБ РФ, в частности, о расчете ПДН и ограничении объемов выдач в определенных сегментах, требует от банков полной перестройки скоринговых систем и процедур внутреннего контроля.

Анализ макропруденциальной политики Банка России как фактора трансформации рынка (2023-2025 гг.)

С 2023 года Банк России перешел от рекомендательных мер к прямому, жесткому регулированию розничного кредитования, используя макропруденциальные лимиты (МПЛ). Этот подход был продиктован необходимостью сдерживания системного риска, связанного с чрезмерной закредитованностью населения. Какой важный нюанс здесь упускается? То, что МПЛ — это не просто ограничение, а инструмент для создания буфера капитала, который стабилизирует всю финансовую систему, а не только отдельный банк.

Механизм трансформации рынка через МПЛ и ПДН:

Центральным элементом регулирования стал Показатель Долговой Нагрузки (ПДН). ПДН представляет собой процентное соотношение расходов заемщика на погашение всех долговых обязательств к общему объему его подтвержденного дохода.

Банк России, устанавливая МПЛ, ограничивает долю кредитов, которые банки могут выдать в наиболее рискованных сегментах. Приведем примеры из нашей базы фактов:

1. Ограничение по ПДН: МПЛ резко сократил выдачу необеспеченных потребительских кредитов с ПДН > 50%. В результате, если в I квартале 2023 года такие высокорисковые кредиты составляли 61% от общего объема выдач, то к I кварталу 2025 года эта доля снизилась до 24%. Это означает, что банки были вынуждены либо повысить требования к доходам заемщиков, либо снизить средний размер кредита, чтобы "вписаться" в регуляторный лимит.
2. Ограничение по Сроку: В отношении необеспеченных потребительских кредитов чрезмерно длительным сроком считается срок более 5 лет. На долю таких кредитов Банк России установил МПЛ, например, в 10% от общего объема выдач. Цель — предотвратить ситуацию, когда заемщики берут кредиты на очень длительный срок, чтобы искусственно снизить ежемесячный платеж, что часто маскирует высокую долговую нагрузку.
3. Расширение Полномочий: С апреля 2025 года ЦБ РФ получил право устанавливать МПЛ не только по необеспеченным потребительским кредитам, но и по ипотечным, и автокредитам. Например, с 1 июля 2025 года были введены МПЛ на выдачу ипотеки с ПДН более 80%, доля которых уже снизилась с пиковых 47% до 6%.

Экономическое последствие: Введенные регулятивные надбавки позволили банкам создать внушительный макропруденциальный буфер капитала в размере 834 млрд рублей (по состоянию на апрель 2025 года). Этот буфер (7,1% от портфеля) предназначен для покрытия потенциальных потерь в случае ухудшения экономической ситуации, что является прямым следствием трансформации регулятивной среды.

Таким образом, макропруденциальная политика ЦБ РФ является не просто дополнительным требованием, а фундаментальным фактором, который полностью переформатировал кредитный процесс, заставив банки сместить фокус с количественного роста на качественное управление риском и адаптацию продуктовой линейки.

---

Глава 2. Анализ современного состояния рынка потребительского кредитования РФ и практики коммерческого банка

Динамика, структура и ключевые проблемы рынка потребительского кредитования в РФ (2023-2025 гг.)

Рынок потребительского кредитования в 2023-2025 годах демонстрировал парадоксальное сочетание бурного роста объемов и стремительного накопления рисков.

1. Рост объемов и структура портфеля:

Несмотря на высокие процентные ставки и регуляторные ограничения, потребительская активность оставалась высокой.

• Общий объем розничного кредитного портфеля российских банков по итогам 2024 года достиг впечатляющих 39,5 трлн рублей.
• Рост портфеля потребительских кредитов в 2024 году составил 11,2%, что подтверждает прогноз ЦБ РФ о приросте в диапазоне 12-17%.
• Структурный сдвиг: По состоянию на начало 2024 года, почти 90% (89,24%) всех кредитов физических лиц в рублях выдаются на срок более 3 лет. Это свидетельствует о тенденции к удлинению обязательств, что представляет собой скрытый риск в условиях высокой инфляции и неопределенности доходов.

