Совершенствование системы риск-менеджмента ПАО «Сбербанк» в условиях современных вызовов: антикризисные стратегии и снижение вероятности банкротства

В современном мире, где экономические ландшафты меняются с беспрецедентной скоростью, а геополитические сдвиги создают новые вызовы, роль эффективного риск-менеджмента для крупных финансовых институтов становится не просто важной, а критически значимой. В этом контексте ПАО «Сбербанк» – системообразующий коммерческий банк Российской Федерации – предстает как уникальный объект для исследования. Его масштаб, диверсифицированная деятельность и стратегическая значимость делают его примером для глубокого анализа антикризисных стратегий и инструментов снижения вероятности банкротства и несостоятельности.

Цель настоящей работы — разработка исчерпывающего комплекса практически применимых мероприятий и рекомендаций, направленных на совершенствование системы риск-менеджмента ПАО «Сбербанк». Эти мероприятия должны способствовать повышению его финансовой устойчивости и минимизации рисков несостоятельности в условиях непрерывных трансформаций. Для достижения этой цели в рамках исследования будут решены следующие задачи:

• Раскрытие современных концепций банковских рисков и актуальных регуляторных требований Центрального Банка РФ.
• Анализ текущего состояния системы риск-менеджмента ПАО «Сбербанк» с учетом влияния внешних факторов, таких как геополитические и санкционные ограничения.
• Детализированное изучение инновационных антикризисных стратегий, включая внедрение технологий искусственного интеллекта и машинного обучения, применяемых банком.
• Разработка конкретных мероприятий по совершенствованию управления ликвидностью, платежеспособностью, операционными и киберрисками.
• Оценка потенциального экономического эффекта от внедрения предложенных рекомендаций.

Структура данной работы призвана обеспечить логичность и глубину изложения материала, начиная с теоретических основ и заканчивая практическими рекомендациями. Методология исследования базируется на комплексном подходе, включающем анализ нормативно-правовых актов ЦБ РФ, финансовой отчетности и годовых отчетов ПАО «Сбербанк», а также передовых научных публикаций и аналитических обзоров. Практическая значимость работы заключается в предоставлении студентам-выпускникам экономического профиля не только теоретических знаний, но и конкретных, обоснованных рекомендаций, которые могут быть применены в реальной банковской практике, формируя основу для главы дипломной работы.

Теоретические основы и регуляторная среда риск-менеджмента коммерческого банка

В динамичном мире финансовых услуг, где каждая транзакция, каждый кредит и каждое инвестиционное решение несут в себе потенциальные угрозы, понимание и эффективное управление банковскими рисками становятся фундаментом стабильности и успеха. Коммерческий банк, как кровеносная система экономики, обязан не только обеспечивать бесперебойное движение денежных потоков, но и умело балансировать между стремлением к прибыли и необходимостью сохранения устойчивости, ведь именно эта способность определяет его долгосрочную жизнеспособность.

Сущность и классификация банковских рисков

Банковский риск – это вероятность возникновения неблагоприятных событий, которые могут привести к финансовым потерям, снижению прибыльности, потере репутации или даже банкротству кредитной организации. Исторически банковская деятельность всегда была сопряжена с рисками, однако с развитием финансовых рынков и усложнением банковских продуктов их спектр значительно расширился.

Согласно актуальным международным стандартам, таким как Базель III, и регуляторной базе Центрального Банка РФ, банковские риски классифицируются по нескольким основным категориям:

• Кредитный риск является, пожалуй, наиболее значимым для любого коммерческого банка. Он возникает из-за неспособности или нежелания заёмщика своевременно и в полном объёме выполнять свои обязательства по кредиту или другим финансовым инструментам. Классификация кредитного риска включает риск дефолта (полное неисполнение обязательств), риск ухудшения кредитного качества (снижение способности заёмщика обслуживать долг) и риск концентрации (чрезмерная зависимость от одного заёмщика, отрасли или географического региона).
• Рыночный риск связан с неблагоприятным изменением рыночной стоимости финансовых инструментов и портфелей банка. Сюда относятся:
  • Процентный риск – риск потерь из-за неблагоприятного изменения процентных ставок.
  • Валютный риск – риск потерь из-за изменения курсов иностранных валют.
  • Фондовый риск – риск потерь из-за изменения цен на долевые ценные бумаги.
  • Товарный риск – риск потерь из-за изменения цен на товары.
• Операционный риск – это риск потерь, возникающих в результате неадекватных или ошибочных внутренних процессов, систем, действий персонала, а также внешних событий. Сюда входят ошибки сотрудников, сбои в ИТ-системах, внутреннее или внешнее мошенничество, нарушения процедур комплаенса, а также риски, связанные с кибербезопасностью и влиянием стихийных бедствий. В эпоху цифровизации и сложных ИТ-инфраструктур этот риск становится всё более актуальным.
• Риск ликвидности – риск того, что банк не сможет своевременно и в полном объёме выполнить свои обязательства, даже если его активы превышают обязательства. Это может произойти из-за неспособности быстро конвертировать активы в денежные средства без существенных потерь или из-за внезапного и значительного оттока средств клиентов. Различают риск текущей ликвидности (краткосрочные обязательства) и риск долгосрочной ликвидности.
• Риск потери деловой репутации (репутационный риск) – риск возникновения негативного общественного мнения или потери доверия к банку, что может привести к оттоку клиентов, снижению капитализации и другим финансовым потерям.
• Страновой риск – риск потерь, связанных с политической или экономической нестабильностью в стране, где банк ведёт свою деятельность или имеет активы.
• Юридический риск – риск потерь из-за несоблюдения законодательства, судебных исков или неблагоприятных изменений в правовой системе.

Эффективное управление этими рисками требует комплексного подхода, включающего идентификацию, оценку, мониторинг и контроль каждого вида риска с использованием современных методологий и инструментов.

Регуляторные требования ЦБ РФ к системе риск-менеджмента

Центральный Банк Российской Федерации играет ключевую роль в обеспечении стабильности банковской системы, устанавливая жёсткие требования к управлению рисками и капиталом кредитных организаций. Это направлено на предотвращение финансовых кризисов, защиту интересов вкладчиков и поддержание общей макроэкономической стабильности.

Основополагающим документом, регламентирующим эти требования, является Положение Банка России № 716-П от 28.12.2020 года «О требованиях к системе управления рисками и капиталом кредитной организации и банковской группы». Этот документ, вступивший в силу в условиях динамично меняющегося финансового ландшафта, заменяет ранее действовавшее Положение № 362-П, привнося более детализированные и строгие нормы, соответствующие принципам Базеля III.

Ключевые положения Положения № 716-П включают:

• Комплексность системы управления рисками: Банки обязаны создать целостную систему, охватывающую все виды рисков, которым они подвержены. Это подразумевает не только идентификацию и оценку рисков, но и их мониторинг, контроль, а также разработку стратегий по их минимизации.
• Организационная структура: Документ устанавливает требования к организационной структуре риск-менеджмента, включая создание независимых подразделений по управлению рисками, определение их полномочий и ответственности, а также формирование коллегиальных органов (например, комитетов по рискам) на уровне совета директоров и правления.
• Процедуры и методологии: Положение обязывает банки разработать внутренние документы, детально описывающие процедуры управления каждым видом риска. Это включает в себя методологии количественной оценки рисков, лимиты, процедуры принятия решений, а также механизмы отчётности и внутреннего контроля.
• Стресс-тестирование: Одним из важнейших аспектов 716-П является требование к проведению стресс-тестирования. Банки должны регулярно оценивать свою устойчивость к неблагоприятным макроэкономическим сценариям (например, резкое падение ВВП, рост безработицы, обвал цен на нефть) и сценариям специфических рисков (например, дефолт крупного заёмщика, масштабная кибератака). Результаты стресс-тестирования используются для корректировки риск-стратегий и планирования капитала.
• Внутренние процедуры оценки достаточности капитала (ВПОДК/ICAAP): Банки обязаны на регулярной основе оценивать достаточность своего капитала с учётом всех видов рисков. Цель ВПОДК – убедиться, что банк располагает достаточным капиталом для покрытия всех значимых рисков, не только тех, которые предусмотрены обязательными нормативами ЦБ РФ.

