Управление кредитным риском и ресурсами крупного коммерческого банка (на примере ПАО Сбербанк): регуляторные вызовы «Базеля III» и стратегия цифровизации (2024-2025)

Введение

Актуальность темы в контексте финансовой устойчивости банковского сектора РФ (чистая прибыль > 3,5 трлн руб., высокая ключевая ставка 16,50%), регуляторных изменений («Базель III») и санкционных вызовов.

Банковский сектор Российской Федерации переживает период беспрецедентной трансформации, обусловленной сочетанием ужесточения международного регулирования, внутренней макроэкономической волатильности и мощного внешнего санкционного давления. На 24 октября 2025 года, когда ключевая ставка Банка России установлена на высоком уровне 16,50% годовых, управление кредитным риском и ресурсами становится критическим фактором обеспечения финансовой устойчивости.

Российские банки демонстрируют высокую адаптивность: по итогам 2024 года чистая прибыль сектора, по прогнозам, превысила 3,5 трлн рублей. ПАО Сбербанк, являясь системообразующим и крупнейшим финансовым институтом страны, генерирует около 40% этой совокупной прибыли, что подчеркивает его ключевую роль и ответственность. Однако, в условиях, когда жесткие требования «Базеля III» (внедрение новых стандартов достаточности капитала и ликвидности) накладываются на необходимость цифровой трансформации и управления геополитическими рисками, традиционные методы управления кредитными ресурсами теряют свою эффективность.

Настоящая Выпускная квалификационная работа (ВКР) посвящена глубокому анализу современного состояния, проблем и перспектив совершенствования управления кредитными ресурсами и риском на примере ПАО Сбербанк, с учетом требований ВАК к научным исследованиям.

Цель исследования заключается в разработке комплекса обоснованных рекомендаций по повышению эффективности управления кредитными ресурсами и кредитным риском ПАО Сбербанк в условиях регуляторных ограничений «Базеля III», макроэкономических вызовов 2024–2025 годов и применения передовых цифровых технологий (ИИ, Big Data) и ESG-принципов.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Раскрыть теоретическую сущность кредитных ресурсов и проанализировать влияние международных стандартов «Базеля III» на требования к капиталу и ликвидности банков.
2. Провести анализ структуры и динамики кредитных ресурсов и кредитного портфеля ПАО Сбербанк за период 2022–2025 годов, выявив ключевые тенденции и проблемы.
3. Оценить воздействие макроэкономических факторов (ДКП ЦБ РФ) и санкционных ограничений на кредитную деятельность банка.
4. Исследовать возможности внедрения технологий ИИ/Big Data и методов объяснимого ИИ (XAI) для повышения точности оценки кредитного риска.
5. Разработать стратегические рекомендации по интеграции ESG-факторов и использованию отечественных low-code платформ для совершенствования управления кредитными процессами.

Объектом исследования выступает процесс управления кредитными ресурсами и кредитным риском в коммерческом банке.
Предметом исследования являются экономические отношения и методологические подходы, возникающие в процессе формирования, размещения и управления качеством кредитного портфеля ПАО Сбербанк.

Структура работы включает введение, три логически взаимосвязанные главы (теоретический обзор, аналитическая часть, разработка предложений) и заключение, что полностью соответствует требованиям к ВКР по направлению «Финансы и кредит».

Теоретические и регуляторные основы управления кредитной деятельностью коммерческого банка

Сущность, классификация и структура кредитных ресурсов коммерческого банка

В современной экономической науке кредитные ресурсы коммерческого банка определяются как совокупность собственного капитала и привлеченных средств, которые формируют финансовую базу для проведения активных операций, в первую очередь, кредитования. Эти ресурсы представляют собой фундамент банковской деятельности, определяющий ее масштаб и устойчивость.

Классификация кредитных ресурсов строится по двум основным критериям: по источнику формирования и по срочности. По источнику формирования они делятся на:

1. Собственный капитал: включает уставный капитал, резервный фонд, нераспределенную прибыль. Его доля в общем объеме ресурсов, согласно мировой и российской практике, относительно невелика, но он выполняет критическую функцию — является «подушкой безопасности» и основным источником покрытия непредвиденных потерь.
2. Привлеченные средства: составляют доминирующую часть финансовой базы коммерческих банков в Российской Федерации. Сюда относятся депозиты физических и юридических лиц, межбанковские кредиты, средства, привлеченные через выпуск долговых ценных бумаг (облигаций, векселей, коммерческих бумаг), а также соглашения РЕПО.

