Управление кредитным риском в коммерческом банке в современных условиях: методологический и эмпирический анализ на примере ПАО «Банк «Санкт-Петербург» (2021–2025 гг.)

Введение

Начало любого глубокого анализа должно быть ознаменовано фактом, который определяет масштаб и сложность исследуемой проблемы. Кредитный риск, по своей сути, является краеугольным камнем финансовой устойчивости, и его эффективное управление критически важно для всей банковской системы, особенно когда речь идет о сохранении доверия вкладчиков.

Ключевой Релевантный Факт: Положение Банка России от 28.06.2017 № 590-П, которое регулирует порядок формирования резервов на возможные потери по ссудам, претерпело последние существенные изменения 15 марта 2023 года. Этот факт подчеркивает динамичность и высокую чувствительность регуляторной среды, вынуждая банки постоянно адаптировать свои системы риск-менеджмента к новым требованиям, особенно в условиях постсанкционной экономики и повышенной макроэкономической волатильности.

Краткая аннотация: Обоснование актуальности темы в контексте санкционных ограничений и ужесточения пруденциального надзора ЦБ РФ

Актуальность темы управления кредитным риском в коммерческом банке определяется рядом системных факторов, формирующих беспрецедентно сложный операционный ландшафт для российского финансового сектора. Санкционное давление 2022–2024 годов, связанное с ограничениями на внешнее финансирование и разрывом традиционных логистических цепочек, напрямую влияет на кредитоспособность ключевых заемщиков – как корпоративных, так и розничных. В ответ на эту неопределенность Банк России последовательно ужесточает требования пруденциального надзора, стремясь обеспечить максимальный запас прочности и капитала в системе.

В этих условиях выпускная квалификационная работа, посвященная анализу и совершенствованию управления кредитным риском, приобретает особую научную и практическую значимость. Эффективное управление риском требует не только механического соблюдения регуляторных норм (таких как Положение № 590-П), но и внедрения продвинутых прогностических моделей (МСФО 9 ECL) и современных технологий (ML/AI). Именно поэтому способность банка к проактивному прогнозированию потерь становится главным конкурентным преимуществом.

Целью настоящего исследования является разработка научно обоснованных рекомендаций по повышению эффективности системы управления кредитным риском в коммерческом банке на примере ПАО «Банк «Санкт-Петербург», с учетом современных требований регулятора и передового международного опыта.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Систематизировать теоретические и нормативно-правовые основы оценки и классификации кредитного риска в соответствии со стандартами Базель III/IV и положениями ЦБ РФ.
2. Проанализировать эволюцию моделей риск-менеджмента, включая переход к стандарту МСФО 9 и внедрение технологий машинного обучения.
3. Провести комплексный анализ финансового положения, динамики кредитного портфеля и ключевых показателей кредитного риска ПАО «Банк «Санкт-Петербург» за период 2021–2025 гг.
4. Выявить ключевые проблемы в действующей системе управления кредитным риском банка, обусловленные как системными, так и внутрибанковскими факторами.
5. Разработать конкретные и реализуемые рекомендации по совершенствованию риск-менеджмента в исследуемом банке.

Объектом исследования выступает система управления кредитными рисками коммерческого банка. Предметом исследования являются экономические отношения, возникающие в процессе формирования, оценки и минимизации кредитного риска на примере ПАО «Банк «Санкт-Петербург».

Структура работы включает теоретическую главу (Глава 1), посвященную нормативной базе и моделям; аналитическую главу (Глава 2), представляющую эмпирический анализ ПАО «Банк «Санкт-Петербург»; и рекомендательную главу (Глава 3), содержащую выводы и предложения по оптимизации риск-менеджмента.

---

Глава 1. Теоретико-методологические основы и регуляторная среда управления кредитным риском

Ключевой тезис: Систематизация современных подходов к оценке и классификации кредитного риска на базе последних мировых и российских стандартов.

Управление кредитным риском представляет собой не статичный набор правил, а сложную, постоянно развивающуюся методологию, которая должна балансировать между пруденциальной надежностью и коммерческой эффективностью. Современная парадигма риск-менеджмента в России формируется под двойным влиянием: строгих требований Банка России и глобальных стандартов, прежде всего Базельского комитета и МСФО. Суть в том, что регулятор требует от банков не просто реагировать на потери, но и предвидеть их, что значительно усложняет математическую сторону риск-менеджмента.