2. Кризис просроченной задолженности (NPL):

Главной проблемой рынка является накопление "плохих долгов". Введенные МПЛ пока не успели полностью нивелировать последствия рискованных выдач, сделанных до 2023 года.

• Общая просроченная задолженность по кредитам физических лиц достигла 1,5 трлн рублей к маю 2025 года — это рекордный показатель за последние шесть лет.
• Доля просроченной задолженности (NPL 90+) от розничного портфеля составила 5,7%.
• Совокупный портфель "плохих долгов" на балансах российских банков к октябрю 2025 года превысил 2,34 трлн рублей.
• Наибольший рост просрочки (с 8,9% до 11,7% за первое полугодие 2025 г.) наблюдается именно у заемщиков с ПДН более 50%, что подтверждает правильность фокуса ЦБ РФ на этом показателе.

3. Высокая стоимость кредита:

Высокая ключевая ставка ЦБ РФ привела к значительному росту стоимости кредита для конечного потребителя.

• Средняя Полная Стоимость Кредита (ПСК) в России во II квартале 2024 года превысила 32% годовых.
• Для мелких займов ставки достигали 35,7% годовых.

Таким образом, рынок находится в двойственном состоянии: с одной стороны, он показывает высокую устойчивость и рост, с другой — накапливает критический объем просроченной задолженности, требующий немедленного решения через совершенствование риск-менеджмента. Разве не очевидно, что без дальнейшей цифровизации и внедрения инновационных скоринговых систем этот растущий пузырь «плохих долгов» невозможно контролировать?

Организация процесса потребительского кредитования в коммерческом банке (на примере ПАО "Сбербанк")

Кредитный процесс в современном коммерческом банке, особенно у лидера рынка, такого как ПАО "Сбербанк", представляет собой высокоавтоматизированную и строго регламентированную последовательность действий, ориентированную на скорость, точность и соблюдение регуляторных норм.

Процесс разделен на следующие ключевые этапы:

Этап	Содержание	Особенности в условиях цифровизации и МПЛ
1. Привлечение и Заявка	Обработка обращений через цифровые каналы (мобильное приложение, сайт). Сбор первичных данных.	Высокая доля удаленной подачи заявок. Немедленная предварительная оценка ПДН и соответствия МПЛ.
2. Оценка Кредитного Риска (Скоринг/Андеррайтинг)	Проверка данных, запрос в БКИ, расчет ПДН, применение внутренних скоринговых моделей (ML/AI).	Процесс сокращен до нескольких минут благодаря ML-моделям. Автоматическое отклонение или пересчет условий при превышении установленных ЦБ лимитов.
3. Принятие Решения и Предложение	Формирование персонализированного предложения (сумма, срок, ставка) на основе скорингового балла.	Использование нейросетевых моделей (например, GigaChat для внутренних процессов) для оптимизации и персонализации предложения.
4. Оформление и Выдача	Подписание договора (часто удаленно, через СМС-код или ЭЦП), зачисление средств на счет.	Максимальная автоматизация, минимальное участие сотрудника, что снижает операционные риски.
5. Сопровождение и Мониторинг	Контроль за своевременным погашением, управление просроченной задолженностью.	Активное использование Behavioral-scoring для мониторинга финансового поведения и Collection-scoring для оптимизации работы с неплательщиками.

Сравнительный анализ традиционных и инновационных (ML/AI) методов оценки кредитного риска

Оценка кредитного риска является ядром кредитного процесса. Эволюция методов скоринга идет от классических статистических моделей к сложным системам машинного обучения.