В контексте анализа пассивов российских коммерческих банков наблюдается устойчивое доминирование привлеченных средств. Это обстоятельство делает банковскую систему высокочувствительной к изменениям денежно-кредитной политики и уровню процентных ставок, поскольку стоимость и стабильность привлеченных ресурсов напрямую влияют на маржинальность и риск ликвидности.

Таким образом, эффективное управление кредитным портфелем начинается с грамотного управления структурой пассивов, обеспечивающего необходимый баланс между стоимостью привлечения и требованиями к капиталу.

Международные стандарты «Базель III» и их влияние на требования к капиталу и ликвидности

Эволюция банковского регулирования после мирового финансового кризиса 2008 года привела к разработке и внедрению комплекса мер «Базель III», целью которых стало повышение качества управления рисками, укрепление стабильности и устойчивости финансовой системы. Центральный банк РФ планомерно имплементирует данные стандарты, что оказывает колоссальное давление на капитальную базу и ликвидность крупных игроков, включая Сбербанк. Требования «Базеля III» концентрируются на трех столпах: повышение качества и количества капитала, усиление стандартов ликвидности и введение норматива финансового рычага, ограничивающего чрезмерное наращивание активов относительно капитала.

В соответствии с «Базелем III», минимальные требования к достаточности капитала были существенно повышены:

• Минимальный норматив достаточности базового капитала 1-го уровня (CET1) установлен на уровне 4,5% от активов, взвешенных по риску (RWA).
• Минимальный норматив достаточности капитала 1-го уровня (Tier 1) — 6,0% от RWA.
• Минимальный норматив совокупного капитала (Total Capital) — 8,0% от RWA.

Кроме того, «Базель III» ввел два критически важных стандарта ликвидности:

• Норматив краткосрочной ликвидности (LCR, Liquidity Coverage Ratio): Требует наличия запаса высоколиквидных активов, достаточного для покрытия чистого оттока денежных средств в течение 30-дневного стрессового периода. LCR не должен быть менее 100%.
• Норматив чистого стабильного фондирования (NSFR, Net Stable Funding Ratio): Обеспечивает наличие стабильных источников фондирования на горизонте одного года, ограничивая зависимость от краткосрочных и волатильных пассивов.

Если российский системообразующий банк не соответствует этим нормативам, он сталкивается с немедленными регуляторными санкциями, что автоматически снижает его способность к кредитованию.

Система буферов капитала: консервационный и контрциклитический

«Базель III» ввел систему буферов, которые призваны обеспечить запас прочности сверх минимальных требований к капиталу и регулировать кредитную активность в экономике.

Буфер консервации капитала (CCB, Capital Conservation Buffer) является обязательным и составляет 2,5% от RWA. Его цель — накопление капитала в периоды экономического роста, который может быть использован для покрытия убытков в периоды стресса. Фактически, наличие этого буфера поднимает минимальный совокупный норматив достаточности капитала до:

Совокупный капитал = 8,0% + 2,5% = 10,5%

Если банк использует этот буфер (то есть его капитал опускается ниже 10,5%), на него накладываются ограничения по распределению прибыли (выплата дивидендов, бонусов).

Контрциклитический буфер капитала (КБК) — это инструмент макропруденциального регулирования, призванный сглаживать кредитные циклы. Его величина устанавливается национальным надзорным органом (ЦБ РФ) в диапазоне от 0% до 2,5% от RWA. КБК активируется, когда наблюдается чрезмерный рост кредитования, превышающий долгосрочный тренд. Введение КБК заставляет банки наращивать капитал в фазе бума, тем самым замедляя рост кредитования и снижая системный риск, а в фазе спада КБК может быть снижен, позволяя банкам высвободить капитал для поддержки экономики.

Методологические подходы к управлению кредитным риском

Управление кредитным риском — это процесс идентификации, измерения, мониторинга и контроля рисков, связанных с возможностью невыполнения заемщиком своих обязательств. В основе современных методик, как регуляторных (ЦБ РФ), так и внутренних (IRB), лежит расчет ожидаемых потерь.

Ключевые параметры кредитного риска

Для количественной оценки кредитного риска используются три основных параметра:

1. PD (Probability of Default) — Вероятность дефолта: Оценка вероятности того, что контрагент не сможет выполнить свои обязательства в течение определенного периода (обычно один год). PD рассчитывается на основе статистических данных, поведенческого скоринга и макроэкономических прогнозов.
2. LGD (Loss Given Default) — Ожидаемая доля потерь при дефолте: Доля потерь, которую понесет банк от суммы кредита в случае дефолта заемщика, после учета всех восстановительных процедур и стоимости залога. Выражается в процентах от EAD.
3. EAD (Exposure at Default) — Величина кредитных обязательств на момент дефолта: Общая сумма, которую банк может потерять в случае дефолта. Для выданных кредитов EAD часто равно остатку задолженности, но для неиспользованных кредитных линий или гарантий требуется более сложный расчет.