Сущность, классификация и место кредитного риска в системе банковских рисков

Кредитный риск определяется как риск возникновения у банка финансовых потерь вследствие неисполнения или ненадлежащего исполнения заемщиком, контрагентом или эмитентом обязательств перед банком в соответствии с условиями договора. Это центральный риск для любого коммерческого банка, поскольку его реализация напрямую ведет к сокращению капитала.

Национальная система оценки и резервирования базируется на Положении Банка России от 28.06.2017 № 590-П (с редакцией от 15.03.2023 г.). Этот документ устанавливает порядок формирования кредитными организациями резервов на возможные потери по ссудам (РВПС). Главная особенность российского подхода, закрепленная в пункте 1.4 Положения № 590-П, — это принцип приоритета экономического содержания операций над их юридической формой. Это означает, что при классификации ссуды банк должен оценивать реальную способность заемщика обслуживать долг, а не только формальное соответствие документации, что требует глубокого экономического анализа.

Классификация ссуд по категориям качества согласно Положению № 590-П

Категория качества	Определение риска	Процент обесценения (РВПС)
I. Стандартные	Отсутствие кредитного риска. Полное и своевременное исполнение обязательств.	0%
II. Нестандартные	Умеренный кредитный риск. Исполнение обязательств может быть затруднено в будущем.	1% – 20%
III. Сомнительные	Средний/Повышенный риск. Высокая вероятность неисполнения части обязательств.	21% – 50%
IV. Проблемные	Высокий кредитный риск. Обесценение ссуды очевидно.	51% – 99%
V. Безнадежные	100% обесценение ссуды. Ссуда не имеет перспектив возврата.	100%

Эта классификация напрямую влияет на расчет обязательных нормативов ЦБ РФ, которые регулируют концентрацию риска. Например, норматив Н6 ограничивает максимальный размер риска на одного заемщика (не более 25% капитала), а Н7 — максимальный размер крупных кредитных рисков (не более 800% капитала). В условиях санкционного режима Совет директоров Банка России может устанавливать специальные коэффициенты риска, например, коэффициент 75% для кредитных требований к корпоративным заемщикам из определенных регионов (решение от 24.12.2024 г.).

Эволюция моделей оценки кредитного риска: от экспертных методов к IFRS 9 и технологиям ML/AI

Исторически управление кредитным риском основывалось на экспертных оценках и статических скоринговых моделях. Однако финансовые кризисы последних десятилетий, а также глобализация финансовых рынков, потребовали перехода к более проактивным и стандартизированным подходам.

Переход к модели ожидаемых убытков (ECL)

Ключевым сдвигом стало внедрение МСФО 9 «Финансовые инструменты» (IFRS 9). До этого в России, как и во многих странах, доминировала модель «понесенных убытков» (Incurred Loss), которая требовала от банков создания резервов только после наступления события дефолта или значительного ухудшения кредитного качества (принцип, который до сих пор лежит в основе Положения № 590-П).

МСФО 9 ввел концепцию «ожидаемых кредитных убытков» (Expected Credit Loss, ECL). Эта модель является проактивной, требуя от банков прогнозирования потерь на протяжении всего срока действия инструмента. Расчет ECL базируется на трех компонентах и трех стадиях обесценения актива:

1. Стадия 1: Отсутствие значительного ухудшения кредитного качества. Резерв рассчитывается как 12-месячный ECL.
2. Стадия 2: Значительное увеличение кредитного риска. Резерв равен ECL на весь срок.
3. Стадия 3: Кредит обесценен (дефолт). Резерв равен ECL на весь срок.

Для калибровки ECL-моделей необходим учет макроэкономических факторов. Российские банки активно используют прогноз роста ВВП, уровень безработицы, ключевую ставку ЦБ РФ и цены на нефть в своих многофакторных регрессионных моделях. Почему эти факторы столь важны? Они позволяют учесть системный риск, который не отражается в финансовой отчетности отдельного заемщика.