Помимо Положения 716-П, Банк России устанавливает ряд обязательных нормативов, которые являются ключевыми индикаторами финансовой устойчивости и надёжности банка:

• Нормативы достаточности капитала (Н1): Эти нормативы определяют минимальный уровень собственного капитала банка по отношению к активам, взвешенным по риску. Наиболее важными являются:
  • Н1.0 (норматив достаточности собственных средств (капитала) банка): Минимальное значение 8%. Он рассчитывается как отношение размера собственных средств (капитала) банка к сумме активов, взвешенных по риску.
  • Н1.1 (норматив достаточности базового капитала): Минимальное значение 4,5%.
  • Н1.2 (норматив достаточности основного капитала): Минимальное значение 6%.

  Соблюдение нормативов Н1.0, Н1.1, Н1.2 критически важно, так как капитал служит буфером для поглощения непредвиденных потерь.

• Нормативы ликвидности: Эти нормативы призваны обеспечить способность банка своевременно выполнять свои обязательства:
  • Н2 (норматив мгновенной ликвидности): Устанавливает минимальное отношение высоколиквидных активов (наличные средства, средства на счетах в ЦБ РФ, краткосрочные государственные ценные бумаги) к обязательствам до востребования. Минимальное значение 15%.
  • Н3 (норматив текущей ликвидности): Определяет отношение ликвидных активов (со сроком погашения до 30 дней) к обязательствам (со сроком погашения до 30 дней). Минимальное значение 50%.
  • Н4 (норматив долгосрочной ликвидности): Ограничивает объём долгосрочных активов, финансируемых за счёт краткосрочных пассивов. Максимальное значение 120%.

Регулярный мониторинг и анализ обзоров российского банковского сектора, публикуемых ЦБ РФ, также являются неотъемлемой частью работы риск-менеджеров. Эти обзоры предоставляют ценную информацию о динамике нормативов по всему сектору, качестве кредитного портфеля, влиянии макроэкономических факторов и текущих вызовах, помогая банкам корректировать свои стратегии.

Таким образом, теоретическая база риск-менеджмента в сочетании с жёсткими регуляторными требованиями ЦБ РФ формирует прочный каркас, в рамках которого коммерческие банки, включая ПАО «Сбербанк», обязаны строить и постоянно совершенствовать свои системы управления рисками для обеспечения финансовой устойчивости и предотвращения несостоятельности.

Анализ текущего состояния системы риск-менеджмента ПАО «Сбербанк» и влияние внешних факторов

ПАО «Сбербанк», как крупнейший банк России и один из ведущих финансовых институтов мира, постоянно находится под пристальным вниманием аналитиков и регуляторов. Его система риск-менеджмента – это сложный, многоуровневый механизм, который адаптируется к быстро меняющейся внешней среде.

Обзор системы управления рисками ПАО «Сбербанк»

Система управления рисками Сбербанка – это не просто набор процедур, а интегрированный подход, пронизывающий все уровни и бизнес-процессы банка. Она призвана обеспечить устойчивость финансового положения, защиту интересов акционеров, вкладчиков и других стейкхолдеров, а также поддержание деловой репутации. Согласно официальной информации, доступной на сайте Сбербанка в разделе «Система управления рисками», в основе лежат следующие принципы:

• Комплексность: Система охватывает все значимые виды рисков, от кредитного и рыночного до операционного и репутационного.
• Интегрированность: Управление рисками является неотъемлемой частью стратегического планирования, принятия бизнес-решений и ежедневной операционной деятельности.
• Риск-ориентированный подход: Ресурсы и внимание сосредоточены на наиболее значимых и потенциально опасных рисках, исходя из их вероятности и масштаба воздействия.
• Постоянное совершенствование: Методологии, инструменты и процедуры риск-менеджмента регулярно пересматриваются и обновляются с учётом изменений внешней среды и внутренних потребностей банка.

Ключевые элементы системы риск-менеджмента Сбербанка включают:

• Организационная структура: На высшем уровне ответственность за управление рисками лежит на Наблюдательном совете и Правлении. Созданы специализированные комитеты по рискам, которые осуществляют надзор и координацию. Функции выявления, оценки и мониторинга рисков возложены на независимые подразделения, что обеспечивает объективность.
• Методологии и модели: Сбербанк активно использует передовые аналитические модели, включая VaR (Value at Risk), стресс-тестирование, сценарный анализ для оценки рыночных и кредитных рисков. Внедрение внутренних рейтингов заёмщиков и моделей PD (Probability of Default), LGD (Loss Given Default), EAD (Exposure at Default) позволяет более точно оценивать кредитный риск.
• Лимиты и контрольные параметры: Установлена система лимитов на различные виды рисков (кредитные лимиты на заёмщиков/отрасли, лимиты на открытые валютные позиции, лимиты на рыночный риск), что позволяет контролировать уровень принимаемого риска.
• ИТ-инфраструктура и данные: Банк инвестирует в мощные ИТ-системы для сбора, обработки и анализа больших объёмов данных (Big Data), что является основой для принятия риск-ориентированных решений.
• Корпоративная культура: Формируется культура, при которой каждый сотрудник понимает свою роль в управлении рисками и несёт ответственность за их минимизацию в рамках своих должностных обязанностей.

Для оценки финансовой устойчивости банка критически важна динамика регуляторных нормативов. Рассмотрим их изменения на примере ПАО «Сбербанк» за период 2022-2025 гг. (данные приведены на основе годовых отчётов Сбербанка и обзоров ЦБ РФ):

Показатель	01.01.2022	01.01.2023	01.01.2024	01.07.2025	Требование ЦБ РФ
Норматив достаточности капитала (Н1.0), %	12,8%	12,1%	13,5%	14,2%	≥ 8,0%
Норматив мгновенной ликвидности (Н2), %	135,2%	128,7%	122,5%	119,86%	≥ 15%
Норматив текущей ликвидности (Н3), %	210,1%	205,3%	198,9%	184,96%	≥ 50%
Норматив долгосрочной ликвидности (Н4), %	68,5%	67,9%	65,1%	63,61%	≤ 120%

Источник: Годовые отчёты ПАО «Сбербанк», Обзоры российского банковского сектора ЦБ РФ, «СберБанк в цифрах»

Как видно из таблицы, Сбербанк демонстрирует стабильное соблюдение всех обязательных нормативов ЦБ РФ с существенным запасом. Особенно впечатляющими являются показатели ликвидности (Н2 и Н3), значительно превышающие минимальные требования регулятора. Норматив достаточности капитала (Н1.0) также находится на комфортном уровне, что свидетельствует о высокой способности банка абсорбировать потенциальные потери. Небольшие колебания по годам обусловлены как изменениями в структуре активов и пассивов, так и влиянием макроэкономических факторов.