Формула ожидаемых потерь (EL, Expected Loss):

Ожидаемые потери являются базовым показателем для формирования резервов по кредитным рискам. Они рассчитываются как произведение трех ключевых параметров:

EL = PD × LGD × EAD

Понимание этих параметров позволяет банку не только правильно резервировать средства, но и эффективно ценообразовать кредитные продукты, включая в процентную ставку премию за риск. Внедрение передовых методов (особенно ИИ) направлено именно на повышение точности оценки PD и LGD.

Анализ динамики и проблем управления кредитным портфелем ПАО Сбербанк в условиях макроэкономических ограничений (2024-2025)

Обзор макроэкономических факторов, влияющих на кредитную активность банковского сектора РФ

Период 2024–2025 годов характеризуется доминирующим влиянием политики Банка России, направленной на сдерживание инфляции. Это привело к установлению и поддержанию жесткой денежно-кредитной политики (ДКП).

Влияние ключевой ставки:

На 24 октября 2025 года ключевая ставка Банка России была установлена на уровне 16,50% годовых. Столь высокий уровень ставки оказывает двойное воздействие на банковский сектор:

1. Повышение стоимости привлечения ресурсов: Банки вынуждены предлагать высокие ставки по депозитам, чтобы удерживать пассивы, что увеличивает стоимость кредитных ресурсов.
2. Сдерживание кредитного спроса: Высокие ставки делают кредиты, особенно инвестиционные и потребительские, менее доступными и привлекательными для заемщиков.

Несмотря на это, наблюдается сохранение высокой кредитной активности в корпоративном сегменте, обусловленной государственным оборонным заказом и программами субсидирования. По итогам 2024 года, рост корпоративного кредитного портфеля составил 17,9%. Однако этот показатель оказался ниже, чем в 2023 году (20,7%), что свидетельствует о начале торможения, вызванного как высокими ставками, так и исчерпанием запаса прочности у части заемщиков.

Макропруденциальное регулирование:

Банк России активно использует макропруденциальные надбавки к коэффициентам риска по кредитам, что является прямым ограничением возможностей банков по дальнейшему наращиванию кредитования. Повышение надбавок, особенно по необеспеченным кредитам, а с 1 апреля 2025 года — по кредитам заемщикам с высокой долговой нагрузкой (ПДН), вынуждает банки:

• Увеличивать объем капитала, который должен резервироваться под рискованные активы.
• Смещать фокус кредитования в сторону менее рискованных сегментов, например, залоговых кредитов, которые имеют более низкую нагрузку на RWA.

Таким образом, макроэкономические условия 2024–2025 годов формируют среду, в которой управление кредитным риском становится не просто вопросом доходности, а вопросом выживания и соблюдения жестких регуляторных нормативов. Разве не должны банки в такой ситуации пересмотреть свою стратегию фондирования, смещая акцент на долгосрочные стабильные пассивы?

Анализ структуры и динамики кредитных ресурсов и кредитного портфеля ПАО Сбербанк (2022-2025 гг.)

ПАО Сбербанк сохраняет статус лидера российского банковского сектора, что подтверждается его финансовыми результатами.

Финансовая эффективность:

Чистая прибыль ПАО Сбербанк по МСФО за 2024 год составила рекордные 1,58 трлн рублей. Этот показатель является беспрецедентным и составляет около 40% от совокупной чистой прибыли всего банковского сектора России (прогноз ЦБ РФ на 2024 год: 3,5–3,8 трлн рублей).

Таблица 1. Сравнительная динамика чистой прибыли Сбербанка и банковского сектора РФ (2024–2025)

Показатель	2024 год (факт/прогноз)	Доля Сбербанка (приблиз.)	2025 год (прогноз ЦБ РФ)
Чистая прибыль банковского сектора, трлн руб.	3,5–3,8	—	2,7–3,2
Чистая прибыль ПАО Сбербанк, трлн руб.	1,58	~40%	—

Анализ кредитных ресурсов (Пассивы):

Для Сбербанка, как и для всего сектора, доминирующим источником фондирования являются привлеченные средства.