Базель III/IV и параметры продвинутых подходов

В контексте международных стандартов Базеля III/IV (которые в России внедряются через ряд положений ЦБ РФ), продвинутые подходы к оценке кредитного риска (IRB — Internal Rating Based Approach) требуют расчета трех ключевых параметров:

• PD (Probability of Default): Вероятность дефолта заемщика в течение года.
• LGD (Loss Given Default): Потери, которые понесет банк в случае дефолта (доля необеспеченных потерь).
• EAD (Exposure at Default): Объем кредитного требования к заемщику в момент дефолта.

Эти параметры рассчитываются на основе внутренних статистических данных банка и позволяют более точно определить требуемую величину экономического капитала.

Роль ML/AI в риск-менеджменте

В последние годы внедрение технологий машинного обучения (ML) и искусственного интеллекта (AI) стало не просто трендом, а необходимостью. Эти технологии позволяют выйти за рамки линейных регрессионных моделей, обрабатывать неструктурированные данные (например, информацию из социальных сетей, транзакционные паттерны) и значительно повышать точность:

1. Скоринга: ML-алгоритмы (например, градиентный бустинг) превосходят классический логистический скоринг по прогностической силе.
2. Прогнозирования PD: AI/ML используются для построения более сложных эконометрических моделей вероятности дефолта, которые способны выявлять нелинейные и скрытые зависимости, что критически важно в условиях быстро меняющейся экономической конъюнктуры.

---

Глава 2. Анализ кредитного портфеля и действующей системы управления кредитным риском ПАО «Банк «Санкт-Петербург»

Ключевой тезис: Проведение комплексного финансового и риск-анализа банка с опорой на актуальную отчетность и регуляторные нормативы.

В качестве объекта эмпирического анализа выбран ПАО «Банк «Санкт-Петербург» (БСПБ), который является одним из крупнейших кредитных институтов России и представляет собой отличный пример банка с универсальной лицензией. Анализ его риск-профиля позволяет оценить, как ведущие игроки сектора адаптируются к современным вызовам, а также насколько их внутренняя политика соответствует консервативным требованиям ЦБ РФ.

Общая характеристика и оценка финансового положения Банка «Санкт-Петербург»

ПАО «Банк «Санкт-Петербург» устойчиво входит в число 20 крупнейших кредитных организаций РФ по размеру активов. Высокий уровень финансовой надежности банка подтверждается внешними оценками: в июле 2025 года рейтинговое агентство «Эксперт РА» повысило его кредитный рейтинг до уровня ruAA-, что означает очень высокий уровень кредитоспособности.

Ключевым показателем устойчивости является достаточность капитала. Как видно из публичной отчетности, Банк демонстрирует высокий запас прочности:

Таблица 1. Динамика основных нормативов достаточности капитала ПАО «Банк «Санкт-Петербург» (2023–2025)

Показатель	Норматив ЦБ РФ	01.01.2023	01.01.2024	01.05.2025
Н1.0 (Общая достаточность капитала)	≥ 8.0%	15.5%	18.1%	20.6%
Н1.2 (Базовый капитал)	≥ 4.5%	12.8%	15.0%	17.8%

По состоянию на 01.05.2025, нормативы Н1.0 и Н1.2 составляли 20.6% и 17.8% соответственно. Такие показатели существенно превышают минимальные требования ЦБ РФ, что свидетельствует о значительной способности банка абсорбировать потенциальные кредитные потери и придерживаться консервативной политики.

Динамика и структура кредитного портфеля, анализ ключевых показателей риска (2021–2025 гг.)

Кредитный портфель является главным генератором дохода и источником риска для банка. На 01 июля 2025 года общий объем кредитного портфеля Банка до вычета резервов достиг 857.8 млрд рублей, что отражает рост на 14.2% с начала года.

Структура портфеля:

• Корпоративный сегмент: 682.0 млрд рублей (79.5% портфеля). Рост на 16.0% с начала 2025 года.
• Розничный сегмент: 175.2 млрд рублей (20.5% портфеля). Рост на 7.8% с начала 2025 года.

Доминирование корпоративного сегмента (около 80%) определяет специфику кредитного риска БСПБ, смещая акцент с массового скоринга на комплексный анализ крупных заемщиков и отраслевых рисков.