Влияние геополитических и санкционных ограничений на риски Сбербанка

Современная история российского банковского сектора, начиная с 2022 года, неразрывно связана с беспрецедентными геополитическими вызовами и массированным санкционным давлением. Сбербанк, как флагман отрасли, оказался на переднем крае этих изменений, что потребовало быстрой и кардинальной адаптации всей системы риск-менеджмента.

Воздействие на операционные риски:
Наиболее ощутимым ударом стало отключение Сбербанка от системы SWIFT летом 2022 года. Это не просто затруднило, а фактически исключило возможность международных переводов и расчётов через традиционные каналы, что привело к увеличению издержек на транзакции на 30-40% из-за необходимости использования альтернативных, часто более сложных и дорогих посреднических схем. Дополнительно, заморозка активов Сбербанка на территории США и полное прекращение расчётов в долларах привели к нео��ходимости пересмотра валютной структуры баланса и поиску новых валют для международных операций. Расширение санкций, как, например, 18-й пакет ЕС (июль 2025 года), усложнило процессы разморозки активов для инвесторов, если в цепочке хранения присутствуют подсанкционные российские банки, что требует повышенного внимания к комплаенс-процедурам.

В ответ на эти вызовы Сбербанк, как и весь российский банковский сектор, активно переориентировался на внутренний рынок и развитие национальных платёжных систем. Отключение от Visa и Mastercard дало мощный импульс развитию национальной платёжной системы «Мир». Введение цифрового рубля, которое начнёт функционировать с 2026 года, обещает значительное ускорение и повышение прозрачности транзакций внутри страны.

Воздействие на кредитный риск:
Санкции и геополитическая неопределённость существенно изменили профиль кредитного риска. Высокие процентные ставки, обусловленные необходимостью стабилизации национальной валюты и борьбы с инфляцией, оказывают давление на способность заёмщиков обслуживать свои долги. Доля обесцененных кредитов третьей стадии (наиболее проблемных) в Сбербанке выросла до 4,8% к концу сентября 2025 года по сравнению с 3,7% на начало 2024 года. Наблюдается рост неплатежей со стороны корпоративных клиентов, а также малого и микробизнеса, что вызывает обоснованную обеспокоенность за общее «здоровье» экономики.

Тем не менее, Сбербанк демонстрирует высокую устойчивость. Несмотря на ухудшение качества активов, высокий уровень покрытия резервами (115,7% на II квартал 2025 года) позволяет банку не наращивать отчисления в резервы и оценивать ситуацию как управляемую. Это свидетельствует об адекватности ранее сформированных резервов и эффективной политике их создания.

Импортозамещение и киберриски:
Для минимизации влияния санкций на операционный риск, особенно в части ИТ-инфраструктуры, Сбербанк предпринял масштабные меры по импортозамещению. Банк провёл учения по моделированию полного отключения от поддержки глобальных вендоров программного обеспечения и оборудования (Microsoft, Nvidia, VMware, SAP, Oracle, Intel), что позволило выявить уязвимости и сформировать стратегический план. В рамках этого плана была осуществлена масштабная закупка серверов и систем хранения данных. С 1 сентября 2025 года вступил в силу норматив, согласно которому на значимых объектах критической информационной инфраструктуры (КИИ), к которым относятся и банковские системы, разрешено применять только решения из реестра отечественного ПО. Для финансового сектора крайний срок полного перехода на российское ПО и программно-аппаратные комплексы (ПАК) установлен не позднее 1 апреля 2026 года, что требует от Сбербанка значительных инвестиций и усилий по миграции.

Комплаенс и новые стратегии фондирования:
Усиление контроля за соблюдением санкционного режима и развитие комплаенс-функций стали абсолютным приоритетом. Сбербанк придерживается политики «нулевой толерантности» к коррупции и имеет развитую комплаенс-систему, включающую автоматизированные процедуры для контроля экономических санкций, противодействия легализации преступных доходов и предотвращения манипулирования рынком. Это позволяет банку минимизировать юридические и репутационные риски, связанные с международными ограничениями.

Санкции также стимулировали российские банки к переориентации на внутренний рынок и поиску новых источников фондирования. В 2025 году Сбербанк стал основным покупателем государственных облигаций (ОФЗ), выкупая около четверти всех размещений Министерства финансов. Это является не только способом размещения избыточной ликвидности и выполнения регуляторных нормативов, но и подтверждает стратегическую роль банка в поддержке государственной финансовой политики.

Цифровая трансформация, несмотря на повышение эффективности, создаёт и новые операционные риски, связанные с кибербезопасностью. Банк России зафиксировал порядка 750 кибератак в финансовом секторе в 2024 году, при этом количество успешных атак в 2023 году удвоилось. Для управления этими рисками Сбербанк активно внедряет продвинутые системы мониторинга, усиленные меры киберзащиты и разрабатывает планы непрерывности бизнеса, активно используя ИИ для обнаружения аномалий и защиты данных клиентов.

Таким образом, система риск-менеджмента ПАО «Сбербанк» демонстрирует высокую степень адаптивности и устойчивости в условиях беспрецедентного внешнего давления. Банк не просто реагирует на вызовы, но и проактивно внедряет инновационные решения, перестраивая свою деятельность для обеспечения долгосрочной стабильности и снижения вероятности несостоятельности.

Антикризисные стратегии и инновационные мероприятия ПАО «Сбербанк» по снижению вероятности банкротства

В условиях постоянно меняющегося ландшафта, когда экономические, геополитические и технологические факторы переплетаются, ПАО «Сбербанк» не просто следует за трендами, но и формирует их, активно внедряя инновационные подходы в свою антикризисную стратегию. Основой этой стратегии является глубокая цифровая трансформация, которая пронизывает все уровни риск-менеджмента, от оценки кредитоспособности до обеспечения кибербезопасности.

Внедрение AI/ML и Big Data в риск-менеджмент и кредитный скоринг

Сбербанк является одним из мировых лидеров по внедрению технологий искусственного интеллекта (ИИ) и машинного обучения (МО) в свою повседневную деятельность. Это не просто дань моде, а стратегическое решение, которое принесло банку ощутимые экономические выгоды и качественно изменило подходы к управлению рисками.

Автоматизация и точность прогнозирования дефолтов:
Применение ИИ/МО позволяет Сбербанку кардинально автоматизировать процесс оценки рисков, значительно сокращая время на принятие решений и повышая точность прогнозирования дефолтов. Если в 2017 году использование ИИ, Больших Данных (Big Data) и Машинного Обучения (Machine Learning) в риск-менеджменте и управлении продажами принесло Сбербанку доход в размере 2-3 млрд долларов США, то к 2019 году выгода от применения алгоритмов искусственного интеллекта достигла 42 млрд рублей, а к 2023 году общий экономический эффект оценивался уже в 230 млрд рублей. Экономический эффект от применения ИИ только для взыскания долгов превысил 2 млрд рублей, что свидетельствует о высочайшей эффективности этих технологий.

Показательным является уровень автоматизации в кредитном скоринге: около 99% решений по розничным кредитам принимаются без участия человека. В корпоративном бизнесе этот показатель к 2020 году планировалось довести до 80%. В планах Сбербанка – полная автоматизация 100% решений по выдаче розничных кредитов с помощью ИИ.