1. Вертикальный анализ пассивов: Доля средств клиентов (депозитов и текущих счетов) традиционно превышает 80% в структуре пассивов Сбербанка. Это обеспечивает высокую стабильность ресурсной базы, что является критическим преимуществом в условиях волатильности и жестких требований NSFR.
2. Горизонтальный анализ пассивов (2022-2025 гг.): В период 2022–2023 годов наблюдалась тенденция к девалютизации баланса. Этому способствовала политика ЦБ РФ, который поэтапно повышал нормативы обязательных резервов по обязательствам в иностранной валюте: до 6% по валютам «дружественных» стран и до 8,5% по валютам «недружественных» стран с июня 2023 года. Сбербанк активно переводил валютные пассивы в рублевые, снижая валютный риск, что позволило банку укрепить рублевую ликвидность и избежать избыточной нагрузки на капитал.

Анализ кредитного портфеля (Активы):

Кредитный портфель Сбербанка характеризуется высокой диверсификацией между корпоративным и розничным сегментами. Драйвером роста в 2024 году оставались крупные инфраструктурные и государственные проекты в корпоративном сегменте. В розничном сегменте высокие ставки и макропруденциальные ограничения сдерживают рост необеспеченного сегмента, что смещает акцент на ипотечное и залоговое кредитование. Высокая доля прибыли и стабильность фондирования позволяют Сбербанку сохранять высокий уровень достаточности капитала даже при выполнении повышенных требований «Базеля III» и формировании буферов.

Санкционные ограничения как ключевой вызов для управления ликвидностью и активами Сбербанка

Санкционное давление, введенное против ПАО Сбербанк, является фундаментальным вызовом, требующим кардинальной перестройки операционной модели и управления рисками.

Последствия блокирующих санкций (SDN-лист США и ЕС):

1. Отключение от SWIFT: Вступление в силу отключения от международной системы SWIFT 14 июня 2022 года привело к необходимости полной переориентации внешнеэкономической деятельности на использование альтернативных систем (СПФС) и прямого обмена сообщениями, а также на расчеты в национальных валютах.
2. Заморозка активов и уход с рынков: Санкции привели к заморозке части активов банка за рубежом и полному уходу с европейского рынка (закрытие Sberbank Europe). Это потребовало списания или продажи зарубежных дочерних структур, что отразилось на капитальной базе, хотя и было компенсировано рекордной прибылью внутри страны.
3. Технологическая изоляция: Удаление мобильных приложений из App Store и Google Play создало операционный риск для розничного бизнеса, требуя от банка ускоренного развития собственных цифровых каналов распространения (например, через альтернативные магазины приложений или прямую установку).

Стратегия адаптации Сбербанка:

Сбербанк успешно адаптировался к ограничениям, сосредоточившись на внутреннем рынке и технологическом суверенитете: снижение валютного риска путем девалютизации баланса, ускоренное развитие собственных ИТ-решений и платформ, а также поддержание высоких запасов высоколиквидных активов для соответствия нормативам LCR в условиях, когда доступ к международным рынкам фондирования ограничен. Санкции трансформировали кредитный риск в более комплексный геополитический и технологический риск. Управление активами теперь включает не только классическую оценку кредитоспособности, но и оценку устойчивости заемщика к вторичным санкциям и способность банка обеспечить бесперебойность обслуживания в условиях цифровой изоляции.

Перспективы совершенствования управления кредитным риском и ресурсами на основе цифровых и ESG-технологий

Внедрение технологий ИИ/Big Data в процесс оценки кредитного риска

Крупные российские банки, в частности Сбербанк, рассматривают технологии Big Data и Искусственного Интеллекта (ИИ) как основной инструмент для повышения точности оценки PD, LGD и, как следствие, эффективности управления кредитным портфелем. Концепция Big Data, которую активно использует финансовый сектор, включает четыре ключевых характеристики:

1. Объем (Volume): Колоссальные массивы данных, генерируемые транзакциями, поведением клиентов и внешними источниками.
2. Скорость (Velocity): Необходимость обработки данных в реальном времени, особенно при скоринге и борьбе с мошенничеством.
3. Разнообразие (Variety): Использование структурированных (финансовая отчетность) и неструктурированных (тексты, социальные сети) данных.
4. Достоверность (Veracity): Критически важный критерий, отражающий качество и надежность используемых данных. Недостоверные данные приводят к ошибочным моделям и некорректной оценке риска.

Нейросетевые модели и машинное обучение (ML) позволяют создавать предиктивные модели кредитного скоринга, которые превосходят традиционные регрессионные методы по точности прогнозирования вероятности дефолта (PD), особенно в сегменте розничного и малого бизнеса.

Проблема «черного ящика» и применение методов объяснимого ИИ (XAI)

По мере усложнения моделей, основанных на глубоком обучении, возникает серьезная проблема, известная как «проблема черного ящика» (Black Box Problem). Суть проблемы в том, что высокоточные модели ИИ принимают решения, но их внутренний механизм, или логика, остается непрозрачным для человека и, что критически важно, для регулятора.