Таблица 2. Ключевые показатели кредитного риска ПАО «Банк «Санкт-Петербург» (2023–2025)

Показатель	Единица измерения	01.01.2024	01.07.2025	Динамика
Объем кредитного портфеля (до резервов)	млрд руб.	751.1	857.8	+14.2%
Уровень проблемной задолженности (NPL)	%	4.7%	4.9%	+0.2 п.п.
Расходы на создание резервов (PCL) за 12 мес.	млрд руб.	7.95	8.67	+9.0%
Коэффициент покрытия резервами (Reserve coverage)	%	Н/Д	> 100%	Консервативно

Уровень проблемной задолженности (NPL) по МСФО на 01 июля 2025 года составил 4.9%. Хотя этот показатель отражает небольшое увеличение по сравнению с началом года (4.7%), он остается на приемлемом уровне для универсального банка, оперирующего в сложной экономической среде. Важно, что банк демонстрирует консервативную оценку кредитного риска, о чем свидетельствует высокий уровень расходов на создание резервов (PCL), достигший 8.67 млрд рублей за 12 месяцев. Это означает, что банк адекватно оценивает потенциальные будущие потери, обеспечивая тем самым запас прочности на случай реализации макроэкономических шоков.

Организационно-методическое обеспечение управления кредитным риском

Система управления кредитным риском в ПАО «Банк «Санкт-Петербург» структурирована в соответствии с требованиями ЦБ РФ, прежде всего Указанием Банка России от 15.04.2015 № 3624-У «О требованиях к системе управления рисками и капиталом…».

Ключевые элементы системы:

1. Выявление и оценка риска: Использование скоринговых систем для розницы и внутренних рейтинговых моделей для корпораций, включая стресс-тестирование портфелей.
2. Лимитирование (Риск-аппетит): Банк применяет внутренние лимиты для ограничения риска концентрации. Например, внутренние лимиты на крупнейший кредитный риск значительно ниже регуляторного Н6. По данным на 01.05.2024, крупнейший кредитный риск к активам не превышал 2.5%, а совокупность крупных кредитных рисков к нетто-активам составляла около 26%, что демонстрирует высокую степень диверсификации и осторожности.
3. Внутренние процедуры оценки достаточности капитала (ВПОДК): Регулярный процесс, требуемый Указанием № 3624-У, который позволяет банку самостоятельно оценить объем капитала, необходимого для покрытия всех значимых рисков (включая кредитный, рыночный, операционный).
4. Хеджирование рисков: Для минимизации финансовых рисков, которые могут опосредованно влиять на кредитный риск, БСПБ использует производные финансовые инструменты. Например, для хеджирования процентного риска, связанного с кредитами с плавающей ставкой, используются процентные деривативы (процентные свопы — IRS, опционы Cap).

---

Глава 3. Проблемы и стратегические направления совершенствования управления кредитным риском

Ключевой тезис: Выявление системных и внутрибанковских проблем на основе проведенного анализа и разработка конкретных, реализуемых рекомендаций.

Успешное управление кредитным риском не означает отсутствие проблемной задолженности (NPL). Оно означает способность банка оперативно реагировать на внешние шоки и иметь достаточный инструментарий для прогнозирования потерь. Анализ деятельности ПАО «Банк «Санкт-Петербург» позволяет выявить как общие для сектора, так и специфические проблемы. Не стоит ли признать, что именно способность банка к самокритике и постоянному улучшению моделей является истинным показателем его устойчивости?

Выявление ключевых проблем управления кредитным риском в текущих российских реалиях

Главная методологическая проблема для российских банков — это дуализм регуляторных требований: необходимость одновременного соблюдения жестких правил РСБУ/Положения № 590-П (модель понесенных убытков) для расчета обязательных нормативов и более гибких, прогностических требований МСФО 9 (модель ожидаемых убытков).

1. Проблема несовместимости 590-П и МСФО 9:
   • Положение № 590-П, даже после редакции 2023 года, фокусируется на историческом факте просрочки или ухудшения финансового состояния. Это не позволяет банку оперативно формировать адекватный резерв в случае резкого ухудшения макроэкономической конъюнктуры (например, введения новых санкций).
   • МСФО 9 требует построения сложных макро-регрессионных моделей, где точность прогнозов критически зависит от качества входных данных.
2. Влияние макроэкономической неопределенности на ECL-моделирование:
   • Ключевые макроэкономические факторы (прогноз роста ВВП, ключевая ставка) в России демонстрируют высокую волатильность. Например, резкие изменения ключевой ставки ЦБ РФ в 2022 и 2023 годах крайне усложнили калибровку прогнозных моделей. Чем выше неопределенность, тем ниже точность прогнозируемой PD, что заставляет банки применять более консервативные, но менее точные оценки.
3. Операционный риск как источник кредитного риска:
   • С 2023 года российские банки с универсальной лицензией обязаны применять продвинутый подход к расчету операционного риска в соответствии с Положением ЦБ РФ № 744-П (Базель III), используя показатель внутренних потерь (КВП). Недостаточная детализация в сборе данных об операционных потерях может привести к недооценке системных сбоев, которые, в свою очередь, могут спровоцировать кредитные потери (например, ошибки при оформлении залогов).