Передовые технологии и модели поведения заёмщиков:
В 2025 году Сбербанк начал использовать мультиагентские системы на базе ИИ. Это не просто алгоритмы, а целые сети интеллектуальных агентов, которые взаимодействуют друг с другом, специализируясь на разных типах данных (текст, числа, изображения). Такой подход приводит к кардинальному ускорению процессов анализа кредитных заявок, мониторинга рыночных рисков и предиктивного анализа, одновременно с ростом точности. Синергия экспертизы, когда агенты, специализирующиеся на конкретных аспектах, выдают более качественный и комплексный анализ, становится мощным конкурентным преимуществом.

Для повышения точности оценки кредитного риска и оптимизации процессов кредитования Сбербанк внедряет передовые аналитические модели и технологии Больших Данных. Банк использует информацию из около 100 внутренних и внешних источников, включая кредитные бюро и государственные органы. Технология Near Real Time (NRT) способна обрабатывать до 300 тысяч сообщений в секунду, а на пиках – до 1 миллиона сообщений, что позволяет получать актуальную информацию для принятия решений практически в реальном времени.

Одной из уникальных разработок Сбербанка является «психологическое прототипирование» будущих заёмщиков. Модели машинного обучения и анализа больших данных учитывают не только стандартные параметры (банковская история, образование, карьера), но и поведение в социальных сетях, оценивая пять черт характера, что позволяет выявить скрытые закономерности в поведении заёмщиков и более эффективно управлять портфелем.

Борьба с мошенничеством и выявление скрытых связей:
Искусственный интеллект активно используется для выявления мошеннических схем в транзакционных каналах и кибербезопасности, обрабатывая 7-8 тысяч транзакций ежесекундно. Кроме того, разработан механизм на основе ИИ для выявления скрытых связей между юридическими лицами. Этот механизм позволяет понять реальный вид бизнеса клиента по его платежам и платежам контрагентов, даже если официальные коды экономической деятельности не совпадают, что является мощным инструментом для борьбы с отмыванием денег и оценкой связанных сторон.

Таким образом, Сбербанк не просто внедряет ИИ/МО, а создаёт комплексную, высокотехнологичную экосистему риск-менеджмента, которая позволяет ему не только эффективно управлять текущими рисками, но и предвидеть будущие угрозы, обеспечивая значительный экономический эффект и повышая устойчивость к потенциальному банкротству.

Совершенствование управления ликвидностью и платежеспособностью

Управление ликвидностью и платежеспособностью – это краеугольный камень финансовой устойчивости любого банка. В условиях динамичных рынков и ужесточения регуляторных требований, Сбербанк, как системно значимая кредитная организация (СЗКО), постоянно совершенствует свои подходы к этому аспекту.

Введение нового норматива краткосрочной ликвидности (ННКЛ):
С 30 октября 2025 года для СЗКО, включая Сбербанк, вступает в силу новый Национальный норматив краткосрочной ликвидности (ННКЛ), который заменит действующий Базельский норматив. Это ключевое изменение в регуляторной среде, требующее глубокой адаптации. ННКЛ имеет ряд существенных отличий:

• Расширение состава высоколиквидных активов (ВЛА): В отличие от Базельского норматива, ННКЛ включает более широкий перечень активов, которые могут быть признаны ВЛА, что даёт банкам больше гибкости в управлении ликвидностью. Однако ЦБ РФ также предусмотрел ограничения: облигации могут быть включены в состав ВЛА только при условии, что банк владеет не более 30% выпуска, что направлено на предотвращение излишней концентрации и поддержание рыночной ликвидности этих инструментов.
• Уточнение коэффициентов оттока денежных средств: ННКЛ более детально прописывает коэффициенты оттока средств по различным категориям пассивов (депозиты населения, средства юридических лиц, межбанковские кредиты). Это позволяет точнее прогнозировать потребности в ликвидности при стрессовых сценариях.
• Поэтапное повышение минимального значения: Минимальное значение ННКЛ для 2025 года установлено на уровне 80%, с повышением до 100% с 1 января 2026 года. Это даёт банкам время для плавной адаптации и перестройки своих балансов.

Мероприятия по оптимизации структуры активов и пассивов:
Для поддержания и улучшения текущих показателей ликвидности, а также эффективного соблюдения ННКЛ, Сбербанку необходимо реализовать следующие мероприятия:

1. Оптимизация состава высоколиквидных активов:
   • Активное управление портфелем ценных бумаг: Пересмотр структуры портфеля с учётом новых требований к облигациям (не более 30% выпуска) и потенциальной возможности включения новых категорий ВЛА.
   • Диверсификация источников ВЛА: Включение в состав ВЛА не только государственных ценных бумаг, но и других высоколиквидных активов, признаваемых ЦБ РФ, для снижения концентрационного риска.
   • Прогнозирование и стресс-тестирование ВЛА: Регулярное проведение стресс-тестов по различным сценариям изменения рыночной стоимости и ликвидности ВЛА, а также моделирование оттоков средств.
2. Управление пассивами и фондированием:
   • Привлечение стабильных источников фондирования: Увеличение доли долгосрочных и стабильных пассивов (например, долгосрочные депозиты населения, эмиссия долгосрочных облигаций) для снижения зависимости от краткосрочного межбанковского рынка.
   • Оптимизация срочной структуры обязательств: Активное управление сроками погашения обязательств для минимизации «разрывов» ликвидности, особенно в условиях возросших коэффициентов оттока по ННКЛ.
   • Развитие цифровых каналов привлечения средств: Использование онлайн-платформ и мобильных приложений для более эффективного и дешёвого привлечения средств населения и юридических лиц, повышая стабильность фондирования.
3. Диверсификация кредитного портфеля:
   • Снижение концентрации по отраслям и заёмщикам: Продолжение работы по диверсификации портфеля, особенно в условиях роста проблемных кредитов в определённых сегментах (корпоративный сектор, малый и микробизнес).
   • Развитие новых кредитных продуктов: Запуск инновационных продуктов, ориентированных на менее рисковые сегменты или с более эффективными механизмами обеспечения и хеджирования.
   • Усиление мониторинга и раннего выявления проблем: Использование ИИ/МО для проактивного выявления ухудшения кредитного качества заёмщиков, что позволит своевременно принимать меры по реструктуризации долга или формированию резервов.

Текущие показатели ликвидности Сбербанка на 01 июля 2025 года:

• Норматив мгновенной ликвидности (Н2): 119,86% (при минимальном значении ЦБ – 15%).
• Норматив текущей ликвидности (Н3): 184,96% (при минимальном значении ЦБ – 50%).
• Норматив долгосрочной ликвидности (Н4): 63,61% (при максимальном значении ЦБ – 120%).

Эти данные свидетельствуют о значительном запасе прочности Сбербанка по всем нормативам ликвидности. Однако, с введением ННКЛ, банку потребуется не только поддерживать эти высокие показатели, но и адаптировать их структуру к новым регуляторным требованиям, особенно в части состава высоколиквидных активов.

Таким образом, совершенствование управления ликвидностью и платежеспособностью для Сбербанка – это непрерывный процесс, требующий глубокого анализа регуляторных изменений, активного управления балансом и постоянной адаптации к меняющимся рыночным условиям.

Меры по управлению операционными и киберрисками в условиях цифровой трансформации

Цифровая трансформация, активно проводимая Сбербанком, хоть и повышает эффективность и конкурентоспособность, одновременно генерирует новые, сложные операционные риски, в особенности связанные с кибербезопасностью. Масштаб банка и объём обрабатываемых данных делают его привлекательной мишенью для киберпреступников.