В финансовом секторе, где требуется обоснование каждого решения по кредиту и соблюдение антидискриминационных законов, непрозрачность ИИ-моделей является высоким регуляторным риском. Для решения этой проблемы активно внедряется Объяснимый Искусственный Интеллект (XAI, Explainable AI). Методы XAI, такие как SHAP-анализ и LIME (Local Interpretable Model-agnostic Explanations), позволяют:

1. Интерпретировать решение: Определить, какие входные переменные (факторы) оказали наибольшее влияние на принятие конкретного кредитного решения.
2. Обеспечить регуляторное соответствие: Предоставить ЦБ РФ прозрачное обоснование для внутренних моделей оценки кредитного риска (IRB-подход), что является обязательным требованием.

Внедрение XAI в Сбербанке позволяет использовать преимущества ИИ-технологий, минимизируя при этом регуляторные риски и повышая доверие к автоматизированным скоринговым системам. Именно эта прозрачность становится ключевым конкурентным преимуществом на современном рынке.

Стратегическое использование ESG-факторов в формировании кредитной политики Сбербанка

Современное управление кредитными ресурсами выходит за рамки чисто финансовых показателей и включает оценку нефинансовых рисков, в первую очередь, связанных с ESG-факторами (Environmental, Social, Governance). Сбербанк демонстрирует лидерство в области устойчивого развития, что подтверждается высокими ESG-рейтингами (например, ESG-AA/ESG-2 от АКРА с прогнозом «Стабильный»). Это не просто имиджевый показатель, а отражение интегрированного подхода к управлению долгосрочными рисками.

Портфель ответственного финансирования:

Использование ESG-критериев позволяет банку снижать долгосрочные риски и привлекать более стабильное фондирование. Объем портфеля ответственного финансирования Сбербанка продолжает демонстрировать взрывной рост, достигнув 4,2 трлн рублей к середине 2025 года (рост на 25% за год). Это финансирование направлено на «зеленые», адаптационные и социальные проекты.

Механизм снижения риска через «исключающий список»:

Для повышения качества кредитного портфеля и снижения ESG-рисков Сбербанк разработал и применяет «исключающий список» видов деятельности, которые банк обязуется не финансировать или ограничивать. В этот список включены субъекты с неприемлемо высоким ESG-риском, такие как ломбарды и микрофинансовые организации (МФО), деятельность которых может усугублять социальное неравенство и долговую нагрузку населения; политическая деятельность; особо вредные виды производства (например, добыча асбеста). Таким образом, ESG-факторы становятся неотъемлемой частью риск-аппетита банка, позволяя не только соответствовать мировым трендам, но и активно управлять нефинансовыми рисками, которые могут конвертироваться в кредитные потери.

Адаптация зарубежного опыта и технологическое импортозамещение для повышения эффективности

В условиях санкций и необходимости обеспечения технологического суверенитета, повышение эффективности управления кредитными ресурсами требует сочетания адаптации лучших мировых практик и ускоренного импортозамещения ИТ-решений.

Адаптация зарубежных критериев оценки риска:

Хотя российская методика оценки кредитного риска в целом соответствует международным стандартам, повышение точности возможно за счет частичного заимствования критериев. В частности, для корпоративного кредитования целесообразно усилить учет критерия «прогнозируемый денежный поток». Традиционные методы оценки часто базируются на исторических данных и залоговом обеспечении. Внедрение прогнозируемого денежного потока (особенно в проектном финансировании) позволяет более точно оценить способность заемщика обслуживать долг, снижая зависимость от волатильной стоимости залога. Этот подход широко используется в западных рейтинговых системах, и его активное применение в Сбербанке даст возможность снизить риск недооценки неявных угроз при выдаче крупных кредитов.

Технологическое импортозамещение и Low-Code платформы:

Санкции сделали невозможным использование многих западных банковских ИТ-систем. Ответ — переход на отечественные платформы, в том числе, использование low-code технологий. Low-code платформы позволяют быстро создавать и модифицировать приложения и автоматизировать бизнес-процессы (включая кредитный конвейер, скоринг и управление закупками) без глубокого программирования.

Таблица 2. Роль отечественных Low-Code платформ в автоматизации кредитных процессов

Отечественная платформа	Преимущества для кредитного управления	Эффект для Сбербанка
Digital Q (оптимально для крупных ФО)	Высокая масштабируемость, безопасность, интеграция с внутренними системами.	Снижение технологического риска, соответствие требованиям ЦБ по защите данных.
ELMA365, BPMSoft	Быстрая автоматизация рутинных кредитных процессов, сокращение времени принятия решений.	Повышение скорости кредитного конвейера, снижение операционных расходов.
Docsvision	Управление электронным документооборотом в кредитных досье.	Оптимизация процесса сбора данных для анализа кредитного риска.