Разработка рекомендаций по повышению эффективности риск-менеджмента ПАО «Банк «Санкт-Петербург»

На основе проведенного анализа и выявленных проблем, а также учитывая высокий уровень капитала и консервативную политику ПАО «Банк «Санкт-Петербург», можно предложить следующие стратегические рекомендации:

Рекомендация 1: Углубленная интеграция ML/AI в моделирование корпоративного PD/LGD

Учитывая доминирование корпоративного сегмента (79.5%), наиболее значимый потенциал улучшения лежит в повышении точности оценки риска по крупным заемщикам.

• Действие: Переход от традиционных статистических моделей PD к эконометрическим моделям PD на базе машинного обучения (например, с использованием ансамблевых методов, таких как Random Forest или XGBoost).
• Обоснование: Эти модели способны обрабатывать не только финансовую отчетность, но и неструктурированные данные (пресс-релизы, отраслевые обзоры, динамика цен на акции конкурентов), что позволяет более точно прогнозировать кредитное качество в условиях быстро меняющихся отраслевых рисков (например, влияние санкций на конкретный сектор).
• Ожидаемый результат: Снижение дисперсии в оценках PD и LGD, что обеспечит более точное резервирование по МСФО 9 и оптимизацию аллокации капитала.

Рекомендация 2: Усиление контроля за риском концентрации через динамическое стресс-тестирование

Банк уже имеет низкий риск концентрации (крупнейший риск не превышает 2.5% активов), однако в условиях макроэкономической волатильности необходимо усилить динамическое стресс-тестирование.

• Действие: Внедрение сценарного анализа с привязкой к отраслевым рискам. Вместо стандартных сценариев, использовать гипотетические шоки, специфичные для ключевых отраслей, в которых кредитует банк (например, резкое падение цен на экспортируемую продукцию или разрыв цепочек поставок).
• Обоснование: Это позволит проактивно оценить потенциальный рост NPL не только в целом по портфелю, но и по конкретным отраслям, что даст возможность заблаговременно корректировать внутренние лимиты, превышающие 2.5% активов, и требования к залоговому обеспечению.

Рекомендация 3: Оптимизация внутренней структуры отчетности для Положения № 744-П

Для соответствия требованиям Положения № 744-П по операционному риску (который может косвенно влиять на кредитный риск), необходимо повысить качество сбора данных о внутренних потерях.

• Действие: Создание единой системы регистрации инцидентов операционных потерь, связанных с кредитной деятельностью (например, ошибки в оформлении договоров, некорректная оценка залога, утечка данных).
• Обоснование: Только точное измерение показателя внутренних потерь (КВП) позволит банку соответствовать продвинутым подходам Базеля III/IV по расчету операционного риска и избежать завышения регуляторного капитала. Таким образом, качество операционных данных имеет прямое влияние на экономический результат и регуляторную нагрузку банка.

---

Заключение

Настоящая Выпускная Квалификационная Работа была посвящена комплексному анализу системы управления кредитным риском в коммерческом банке в условиях повышенной экономической и регуляторной сложности, на примере ПАО «Банк «Санкт-Петербург».