Традиционный Скоринг (Классическая статистика):

• Методы: Основан на статистическом дискриминантном и регрессионном анализе, чаще всего используется логит-регрессия.
• Преимущества: Прозрачность, высокая проверяемость, легкость интерпретации факторов (например, стаж работы, наличие иждивенцев).
• Недостатки: Низкая адаптивность, зависимость от качества и объема исторических данных, слабая реакция на нелинейные связи между переменными.

Инновационный Скоринг (ML/AI):

Современные модели активно используют машинное обучение (ML), градиентный бустинг и нейронные сети.

• Пример (Сбербанк): Сбербанк активно внедряет ML-модели, которые позволяют сократить процесс принятия решения по онлайн-заявке до нескольких минут. Банк использует уникальную запатентованную модель, способную оценивать кредитоспособность клиента, основываясь только на транзакционных данных (до 350 транзакций по карте достаточно).
• Преимущества: Непревзойденная точность прогнозирования, способность обрабатывать огромные массивы неструктурированных данных (Big Data), высокая скорость принятия решений, автоматическая адаптация к изменяющимся экономическим условиям.

Вид Скоринга	Назначение	Особенности применения
Application Scoring	Оценка нового заемщика на этапе подачи заявки.	Основа для первоначального решения.
Fraud Scoring	Выявление риска мошенничества.	Защита от недобросовестных заемщиков.
Behavioral Scoring	Анализ поведения действующего клиента (мониторинг использования счета, транзакций).	Используется для корректиров��и кредитных лимитов, формирования предодобренных предложений.
Collection Scoring	Оценка вероятности возврата просроченного долга.	Оптимизация стратегии взыскания (звонки, юридические процедуры).

Финансовый анализ эффективности кредитных операций банка

Анализ финансовых показателей ПАО "Сбербанк" показывает его высокую эффективность и устойчивость кредитного процесса даже в условиях ужесточения регулирования. Какой результат дает эта эффективность? Она позволяет банку сохранять лидерство и устанавливать стандарты риск-менеджмента для всего рынка.

1. Размер и структура портфеля:

• Розничный кредитный портфель Сбербанка на конец 2024 года достиг 17,5 трлн рублей, что делает его крупнейшим игроком на рынке. Рост за год составил 12,4%.
• Портфель потребительских кредитов (без учета ипотеки) достиг 4,2 трлн рублей (август 2024).

2. Уровень риска (Просроченная задолженность):

Несмотря на общероссийский рост NPL, Сбербанк демонстрирует способность удерживать риски на низком уровне, что является прямым доказательством эффективности его скоринговых систем.

• Общая доля просроченной задолженности (NPL) в кредитном портфеле Сбербанка в 2024 году остается стабильно низкой — в диапазоне 2,0-2,2%. Для сравнения: средний показатель по рынку достиг 5,7%.

3. Прибыльность и рентабельность:

Кредитные операции остаются высокоприбыльными.

• Банковский сектор в целом поддерживает высокую маржу (около 4,4% во II кв. 2024 г.).
• Показатель рентабельности капитала (ROE) Сбербанка за 8 месяцев 2024 года составил 23,6%, что является одним из лучших результатов в мировом банковском секторе и подтверждает высокую эффективность управления активами, включая потребительское кредитование.

---

Глава 3. Основные направления совершенствования процесса потребительского кредитования и снижения рисков

Разработка рекомендаций по адаптации кредитной политики и продуктовой линейки к требованиям МПЛ и ПДН

Необходимость совершенствования кредитного процесса диктуется не только внутренней потребностью банка в снижении рисков, но и императивами внешнего регулятора. Главная задача — сохранить объемы выдач и прибыльность, минимизируя при этом штрафы за нарушение МПЛ.

1. Продуктовая диверсификация с учетом ПДН:

Вместо полного отказа от высокорисковых заемщиков (ПДН > 50%), банку следует перенастроить продуктовую линейку, предлагая им обеспеченные или целевые кредиты.