Применение ИИ для кибербезопасности и защиты данных:
Сбербанк находится на передовой в использовании искусственного интеллекта для защиты своей инфраструктуры и данных клиентов. Это включает:

• Предиктивное обнаружение угроз: Системы ИИ постоянно анализируют огромные объёмы данных о трафике, поведении пользователей и системных событиях для выявления аномалий и потенциальных кибератак до того, как они нанесут ущерб. Например, ИИ используется для обнаружения нелегальных майнинг-ферм, работающих на оборудовании банка или его клиентов.
• Автоматизированный ответ на инциденты: ИИ-системы могут автоматически блокировать подозрительную активность, изолировать заражённые сегменты сети и запускать процессы восстановления, сокращая время реагирования и минимизируя последствия атак.
• Защита персональных данных: ИИ применяется для мониторинга доступа к конфиденциальным данным, выявления попыток несанкционированного доступа или утечек, а также для анонимизации данных при их использовании для аналитических целей.
• Обучение персонала: Инструменты ИИ могут использоваться для создания реалистичных сценариев фишинговых атак и обучения сотрудников правилам кибергигиены, повышая их устойчивость к социальному инжинирингу.

Планы непрерывности бизнеса (BCP) и аварийного восстановления (DRP):
В условиях высокой зависимости от ИТ-систем, Сбербанк активно развивает BCP и DRP. Это не просто документы, а комплексные стратегии, включающие:

• Регулярное резервное копирование и гео-резервирование данных: Обеспечение сохранности данных на нескольких независимых площадках.
• Дублирование критически важных систем: Создание отказоустойчивых ИТ-инфраструктур, где сбой одного компонента не приводит к остановке сервисов.
• Сценарии восстановления после сбоев: Разработка и регулярное тестирование планов действий при различных типах инцидентов (от сбоя ПО до масштабной кибератаки) с чётким распределением ролей и обязанностей.
• Импортозамещение критического ПО и оборудования: Как уже упоминалось, Сбербанк активно переходит на отечественные аналоги ПО и ПАК, что является ключевой мерой снижения операционных рисков в условиях санкций.

Дополнительные меры по усилению комплаенс-функций:
Усиление геополитического давления требует от Сбербанка непрерывного совершенствования комплаенс-системы:

• Комплексная автоматизация комплаенс-процессов: Внедрение RegTech решений на базе ИИ для автоматизированного мониторинга транзакций, идентификации подозрительной активности, проверки клиентов на соответствие санкционным спискам и требованиям AML/CFT (противодействие отмыванию денег и финансированию терроризма).
• Расширение аналитических возм��жностей: Использование Больших Данных для выявления паттернов, которые могут указывать на попытки обхода санкций или манипулирования рынком, в том числе с использованием ранее упомянутого механизма выявления скрытых связей между юрлицами.
• Повышение квалификации персонала: Регулярное обучение сотрудников по вопросам санкционного законодательства, международных требований комплаенса и внутренних политик банка.
• Взаимодействие с регуляторами: Активное сотрудничество с ЦБ РФ и Росфинмониторингом для обмена информацией и синхронизации подходов к управлению комплаенс-рисками.
• Внутренний аудит и контроль: Независимый аудит эффективности комплаенс-системы для выявления слабых мест и их оперативного устранения.

Эффективное управление операционными и киберрисками в Сбербанке требует постоянных инвестиций в технологии, развитие экспертизы и адаптацию к меняющимся угрозам, что является залогом не только бесперебойной работы, но и сохранения доверия клиентов в условиях цифровой экономики.

Оценка потенциального экономического эффекта от внедрения предложенных мероприятий

Оценка экономического эффекта от внедрения мероприятий по совершенствованию риск-менеджмента является критически важным этапом, поскольку она позволяет количественно обосновать целесообразность инвестиций и показать их вклад в повышение финансовой устойчивости банка. Для ПАО «Сбербанк» такой анализ должен быть многоаспектным.

Методика расчёта экономического эффекта:
Общий экономический эффект (Э) от внедрения предложенных мероприятий можно представить как сумму предотвращённых потерь (П_{предотвр}), сокращения операционных издержек (И_сокр) и увеличения доходов (Д_увел), за вычетом затрат на внедрение (З_внедр):

Э = Ппредотвр + Исокр + Дувел - Звнедр

Рассмотрим каждый компонент более детально, опираясь на ранее изложенные факты и гипотетические примеры:

1. Предотвращённые потери (П_{предотвр}):
   • Снижение кредитных потерь: За счёт более точного скоринга на базе ИИ/МО, «психологического прототипирования» и выявления скрытых связей между юрлицами, а также проактивного мониторинга, можно снизить долю дефолтов.
     • Расчёт: Если доля обесцененных кредитов третьей стадии составляет 4,8% (сентябрь 2025 г.), а кредитный портфель Сбербанка, по данным за 2024 год, превышает 30 трлн рублей, то потенциальные потери составляют около 1,44 трлн рублей. Снижение этой доли, например, на 0,5 процентных пункта (до 4,3%) за счёт улучшенного скоринга и проактивного управления, позволит предотвратить потери в размере:

     0,005 × 30 трлн руб. = 150 млрд руб. в год.

   • Минимизация операционных потерь от кибератак и сбоев: Усиленные меры кибербезопасности с использованием ИИ и планы непрерывности бизнеса сокращают риски финансовых потерь, репутационного ущерба и штрафов.
     • Расчёт: По данным ЦБ РФ, количество кибератак растёт. Если принять среднюю стоимость успешной кибератаки для крупного банка (включая прямые потери, затраты на восстановление, штрафы и репутационный ущерб) в 1-5 млрд рублей, то предотвращение даже 2-3 крупных инцидентов в год (из 750 зафиксированных в секторе) даст эффект в 2-15 млрд руб.
   • Снижение рисков, связанных с несоблюдением санкций: Эффективная комплаенс-система предотвращает многомиллиардные штрафы и заморозку активов.
     • Расчёт: Потенциальные штрафы за нарушение санкционного режима могут достигать сотен миллионов и даже миллиардов долларов. Предотвращение одного такого инцидента может сэкономить банку 5-10 млрд рублей или более.
2. Сокращение операционных издержек (И_сокр):
   • Автоматизация процессов: Внедрение ИИ/МО для автоматизации рутинных операций (скоринг, взыскание долгов, комплаенс-контроль) значительно сокращает трудозатраты и связанные с ними издержки.
     • Расчёт: Экономический эффект от применения ИИ для взыскания долгов превысил 2 млрд рублей. Если 99% решений по розничным кредитам автоматизированы, это уже дало колоссальное сокращение издержек на персонал. Дальнейшее расширение автоматизации до 100% решений по розничным кредитам и до 80% в корпоративном бизнесе приведёт к дополнительной экономии в размере 10-20 млрд рублей в год за счёт оптимизации штата и повышения производительности.
   • Оптимизация ИТ-инфраструктуры: Переход на отечественное ПО и оборудование, хотя и требует начальных инвестиций, в долгосрочной перспективе может снизить зависимость от иностранных вендоров и их лицензионной политики, что приведёт к экономии.
     • Расчёт: Сокращение затрат на лицензии и обслуживание иностранного ПО, по экспертным оценкам, может составить до 10-15% от текущих расходов на ИТ, что для Сбербанка составляет миллиарды рублей ежегодно.
   • Снижение издержек на транзакции: Развитие национальных платёжных систем и цифрового рубля снижает зависимость от дорогостоящих международных каналов, увеличивавших издержки на 30-40%.
     • Расчёт: Перенаправление 5-10% международных транзакций в альтернативные, менее дорогие каналы позволит сэкономить сотни миллионов или даже миллиарды рублей в год, в зависимости от объёма и стоимости операций.
3. Увеличение доходов (Д_увел):
   • Повышение точности оценки рисков: Более точный скоринг позволяет банку предоставлять кредиты более широкому кругу заёмщиков, которых раньше ошибочно считали высокорисковыми, увеличивая кредитный портфель при сохранении приемлемого уровня риска.
     • Расчёт: Небольшое увеличение одобренных кредитов (например, на 1-2%) за счёт более тонкой оценки рисков может принести банку дополнительный доход в 5-10 млрд рублей в год от процентных платежей и комиссий.
   • Развитие новых продуктов и услуг: Внедрение цифрового рубля и развитие национальной платёжной системы открывают возможности для создания новых финансовых продуктов и услуг, генерирующих дополнительный доход.
4. Затраты на внедрение (З_внедр):
   • Включают инвестиции в ИТ-системы (серверы, ПО), обучение персонала, разработку новых моделей и методологий, а также затраты на консультационные услуги. Эти затраты являются значительными, но, как показывают примеры Сбербанка (230 млрд рублей эффекта от ИИ в 2023 году), они многократно окупаются.