Внедрение отечественных low-code решений позволяет Сбербанку снизить зависимость от внешних поставщиков, минимизировать технологические риски и оперативно адаптировать кредитные процессы к быстро меняющимся регуляторным и рыночным требованиям.

Заключение и выводы по повышению эффективности управления кредитными ресурсами

Настоящее исследование подтвердило, что управление кредитными ресурсами и риском в ПАО Сбербанк в период 2024–2025 годов находится под мощным влиянием трех ключевых факторов: ужесточение регуляторных требований «Базеля III», макроэкономическое давление (высокая ключевая ставка 16,50%) и геополитические санкционные вызовы (отключение от SWIFT, технологическая изоляция).

Систематизация результатов анализа:

1. Регуляторный вызов: Сбербанк успешно справляется с повышенными требованиями к капиталу (CET1 4,5% + CCB 2,5%), что подтверждается его финансовой устойчивостью и рекордной чистой прибылью (1,58 трлн рублей за 2024 год). Однако необходимость постоянного поддержания высоких буферов капитала требует максимально эффективного использования каждого рубля ресурсов.
2. Макроэкономический вызов: Жесткая ДКП ЦБ РФ, несмотря на сохранение высокого роста корпоративного портфеля (17,9%), усиливает риски ухудшения качества необеспеченного розничного кредитования, что требует от банка смещения фокуса на залоговые кредиты и ужесточения внутренних скоринговых моделей.
3. Технологический вызов: Санкции сделали необходимым ускоренное импортозамещение и полный переход на собственные ИТ-решения, что создает уникальный стимул для внедрения передовых отечественных low-code платформ.

Подтверждение эффективности предложенных рекомендаций:

Предложенные меры по совершенствованию управления кредитными ресурсами обладают высоким потенциалом для повышения эффективности и устойчивости ПАО Сбербанк:

1. Повышение точности оценки риска через XAI: Внедрение методов объяснимого ИИ (XAI, SHAP-анализ) позволяет решить «проблему черного ящика», обеспечивая регуляторную прозрачность ИИ-моделей и повышая точность прогнозирования PD и LGD.
2. Интеграция ESG-факторов: Стратегическое использование высокого ESG-рейтинга и расширение портфеля ответственного финансирования (4,2 трлн рублей к 2025 году) не только улучшает репутацию, но и снижает кредитный риск за счет исключения из портфеля субъектов с высоким социальным или экологическим риском (например, МФО и ломбардов).
3. Технологическая устойчивость: Использование отечественных low-code платформ (Digital Q, ELMA365) для автоматизации кредитных процессов обеспечивает технологический суверенитет, снижает операционные расходы и позволяет банку гибко реагировать на изменения регуляторной среды, что критически важно в текущей геополитической ситуации.

В заключение, ПАО Сбербанк демонстрирует высокую адаптивность к современным вызовам, используя свое технологическое лидерство и масштаб для соответствия ужесточающимся международным стандартам и обеспечения финансовой безопасности в условиях турбулентности. Дальнейшее повышение эффективности управления кредитными ресурсами будет определяться не только финансовыми показателями, но и способностью банка интегрировать этические, социальные и технологические инновации в ядро своего риск-менеджмента.