• Рекомендация 1.1: Снижение доли долгосрочных необеспеченных кредитов. Для соблюдения МПЛ на кредиты со сроком более 5 лет, банку необходимо стимулировать выдачу кредитов на 3-4 года за счет более привлекательных ставок.
• Рекомендация 1.2: Развитие микрозаймов/кредитных карт с жестким лимитом. Для клиентов с высоким ПДН (40-50%) вместо крупного потребительского кредита следует предлагать ограниченные кредитные лимиты, которые могут быть увеличены только после подтверждения стабильного погашения.

2. Совершенствование процесса расчета ПДН:

Соблюдение ПДН требует от банка более глубокой и быстрой верификации доходов.

• Рекомендация 2.1: Автоматизированное подтверждение доходов. Использование цифровых экосистем банка (например, Сбербанк) для мгновенного получения информации о зарплатных начислениях, пенсионных выплатах и других доходах, что снижает вероятность мошенничества и повышает точность расчета ПДН.
• Рекомендация 2.2: Введение "Регуляторного Буфера". Устанавливать внутренний пороговый ПДН, который на 5-10 процентных пунктов ниже лимита ЦБ РФ (например, 45% вместо 50%), чтобы создать запас прочности и минимизировать риски случайного нарушения МПЛ.

Внедрение инновационных технологий скоринга для повышения точности и работы с "кредитно невидимыми" заемщиками

Ключевым направлением совершенствования является переход на скоринг, основанный на альтернативных данных и ML-моделях.

1. Использование транзакционного скоринга для "кредитно невидимых" (15% сегмент):

Сегмент "кредитно невидимых" заемщиков (тех, кто никогда не брал кредиты) составляет около 15% экономически активного населения. Банки теряют потенциально качественных клиентов из-за отсутствия кредитной истории.

• Рекомендация 3.1: Внедрение Alternative Data Scoring. Использование ML-моделей, которые анализируют не только БКИ, но и транзакционные данные клиента (история дебетовых операций, оплата ЖКУ, регулярность пополнений счета, паттерны покупок).
• Обоснование: Если Сбербанк способен оценивать риск, основываясь на 350 транзакциях, это должно стать стандартом. Модель ML-скоринга может выявить стабильность финансового поведения и косвенно подтвердить уровень дохода, даже если официальных кредитных отчетов нет.

2. Усиление Behavioral и Collection скоринга:

• Рекомендация 3.2: Проактивное управление риском. Использование Behavioral-scoring не только для увеличения лимитов, но и для их снижения или предложения реструктуризации при первых признаках ухудшения финансового состояния (например, при внезапном росте расходов или потере регулярности поступлений).
• Рекомендация 3.3: AI-оптимизация работы с просрочкой. Применение Collection-scoring на базе AI для автоматического определения оптимального канала и времени контакта с неплательщиком (например, отправка СМС-уведомления вместо звонка коллектора) с целью повышения эффективности взыскания при минимальных затратах.

Оценка экономической эффективности предложенных мероприятий

Экономическая эффективность предложенных мероприятий должна быть оценена через призму снижения кредитных рисков и оптимизации операционных затрат. Для оценки используется методология факторного анализа и прогнозирование ключевых показателей.

Исходные данные (Гипотетический пример для Банка):

• Объем кредитного портфеля потребительских кредитов (КП₀): 4,0 трлн руб.
• Доля NPL (Просрочка 90+) до внедрения (D₀): 5,0% (среднее по рынку).
• Планируемое снижение NPL за счет внедрения рекомендаций (ΔD): 1,5 п.п.
• Средняя процентная ставка по кредитам (i): 30% годовых.

1. Прогнозируемое снижение объема просроченной задолженности (NPL):

Предполагается, что внедрение ML-скоринга и адаптация продуктовой линейки позволит снизить долю NPL с 5,0% до 3,5%.

Снижение объема NPL:

ΔNPL = КП<sub>0</sub> × (D<sub>0</sub> - D<sub>1</sub>)

ΔNPL = 4,0 трлн руб. × (0,050 - 0,035) = 4,0 трлн руб. × 0,015 = 60 млрд руб.