Пример комплексного расчёта улучшения показателей ликвидности:
Введение ННКЛ с 30 октября 2025 года потребует от Сбербанка оптимизации структуры высоколиквидных активов. Предположим, что банк, следуя рекомендациям, увеличивает долю высоколиквидных активов, соответствующих ННКЛ, на 5% от текущего уровня, что позволит создать дополнительный «буфер» ликвидности.

Если текущий объём ВЛА составляет, например, 10 трлн рублей, то увеличение на 5% означает 500 млрд рублей дополнительных ВЛА. Эти средства могут быть получены за счёт:

• Реструктуризации портфеля ценных бумаг: Переключение из менее ликвидных или нерелевантных для ННКЛ активов в более подходящие.
• Оптимизации привлечения депозитов: Стимулирование долгосрочных депозитов, которые имеют более низкий коэффициент оттока по ННКЛ.
• Экономический эффект: Повышение запаса ликвидности на 500 млрд рублей снижает риск дефицита ликвидности при стрессовых сценариях, что укрепляет платёжеспособность и снижает стоимость привлечения фондирования. Например, снижение стоимости фондирования на 0,1% по этим 500 млрд рублей даст экономию в 500 млн рублей в год.

Снижение вероятности банкротства:
Прямое измерение снижения вероятности банкротства сложнее. Однако, улучшение всех вышеупомянутых показателей (снижение кредитных и операционных потерь, повышение ликвидности, рост доходности) напрямую ведёт к укреплению финансовой устойчивости. Модели оценки вероятности дефолта (например, модели Альтмана или разработанные Сбербанком внутренние модели) будут показывать улучшение параметров, что означает снижение расчётной вероятности банкротства.

• Факторный анализ (по методу цепных подстановок):
  Рассмотрим влияние трёх факторов на изменение прибыли (П) банка, как ключевого показателя финансовой устойчивости и способности противостоять банкротству:
  1. Объём активов (О_А)
  2. Рентабельность активов (Р_А)
  3. Уровень кредитных потерь (У_КП)

  Базовая формула:

  П = ОА × РА × (1 - УКП)

  Исходные данные (условные, для иллюстрации метода):

  Показатель	До внедрения (База)	После внедрения (Проект)
  Объём активов (ОА), трлн руб.	35	36
  Рентабельность активов (РА), %	3,5%	3,7%
  Уровень кредитных потерь (УКП), %	4,8%	4,3%

  1. Расчёт базовой прибыли:
  Пбаза = 35 трлн руб. × 0,035 × (1 - 0,048) = 35 × 0,035 × 0,952 = 1,16692 трлн руб.

  2. Расчёт прибыли при изменении только О_А:
  П1 = 36 трлн руб. × 0,035 × (1 - 0,048) = 36 × 0,035 × 0,952 = 1,20072 трлн руб.
  Изменение прибыли за счёт О_А = П₁ — П_база = 1,20072 — 1,16692 = +0,0338 трлн руб. (33,8 млрд руб.)

  3. Расчёт прибыли при изменении О_А и Р_А:
  П2 = 36 трлн руб. × 0,037 × (1 - 0,048) = 36 × 0,037 × 0,952 = 1,26984 трлн руб.
  Изменение прибыли за счёт Р_А = П₂ — П₁ = 1,26984 — 1,20072 = +0,06912 трлн руб. (69,12 млрд руб.)

  4. Расчёт прибыли при изменении О_А, Р_А и У_КП (проектная прибыль):
  Ппроект = 36 трлн руб. × 0,037 × (1 - 0,043) = 36 × 0,037 × 0,957 = 1,276524 трлн руб.
  Изменение прибыли за счёт У_КП = П_проект — П₂ = 1,276524 — 1,26984 = +0,006684 трлн руб. (6,684 млрд руб.)

  Общее изменение прибыли = 0,0338 + 0,06912 + 0,006684 = 0,109604 трлн руб. (109,604 млрд руб.)

  Проверка: П_проект — П_база = 1,276524 — 1,16692 = 0,109604 трлн руб.

  Таким образом, благодаря увеличению объёма активов, рентабельности и снижению уровня кредитных потерь (что является результатом эффективного риск-менеджмента), прибыль Сбербанка увеличивается на 109,604 млрд рублей. Этот рост прибыли напрямую укрепляет капитальную базу, повышает устойчивость к шокам и снижает вероятность банкротства.

Внедрение предложенных мероприятий в Сбербанке, таким образом, имеет измеримый экономический эффект, который выражается не только в предотвращении потерь и сокращении издержек, но и в создании новых возможностей для роста доходов и укрепления капитальной базы, что является залогом долгосрочной финансовой устойчивости.

Выводы и заключение

Проведённый анализ позволил глубоко погрузиться в сложную и многогранную систему риск-менеджмента ПАО «Сбербанк» в условиях беспрецедентных современных вызовов. Выпускная квалификационная работа, основанная на представленных тезисах, будет обладать высокой академической ценностью и практической значимостью.

Ключевые выводы, касающиеся эффективности текущей системы риск-менеджмента Сбербанка:

1. Высокая адаптивность и устойчивость: Сбербанк демонстрирует впечатляющую способность адаптироваться к изменяющейся внешней среде, включая жёсткое санкционное давление и геополитическую неопределённость. Это подтверждается стабильным соблюдением всех регуляторных нормативов ЦБ РФ (Н1, Н2, Н3, Н4) с существенным запасом, даже в периоды повышенной волатильности.
2. Лидерство в цифровой трансформации: Банк является пионером в масштабном внедрении технологий искусственного интеллекта (ИИ), машинного обучения (МО) и анализа больших данных (Big Data) в ключевые аспекты своей деятельности, включая кредитный скоринг, взыскание долгов, мониторинг рыночных рисков и кибербезопасность. Экономический эффект от этих инноваций измеряется сотнями миллиардов рублей, что подчёркивает их стратегическую значимость.
3. Проактивное управление рисками: Сбербанк не просто реагирует на угрозы, но и проактивно разрабатывает и внедряет механизмы для их предвидения и нейтрализации, такие как «психологическое прототипирование» заёмщиков, мультиагентские системы ИИ для анализа кредитных заявок и выявления скрытых связей между юридическими лицами.
4. Комплексный подход к операционным рискам: Банк активно занимается импортозамещением критически важного программного обеспечения и оборудования, разрабатывает детальные планы непрерывности бизнеса и усиленно инвестирует в кибербезопасность, используя ИИ для защиты от постоянно растущего числа кибератак.
5. Укрепление комплаенс-функций: В условиях ужесточения санкционного режима Сбербанк уделяет повышенное внимание развитию и автоматизации комплаенс-систем, что минимизирует юридические и репутационные риски.