В ходе исследования были достигнуты поставленные цели и решены задачи:

1. Систематизированы теоретические основы кредитного риск-менеджмента, подтверждена центральная роль Положения Банка России № 590-П (с редакцией от 15.03.2023 г.) в отечественном пруденциальном надзоре и раскрыт принцип приоритета экономического содержания при классификации ссуд.
2. Проанализирована эволюция моделей оценки риска: от экспертного подхода к проактивной модели МСФО 9 (ECL), основанной на прогнозировании потерь с учетом макроэкономических факторов, а также роль ML/AI в повышении точности PD-моделирования.
3. Проведен глубокий эмпирический анализ ПАО «Банк «Санкт-Петербург» с использованием актуальных данных до 2025 года. Установлено, что Банк демонстрирует высокий запас капитала (Н1.0 — 20.6%), консервативную политику резервирования (PCL 8.67 млрд руб.) и низкий риск концентрации (крупнейший риск — 2.5% активов), что подтверждается повышением его рейтинга до ruAA- в июле 2025 года.
4. Выявлены ключевые проблемы: методологический конфликт между 590-П и МСФО 9, а также низкая прогностическая точность ECL-моделей в условиях волатильности макроэкономических факторов.
5. Разработаны конкретные рекомендации, включая внедрение эконометрических моделей PD на базе ML/AI для корпоративного сегмента и оптимизацию внутренней отчетности для соблюдения требований Положения № 744-П по операционному риску.

Практическая значимость работы заключается в том, что разработанные рекомендации могут быть использованы руководством ПАО «Банк «Санкт-Петербург» для повышения эффективности риск-функции и оптимизации внутренних процедур оценки достаточности капитала (ВПОДК). Научная новизна работы определяется комплексной интеграцией самых актуальных регуляторных требований и эмпирического материала, что позволяет получить целостное представление о современном состоянии и перспективах развития кредитного риск-менеджмента в российском банковском секторе.