Прогнозируемый эффект: Экономия в размере 60 млрд рублей, которые не перейдут в "плохие долги" и, соответственно, не потребуют формирования 100% резервов, что высвободит капитал.

2. Экономический эффект от высвобождения резервов и снижения потерь:

Снижение объема NPL на 60 млрд руб. позволяет банку снизить объем формируемых резервов (Р) на ту же сумму.

Эффект от снижения потерь (П):

П = ΔNPL × i

П = 60 млрд руб. × 0,30 = 18 млрд руб. в виде потенциального дохода, который не был потерян.

3. Рост рентабельности кредитного портфеля (РКП):

Внедрение AI-технологий и автоматизация андеррайтинга сокращает операционные расходы (ОП). Если годовые расходы на внедрение и поддержку ML-систем составят 2 млрд руб., а совокупная экономия от снижения NPL и операционных издержек превышает 20 млрд руб., то коэффициент экономической эффективности (КЭЭ) будет:

КЭЭ = 20 млрд руб. / 2 млрд руб. = 10

Каждый вложенный рубль принесет 10 рублей экономии или дополнительного дохода.

---

Заключение

Выполненное исследование, посвященное организации и совершенствованию процесса потребительского кредитования в условиях макропруденциального регулирования ЦБ РФ (2023–2025 гг.), позволило достичь поставленной цели — разработать комплекс практических рекомендаций, основанных на глубоком анализе теории, регулятивной политики и инновационной банковской практики.

Краткие выводы по главам:

Глава 1: Установлено, что макропруденциальная политика Банка России, в частности введение МПЛ и регулирование ПДН, является доминирующим фактором, трансформирующим рынок. Успешное снижение доли высокорисковых кредитов с ПДН > 50% с 61% до 24% подтверждает эффективность этих мер и диктует необходимость для банков перестройки кредитной стратегии.

Глава 2: Анализ показал, что российский рынок потребительского кредитования, несмотря на рост объемов (до 39,5 трлн руб.), страдает от критического накопления просроченной задолженности (NPL более 2,34 трлн руб.) и высокой стоимости кредита (ПСК свыше 32%). Практика лидера рынка (ПАО "Сбербанк") демонстрирует, что низкий уровень просрочки (2,0–2,2%) достигается за счет активного внедрения инновационных ML-моделей, позволяющих сократить время принятия решения до минут и использовать транзакционные данные.

Глава 3: Разработанные рекомендации сфокусированы на двух ключевых направлениях:

1. Регуляторная адаптация: Предложены механизмы перестройки продуктовой линейки (ограничение выдачи необеспеченных кредитов на срок более 5 лет) и введение внутреннего "Регуляторного Буфера" ПДН для минимизации рисков нарушения МПЛ.
2. Технологическое совершенствование: Обосновано внедрение Alternative Data Scoring на основе ML-моделей для точной оценки кредитоспособности "кредитно невидимых" заемщиков (15% населения), что позволит банку расширить клиентскую базу при контролируемом риске.

Научная и практическая ценность работы:

Научная ценность заключается в систематизации теоретических основ потребительского кредитования с учетом новейших регулятивных инструментов ЦБ РФ (МПЛ и ПДН). Практическая ценность работы состоит в разработке конкретных, измеримых рекомендаций, направленных на повышение точности скоринга, снижение уровня NPL и оптимизацию кредитной политики банка в условиях жестких регуляторных ограничений, что обеспечивает рост прибыльности и устойчивости финансового института.

Список использованных источников и Приложения

Список использованных источников будет включать:

1. Федеральный закон от 21.12.2013 №353-ФЗ «О потребительском кредите (займе)».
2. Нормативные акты и обзоры Банка России, регулирующие макропруденциальные лимиты (за 2023–2025 гг.).
3. Статистические данные Росстата и ЦБ РФ о динамике розничного кредитования (2023–2025 гг.).
4. Годовые отчеты и пресс-релизы ПАО "Сбербанк" за 2024 год.
5. Актуальные научные статьи из рецензируемых журналов (ВАК) по темам AI-скоринга и управления кредитным риском.
6. Специализированные аналитические отчеты рейтинговых агентств (АКРА, Эксперт РА).