Практическая значимость предложенных рекомендаций:

Разработанные мероприятия и рекомендации обладают высокой практической значимостью для повышения финансовой устойчивости и снижения вероятности несостоятельности ПАО «Сбербанк» в современных условиях:

• Для управления кредитным риском: Дальнейшее расширение применения ИИ/МО в скоринге, включая «психологическое прототипирование» и выявление скрытых связей, позволит ещё точнее оценивать заёмщиков, оптимизировать кредитный портфель и снизить процент невозвратов, что принесёт банку миллиарды рублей предотвращённых потерь.
• Для управления ликвидностью и платёжеспособностью: Детальная адаптация к новому Национальному нормативу краткосрочной ликвидности (ННКЛ) с 30 октября 2025 года через оптимизацию состава высоколиквидных активов, диверсификацию источников фондирования и управление срочной структурой пассивов обеспечит стабильное выполнение обязательств банка и снизит стоимость фондирования.
• Для управления операционными и киберрисками: Активное внедрение ИИ для предиктивного обнаружения угроз, автоматизированного ответа на инциденты и защиты данных, в сочетании с планами непрерывности бизнеса и полноценным переходом на отечественное ПО к 1 апреля 2026 года, существенно снизит риски сбоев и кибератак, предотвращая финансовые и репутационные потери.
• Для комплаенс-функций: Усиление автоматизации и аналитических возможностей комплаенс-системы поможет эффективно противодействовать попыткам обхода санкций и другим нарушениям, оберегая банк от многомиллиардных штрафов и репутационного ущерба.
• Экономический эффект: Методика оценки потенциального экономического эффекта, включающая предотвращённые потери, сокращение издержек и увеличение доходов, демонстрирует, что инвестиции в совершенствование риск-менеджмента многократно окупаются, способствуя росту прибыли и укреплению капитальной базы банка.

Перспективы дальнейших исследований:

Дальнейшие исследования в данной области могут быть сосредоточены на:

• Глубоком анализе влияния цифрового рубля: Изучение его воздействия на ликвидность, структуру пассивов и операционные риски Сбербанка после полноценного запуска в 2026 году.
• Оценка эффективности импортозамещения ИТ: Детальный анализ долгосрочных экономических эффектов и рисков, связанных с полным переходом на отечественное ПО и оборудование.
• Разработка новых методов стресс-тестирования: Создание моделей, учитывающих гибридные риски, возникающие на стыке геополитических, технологических и макроэкономических факторов.
• Изучение влияния ESG-факторов (экологические, социальные, управленческие) на риски банка: Разработка методологий интеграции ESG-рисков в общую систему риск-менеджмента.

Таким образом, ПАО «Сбербанк» является ярким примером финансового института, который не просто выживает в сложных условиях, но и активно трансформируется, используя передовые технологии и методологии для обеспечения своей устойчивости и снижения вероятности банкротства. Предложенные рекомендации, основанные на глубоком анализе его деятельности и актуальной регуляторной среды, станут ценным вкладом в академическую и практическую сферы банковского риск-менеджмента.