Список использованной литературы

1. Антонов М.Т., Пессель М.А. Денежное обращение, кредит и банки. М.: Кнорус, 2009. – 350 с.
2. Антонов Н.Г., Пессель М.А. Денежное обращение, кредит и банки. М.: Финстатинформ, 2008.
3. Банки и банковские операции: / Под ред. Е.Ф. Жукова, Л.М. Максимова, О.М. Маркова и др. М.: Банки и биржи: ЮНИТИ, 2008. – 398 с.
4. Банковское дело: Учебник для вузов / Под. ред. В.И. Колесникова, Л.П. Кроливецкой. М.: Финансы и статистика, 2008. – 563 с.
5. Банковское дело: Учебник / Под ред. О.И. Лаврушина. М.: Финансы и статистика, 2010.
6. Базель III и новые тенденции в банковской деятельности // КиберЛенинка. URL: https://cyberleninka.ru.
7. Базель III. Финансовый университет при Правительстве РФ. URL: https://fa.ru.
8. Белоглазова Г.Н. Коммерческие банки в условиях рынка. СПб.: Питер, 2010. – 264 с.
9. Беляков А.В., Ломакина Е.В. Кредитный риск: оценка, анализ, управление // Финансы и кредит. 2009. №9. С. 54–57.
10. Бердичев Т.Н. Эволюция коммерческих банков в России // Банковское дело. 2011. №7. С. 36–42.
11. Бердичевская Н., Мельников М. Проблемы малых коммерческих банков в условиях финансовой нестабильности // Банк. 2008. Июль. С. 70–74.
12. Букато В., Львов Ю. Банки и банковские операции в России. М.: Финансы и статистика, 2008. С. 49.
13. Воронин В.П., Федосова С.П. Деньги, кредит, банки: Учеб. пособие. М.: Юрайт-Издат, 2009.
14. Голикова Ю.С., Хохленкова М.А. Банк России: организация деятельности: В 2-х т. М., 2008.
15. Денежное обращение и банки: Учеб. пособие / Под ред. Г.Н. Белоглазовой, Г.В. Толоконцевой. М.: Финансы и статистика, 2007.
16. Деньги, кредит, банки: Учебник / Под ред. О.И. Лаврушина. М.: Финансы и статистика, 2008.
17. Деньги. Кредит. Банки: Учебник / Под ред. Е.Ф. Жукова. М.: ЮНИТИ-ДАНА, 2010.
18. Захаров В.С. Регулирование деятельности коммерческих банков России и их ликвидность // Деньги и кредит. 2011. №6. С. 70–72.
19. Замуруев А.С. Кредит и ссуда: терминологический анализ, классификация и определение формы // Деньги и кредит. 2010. №4. С. 32.
20. Захарченко В.С. Проблемы Российских коммерческих банков // Деньги и кредит. 2011. №1. С. 43–49.
21. Иванов В.В., Малютина О.Н. Методика анализа обеспечения при совершении операций кредитования // Финансы и кредит. 2010. №5. С. 66–69.
22. Использование больших данных в финансовом секторе и риски финансовой стабильности. Центральный банк Российской Федерации. URL: https://cbr.ru.
23. Калимуллина Ф.Ф., Сагитдинов М.Ш. К вопросу об анализе деятельности коммерческого банка // Банковское дело. 2010. №10. С. 88–90.
24. Колпакова Г.М. Финансы. Денежное обращение. Кредит: Учеб. пособие. М.: Финансы и статистика, 2009.
25. Лаврушин О.И. Банковское дело. М.: Кнорус, 2009. – 394 с.
26. Лунев В.П. Тактика и стратегия управления организацией: Учеб. Пособие. М: Финпресс, 2007. – 470 с.
27. Международные валютно-кредитные и финансовые отношения: Учебник / Под ред. Л.Н. Красавиной. 7-е изд., перераб. и доп. М.: Финансы и статистика, 2011.
28. ОБ ОСНОВНЫХ НАПРАВЛЕНИЯХ ЕДИНОЙ ГОСУДАРСТВЕННОЙ ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ НА 2023 ГОД И ПЕРИОД 2024 И 2025 ГОДОВ: МНЕНИЕ ЭКСПЕРТОВ ФИНАНСОВОГО УНИВЕРСИТЕТА // КиберЛенинка. URL: https://cyberleninka.ru.
29. ОБЗОР МЕТОДИК ОЦЕНКИ КРЕДИТНОГО РИСКА. ПЕРСПЕКТИВЫ РОССИЙСКОЙ… // КиберЛенинка. URL: https://cyberleninka.ru.
30. ОБЗОР МЕТОДИК ОЦЕНКИ КРЕДИТНОГО РИСКА. ПЕРСПЕКТИВЫ РОССИЙСКОЙ… // International Research Journal. URL: https://research-journal.org.
31. Организация деятельности Центрального банка: Учеб. пособие / Под ред. Г.Н. Белоглазовой, Н.А. Савинской. СПб.: Изд-во СПбГУЭФ, 2009.
32. Овчаров А.О. Организация управления рисками в коммерческом банке // Банковское дело. 2010. №1. С. 15–16.
33. Панова Г.С. Кредитная политика коммерческого банка. М.: Дис, 2008. – 285 с.