Список использованной литературы

1. Бабичева Ю. А. Банковское дело: Справочное пособие. Москва: Экономика, 2009. 409 с.
2. Деньги, кредит, банки: Учебник / Под ред. О. И. Лаврушина. 2-е изд., перераб. и доп. Москва: Финансы и статистика, 2007. 464 с.
3. Инвестиции и инновации: Слов.-справ. от А до Я / Под ред. М. З. Бора, А. Ю. Денисова. Москва: ДРОФА, 2006. 527 с.
4. Качанов Е. А. Курс лекций. Деньги. Кредит. Банки. Москва: Мир-М5, 2008. 307 с.
5. Макарский Р. Ю. Кредитная система РФ. Москва: АСТ, 2008. 532 с.
6. Совершенствование методов определения потребности заемщика в овердрафте // Межвузовский сборник научных статей молодых ученых. Москва: Финансовая академия, 2008. 106 с.
7. Башмакова Т. В. Регулирование кредитной системы // Представительная власть – ХХI век. 2007. № 2.
8. Зариновский Р. Классификация кредитов // Сreditorus. 4 мая 2009.
9. Саварина И. Овердрафт платежеспособностью красен // Коммерческие вести. 31.07.2007.
10. Что такое кредитный скоринг: настоящее и будущее скоринговой системы банка. URL: fisgroup.ru (дата обращения: 21.10.2025).
11. Кредитный скоринг: Модели на основе теории неполных контрактов. URL: kubsu.ru (дата обращения: 21.10.2025).
12. Сбербанк в 2024 году получил рекордную прибыль в 1,56 трлн рублей. URL: frankmedia.ru (дата обращения: 21.10.2025).
13. Этапы кредитования: что это простыми словами. URL: finuslugi.ru (дата обращения: 21.10.2025).
14. Сокращенные результаты ПАО Сбербанк по РПБУ за февраль 2024 года. URL: bankinform.ru (дата обращения: 21.10.2025).
15. Обзор методов кредитного скоринга. URL: cyberleninka.ru (дата обращения: 21.10.2025).
16. Результаты работы ПАО Сбербанк за август 2024 года. URL: sberbank.com (дата обращения: 21.10.2025).
17. На сколько выросли ставки по потребительским кредитам в 2024 году. URL: t-j.ru (дата обращения: 21.10.2025).
18. Просрочка по кредитам россиян выросла до рекордных 1,5 трлн рублей. URL: forbes.ru (дата обращения: 21.10.2025).
19. Потребительские кредиты в 2024 году: ставки, условия, альтернативы. URL: моифинансы.рф (дата обращения: 21.10.2025).
20. Банк России принял решение сохранить значения МПЛ по необеспеченным потребительским кредитам (займам) на III квартал 2025 года и оставить неизменными значения макропруденциальных надбавок. URL: consultant.ru (дата обращения: 21.10.2025).
21. Кредитование в II квартале 2024 года ускорилось во всех сегментах, а средства населения продолжили активно расти. URL: cbr.ru (дата обращения: 21.10.2025).
22. Рост потребительского кредитования. URL: ranepa.ru (дата обращения: 21.10.2025).
23. Проблемы и перспективы развития рынка потребительского кредитования. URL: urfu.ru (дата обращения: 21.10.2025).
24. Застройщики могут работать эффективнее благодаря AI-агентам Сбера. URL: eastrussia.ru (дата обращения: 21.10.2025).
25. Официальный сайт коммерческого банка ОАО «Банк Москвы». URL: http://www.bm.ru/ru/about/info/ (дата обращения: 21.10.2025).
26. Электронный ресурс. URL: http://www.runewsweek.ru/economics/ (дата обращения: 21.10.2025).