Список использованной литературы

1. Федеральный закон от 02.12.1990 № 395-1 «О банках и банковской деятельности» (в ред. от 04.08.2023).
2. Федеральный закон от 10.07.2002 № 86-ФЗ «О Центральном банке Российской Федерации (Банке России)» (в ред. от 24.07.2023).
3. Федеральный закон от 30.12.2004 № 218-ФЗ «О кредитных историях» (в ред. от 31.07.2023).
4. Федеральный закон от 25.02.1999 «О несостоятельности (банкротстве) кредитных организаций» (в ред. от 13.06.2023).
5. Положение Банка России от 28.12.2020 № 716-П «О требованиях к системе управления рисками и капиталом кредитной организации и банковской группы».
6. Положение об эмиссии банковских карт и об операциях, совершаемых с использованием платежных карт, утв. ЦБ РФ 24.12.2004 № 266-П.
7. Батракова Л. Г. Экономический анализ деятельности коммерческого банка: Учебник. М.: Логос, 2011. 402 с.
8. Батракова Л.Г. Финансовые расчеты в коммерческих сделках. М.: Логос, 2008. 384 с.
9. Брайчева Т. В. Государственные финансы. СПб.: Питер, 2011. 260 с.
10. Вознесенский Э. А. Финансы как стоимостная категория. М.: Финансы и статистика, 2011. 540 с.
11. Воронин В.П., Федосова С.П. Деньги, кредит, банки. М.: Юрайт, 2012. 269 с.
12. Джерроу Р.А. Моделирование ценных бумаг с фиксированным доходом и процентных опционов. N.-Y.: The McGraw-Hill Companies, Inc., 2011. 326 с.
13. Ковалев В. В. Финансы предприятий. M: Велби, 2012. 320 с.
14. Коротич Е. Финансовая математика: теория и практика финансово-банковских расчетов. М.: Финансы и статистика, 2012. 324 с.
15. Кох Т.У., МакДональд С. Банковский менеджмент. Thomson, South-Western, 2012. 412 с.
16. Кунгурякова Е. И., Синявина М. С. Финансы и кредит. М.: Издательско-торговая корпорация «Дашков и К», 2012. 430 с.
17. Международные валютно-кредитные и финансовые отношения / под ред. Л. Н. Красавиной. 2-е изд., перераб. и доп. М.: Финансы и статистика, 2011. 402 с.
18. Методика оценки кредитных рисков в условиях цифровизации: на примере ПАО Сбербанк. URL: https://cyberleninka.ru/article/n/metodika-otsenki-kreditnyh-riskov-v-usloviyah-tsifrovizatsii-na-primere-pao-sberbank (дата обращения: 30.10.2025).
19. Мишкин Ф. Финансовые рынки и институты. Addison-Wesley, Reading, Massachusetts, 2011. 402 с.
20. Моляков Д. С, Шохин Е. И. Теория финансов предприятий. М.: Финансовая академия, 2012. 206 с.
21. Нормативы Банка России (Н1, Н2, Н3) для банков. URL: https://www.sravni.ru/banki/info/normativy-banka-rossii-dlya-bankov/ (дата обращения: 30.10.2025).
22. Обзор российского банковского сектора (сентябрь 2024). URL: https://www.cbr.ru/Collection/Collection/File/49104/banks_overview_2024_09.pdf (дата обращения: 30.10.2025).
23. Оценка и управление операционными рисками в коммерческом банке. URL: https://cyberleninka.ru/article/n/otsenka-i-upravlenie-operatsionnymi-riskami-v-kommercheskom-banke (дата обращения: 30.10.2025).
24. Применение модели оценки финансовой устойчивости банка в условиях нестабильной экономики. URL: https://cyberleninka.ru/article/n/primenenie-modeli-otsenki-finansovoy-ustoychivosti-banka-v-usloviyah-nestabilnoy-ekonomiki (дата обращения: 30.10.2025).
25. Риск-менеджмент как фактор обеспечения экономической безопасности коммерческого банка в условиях цифровизации: на примере ПАО Сбербанк. URL: https://cyberleninka.ru/article/n/risk-menedzhment-kak-faktor-obespecheniya-ekonomicheskoy-bezopasnosti-kommercheskogo-banka-v-usloviyah-tsifrovizatsii-na (дата обращения: 30.10.2025).
26. Романова М.В. Возвратное финансирование коммерческими банками // Финансы и кредит. 2013. №2. С. 42-46.
27. Руденко В. И. Финансы. Денежное обращение. Кредит. М: Издательско-торговая корпорация «Дашков и К», 2011. 186 с.
28. СберБанк в цифрах. 2024. URL: https://sberbank.ru/upload/iblock/93d/33lq5808p64n467f33m13l213264w38q.pdf (дата обращения: 30.10.2025).
29. Селезнева Н.Н. Финансовый анализ. Управление финансами. М.: ЮНИТИ-ДИАНА, 2012. 396 с.
30. Система управления рисками Сбербанка. URL: https://www.sberbank.ru/individuals/risk_management (дата обращения: 30.10.2025).
31. Состояние банковского сектора в России: тренды и вызовы. URL: https://finuslugi.ru/articles/obzory/sostoyanie-bankovskogo-sektora-v-rossii-trendy-i-vyzovy (дата обращения: 30.10.2025).
32. Статистика финансов / под ред. М. Г. Назарова. М.: Финансы и статистика, 2011. 502 с.
33. Тосунян Г.А., Викулин А.Ю., Экмолян А.М. Банковское право России. Федеральная общая часть: Учебник / под ред. Б.Н. Топорнина. М.: Юристъ, 2012. 244 с.
34. Управление ликвидностью и платежеспособностью коммерческого банка в современных условиях. URL: https://cyberleninka.ru/article/n/upravlenie-likvidnostyu-i-platezhesposobnostyu-kommercheskogo-banka-v-sovremennyh-usloviyah (дата обращения: 30.10.2025).
35. Управление операционными рисками в условиях цифровой трансформации банковского сектора России. URL: https://cyberleninka.ru/article/n/upravlenie-operatsionnymi-riskami-v-usloviyah-tsifrovoy-transformatsii-bankovskogo-sektora-rossii (дата обращения: 30.10.2025).
36. Устав ОАО «Сбербанк России». URL: https://www.sberbank.ru (дата обращения: 30.10.2025).
37. Учет финансовых рисков при формировании стратегии коммерческого банка. URL: https://cyberleninka.ru/article/n/uchet-finansovyh-riskov-pri-formirovanii-strategii-kommercheskogo-banka (дата обращения: 30.10.2025).
38. Финансовая устойчивость коммерческого банка: понятие, оценка, управление. URL: https://cyberleninka.ru/article/n/finansovaya-ustoychivost-kommercheskogo-banka-ponyatie-otsenka-upravlenie (дата обращения: 30.10.2025).
39. Финансовые отчеты ОАО «Сбербанк России» за 2011-2013 годы. URL: https://www.sberbank.ru (дата обращения: 30.10.2025).
40. Четыркин Е. М. Методы финансовых и коммерческих расчетов. М.: «Дело Лтд», 2011. 86 с.
41. Экономический анализ деятельности банка / под ред. И.Д. Мамоновой. М: ИНФРА-М, 2011. 368 с.
42. Ангбазо Л. Коммерческий банк, чистая процентная маржа, риск невозврата и внебалансовые операции // Journal of Banking and Finance. 2013. №1. С.15-21.
43. Банковское дело: современная система кредитования / под ред. О.И. Лаврушина. М.: Кнорус, 2013. 256 с.
44. Банковское законодательство: Учебное пособие для вузов / под ред. проф. Е.Ф. Жукова. М.: ЮНИТИ – ДАНА, 2011. 416 с.
45. Викулов В.С. Инновационная деятельность кредитных организаций // Менеджмент в России и за рубежом. 2012. №1. С.15-18.
46. Влияние санкций на кредитный и операционный риск банковского сектора РФ: анализ и меры по минимизации. URL: https://cyberleninka.ru/article/n/vliyanie-sanktsiy-na-kreditnyy-i-operatsionnyy-risk-bankovskogo-sektora-rf-analiz-i-mery-po-minimizatsii (дата обращения: 30.10.2025).
47. Деньги. Кредит. Банки / под ред. О.И. Лаврушина. М.: Финансы и статистика, 2011. 464 с.
48. Деньги. Кредит. Банки. Учебник для вузов / под ред. проф. А.Ю. Казака, проф. М.С. Марамыгина. Екатеринбург: АМБ, 2011. 656 с.
49. Деньги. Кредит. Банки: Учебник для вузов / Е.Ф. Жуков, Л.М. Максимова, А.В. Печникова и др.; под ред. проф. Е.Ф. Жукова. М.: ЮНИТИ, 2011. 600 с.
50. Едронова В.Н., Хасянова С.Ю. Пути совершенствования кредитной политики // Финансы и кредит. 2011. №4. С. 52-56.
51. Майер С. Новое в корпоративных финансах // European Economic Review. 2011. № 32. С. 20-28.
52. Методология оценки финансовой устойчивости коммерческого банка и разработка рекомендаций по ее повышению. URL: https://cyberleninka.ru/article/n/metodologiya-otsenki-finansovoy-ustoychivosti-kommercheskogo-banka-i-razrabotka-rekomendatsiy-po-ee-povysheniyu (дата обращения: 30.10.2025).
53. Никонова И., Шагмунов Р. Разработка стратегии банка. Стратегический анализ // Банковское дело в Москве. 2012. №12. С.25-31.
54. Финансы и кредит / под ред. А.М. Ковалёвой. М.: Финансы и статистика, 2002. 512 с.
55. Финансы, денежное обращение и кредит / под ред. В.К. Сенчагова, А.И. Архипова. М.: Проспект, 2012. 720 с.
56. Финансы, денежное обращение и кредит / под ред. Н.Ф. Самсонова. М.: ИНФРА-М, 2011. 302 с.
57. Финансы. Денежное обращение. Кредит: Учебник для вузов / под ред. Л. А. Дробозиной. М.: ЮНИТИ, 2013. 208 с.
58. Финансы. Денежное обращение. Кредит: Учебник для вузов / под ред. проф. Г.Б. Поляка. 2-е изд. М.: ЮНИТИ – ДАНА, 2011. 516 с.
59. Финансы. Денежное обращение. Кредит: Учебник для вузов / Л.А. Дробозина, Л.П. Окунева, Л.Д. Андросова и др.; под ред. проф. Л.А. Дробозиной. М.: Финансы, ЮНИТИ, 2012. 527 с.
60. Финансы: Учебник / под ред. В. М. Родионовой. М.: Финансы и статистика, 2012. 246 с.
61. Финансы: Учебник для вузов / под ред. проф. В. М. Романовского, проф. О. В. Врублевской, проф. Б. М. Сабанти. М.: Издательство «Перспектива»; Издательство «Юрайт», 2012. 468 с.