34. Пессель М.А. Заём, кредит, ссуда // Деньги и кредит. 2008. №4. С. 90–96.
35. Поляков В.П., Москвина Л.А. Основы денежного обращения и кредита. М.: Инфра-М, 2009. – 264 с.
36. Поляков В.П., Московкина Л.А. Структура и функции центральных банков: зарубежный опыт. М.: Инфра-М, 2009.
37. Практикум по финансовому менеджменту учебно-деловые ситуации, задачи и решения. / Под ред. Е.С. Стояновой. М.: Перспектива, 2009. – 560 с.
38. Прогноз банковского кредитования на 2025 год: под куполом ограничений // Эксперт РА. URL: https://raexpert.ru.
39. РЕСУРСНАЯ ПОЛИТИКА КОММЕРЧЕСКОГО БАНКА // Fundamental Research. URL: https://fundamental-research.ru.
40. Рид Э., Коттер Р., Гилл Э., Смит Р. Коммерческие банки / Под ред. В.М. Усоскина. М.: Космополис, 2010. – 392 с.
41. Российские банки сегодня: финансовый, общественный и культурный капитал / Под ред. Д. Волкова, Н. Евдокимовой-Динелло. СПб.: Изд. Санкт-Петербургского Университета, 2010. – 264 с.
42. Саркисянц А. Проблемы интеграции российских банков в мировую банковскую систему // Вопросы экономики. 2010. № 9. С. 105–107.
43. Сарычев А. Ведущие коммерческие банки в мировой экономике. М.: Финансы и статистика, 2010. – 198 с.
44. Семенюта О.Г. Деньги, кредит, банки в РФ: Учеб. пособие. М: Контур, 2008.
45. Сергей Лебедев: «Когда скорость решает все: зачем экономике 2025 года нужен low-code» // IT World. URL: https://it-world.ru.
46. Содержание и значение привлеченных финансовых ресурсов коммерческих банков // 1economic.ru. URL: https://1economic.ru.
47. Среднесрочный план (пересмотренный) на 2022–2025 годы. Продовольственная и сельскохозяйственная организация ООН. URL: https://fao.org.
48. Стратегия развития коммерческого банка / Под ред. А.С. Маршаловой, Н.А. Кравченко. Новосибирск: ЭКОР, 2009. – 462 с.
49. Усов В.В. Деньги. Денежное обращение. Инфляция: Учеб. пособие. М.: Банки и биржи, ЮНИТИ, 2009.
50. Уткин Э., Морозова Г. М. и др. Нововведения в банковском бизнесе России // Финансы и статистика. 2010. №12. С. 35–39.
51. Финансово-кредитный энциклопедический словарь / Под общ. ред. А.Г. Грязновой. М.: Финансы и статистика, 2011.
52. Финансовое состояние коммерческих Банков: оценка и пути укрепления // Уральский федеральный университет. URL: https://urfu.ru.
53. Финансы и кредит: Учеб. пособие. / Под ред. A.M. Ковалевой. М.: Финансы и статистика, 2008.
54. Челноков В.А. Банки и банковские операции: Букварь кредитования. М.: Высш. шк., 2008. – 145 с.
55. Экономическая теория. / Под ред. В.Д. Камаева. М.: ВЛАДОС, 2009.
56. Экономическая теория. / Под ред. И.П. Николаевой. М.: Финстатинформ, 2011.
57. Экономическая теория: Учебник для вузов / Под ред. А.И. Добрынина, Л.С. Тарасевича. 5-е изд., доп., исправ. СПб.: Питер, 2011. – 542 с.
58. Ямпольский М.М. О трактовках кредита // Деньги и кредит. 2010. №4. С. 73.
59. ESG компании и устойчивое развитие: тренды, стратегия, риски в Environment, Social, Governance в 2024 году // SberPro. URL: https://sber.pro.
60. АКРА: РОССИЙСКиЙ БАНКОВСКИЙ СЕКТОР: ПРОГНОЗ на 2025 год // АКРА. URL: https://acra-ratings.ru.
61. АКРА ПОДТВЕРДИЛО ESG-РЕЙТИНГ ПАО СБЕРБАНК НА УРОВНЕ ESG-2 (AA+), ПРОГНОЗ «СТАБИЛЬНЫЙ» // АКРА. URL: https://acra-ratings.ru.
62. Альбац Е., Пауэлл Б. Банки в современной экономике страны // Коммерсантъ. 2011. № 67. С. 47–49.
63. БАНКОВСКИЙ СЕКТОР: ВЛИЯНИЕ САНКЦИЙ И ПАНДЕМИИ // КиберЛенинка. URL: https://cyberleninka.ru.
64. Как санкции повлияют на ипотеку в Сбербанке в 2025 году // FPA. URL: https://fpa.ru.
65. Какие санкции введены против Сбербанка в 2025 году // GoGov. URL: https://gogov.ru.
66. Новый рекорд маловероятен // АКРА. URL: https://acra-ratings.ru.
67. «Эксперт РА» подтвердил рейтинг ESG ПАО Сбербанк на уровне ESG-II(a) // Эксперт РА. URL: https://raexpert.ru.
68. www.Cbr.ru
69. www.Cfin.ru
70. www.Rbc.ru
71. www.Securities.com.ru