Список использованной литературы

1. Алавердов, А. Р. Финансовый менеджмент в банке. Москва: МГУЭСИ, 2002.
2. Аленичев, В. В., Аленичева, Т. Д. Страхование валютных рисков, банковских и экспортных коммерческих кредитов. Москва: Ист-Сервис, 2004. 280 с.
3. Абашина, А. М., Симонова, М. Н., Талье, И. К. Кредиты и займы. Москва: Филин, 1997. 128 с.
4. Банковское дело / под ред. В. И. Колесникова, Л. П. Кроливецкой. Москва: Финансы и статистика, 2000. 304 с.
5. Банковское дело: стратегическое руководство. Москва: Консалтбанкир, 2001. 432 с.
6. Банковское дело: учебник / под ред. О. И. Лаврушина. Москва: Финансы и статистика, 2005. 576 с.
7. Банковский портфель – 2 / под ред. Ю. И. Коробова. Москва: СОМИНТЕК, 2004. 752 с.
8. Батракова, Л. Г. Экономический анализ деятельности банка: учебник для вузов. Москва: Логос, 2004. 344 с.
9. Биржевое дело: учебник / под ред. В. А. Галанова, А. И. Басова. Москва: Финансы и статистика, 2001. 302 с.
10. Герасимов, Б. И., Сизикин, А. Ю. Экономический анализ качества финансово – кредитной системы. Москва: Прогресс, 2005. 168 с.
11. Герасимова, Е. Б. Феноменология анализа финансовой устойчивости кредитной организации. Москва: Финансы и статистика, 2006. 392 с.
12. Горельников, К. В. Причины несостоятельности коммерческих банков. В сб.: Актуальные проблемы финансово-кредитных отношений. Москва: МЭСИ, 2000. 171 с.
13. Глушкова, Н. Б. Банковское дело: учебное пособие. Москва: Альма-Матер: Академический Проект, 2005. 284 с.
14. Дегтярева, О. И., Кандинская, О. А. Биржевое дело. Москва: Банки и биржи, ЮНИТИ, 1997. 503 с.
15. Жарковская, Е. П. Банковское дело: учебник для студентов вузов. 4-е изд., испр. и доп. Москва: Омега-Л, 2006. 356 с.
16. Жуков, Е. Ф., Максимова, Л. М., Печникова, А. В. Деньги. Кредит. Банки. Москва: ЮНИТИ, 2002. 623 с.
17. Игошин, Н. В. Инвестиции. Организация управления и финансирование. Москва: Финансы, ЮНИТИ, 2000. 413 с.
18. Каджаева, М. Р. Банковские операции: учебник для студ. сред. проф. зав. Москва: Академия, 2006. 400 с.
19. Ключников, М. В., Шмойлова, Р. А. Коммерческие банки: экономико – статистический анализ. Москва: Логос, 2004. 248 с.
20. Колесников, В. И. Банковское дело. Москва: Финансы и статистика, 1996. 476 с.
21. Костерина, Т. М. Банковское дело: учебник. Москва: Маркет-ДС, 2003. 284 с.
22. Кристофер, А. Блумфилд. Как взять кредит в банке. Москва: Инфра-М, 1996. 144 с.
23. Овсийчук, М. В., Сидельникова, Л. Б. Методы инвестирования капитала. Москва: Буквица, 1996. 128 с.
24. Основы предпринимательского дела / под ред. Ю. М. Осипова. Москва: БЕК, 1996. 476 с.
25. Перекрестова, Л. В., Романенко, Н. М. Финансы и кредит. Москва: Академия, 2004. 288 с.
26. Пещанская, Н. Н. Организация деятельности коммерческого банка: учебное пособие. Москва: Инфра-М, 2001. 153 с.
27. Селеванова, Т. С. Бухгалтерский учет в кредитных организациях: учебник. Москва: Дашков и К, 2007. 272 с.
28. Севрук, В. Т. Банковские риски. Москва: Дело Лтд, 2006. 462 с.
29. Сидорин, Ю. М. Проблемы ликвидности кредитных организаций. В сб.: Кредитная система России: методологические аспекты и практика. Москва: МЭСИ, 2001. 248 с.
30. Тен, В. В., Герасимов, Б. И., Тен, А. В. Управление рисками банковской деятельности. Москва: Машиностроение-1, 2003. 120 с.
31. Уайтинг, П. Осваиваем банковское дело. Москва: Банки и биржи, ЮНИТИ, 1996. 240 с.
32. Управление финансами (Финансы предприятий): учебник / под ред. А. А. Володина. Москва: Инфра-М, 2006. 504 с.
33. Фетисов, Г. Г. Устойчивость коммерческого банка и рейтинговые системы ее оценки. Москва: Финансы и статистика, 1999. 168 с.
34. Федулова, С. Ф. Финансы: учебное пособие. 2-е изд., перераб. и доп. Москва: КНОРУС, 2005.
35. Финансы, денежное обращение и кредит / под ред. Л. А. Дробозиной. Москва: Финансы, ЮНИТИ, 1997. 473 с.
36. Финансы, денежное обращение и кредит / под ред. М. В. Романовского. Москва: Юрайт-Издат, 2004. 544 с.
37. Финансы: учебник для студентов вузов / под ред. Г. Б. Поляка. 3-е изд., перераб. и доп. Москва: ЮНИТИ-ДАНА, 2007. 438 с.
38. Четыркин, Е. М. Методы финансовых и коммерческих расчетов. Москва: Инфра-М, 1995. 320 с.
39. Экономика переходного периода / под ред. В. В. Радаева, А. В. Бузгалина. Москва: Изд. МГУ, 1995. 410 с.
40. Экономический анализ: учебник для вузов / под ред. Л. Т. Гиляровской. Москва: ЮНИТИ-ДАНА, 2002. 615 с.
41. Иванов, В. В. Особенности применения CAMEL-Методов для оценки финансового состояния российских банков // Банк. 1998. № 15.
42. Иванов, В. В. Риски ликвидности и основные методы защиты от них // Расчеты и операционная работа в коммерческом банке. 2000. № 2.
43. Ильясов, С. М. Управление активами и пассивами банков // Деньги и кредит. 2006. № 3.
44. Матовников, М. В. Формальные критерии надзора и реальные риски // Банковское дело в Москве. 2002. № 2.
45. Романов, М. Н. Основные подходы к оценке кредитного риска банков РФ // Банковское дело. 2006. № 10.
46. Соколинская, Н. Э. Проблемы менеджмента кредитного портфеля в современных условиях // Банковское дело. 2005. № 9.
47. Стратегия развития банковского сектора Российской Федерации // Деньги и кредит. 2002. № 1.
48. Положение Банка России от 28 июня 2017 г. № 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности» (в ред. от 15.03.2023) [Электронный ресурс]. Доступ из справ.-правовой системы «КонсультантПлюс». URL: https://www.consultant.ru/document/cons_doc_LAW_218671/ (дата обращения: 08.10.2025).
49. Решение Совета директоров Банка России о подходах к оценке риска по кредитным требованиям… (24.12.2024) [Электронный ресурс]. URL: https://www.cbr.ru/about_cbr/directions/nadzor/risk-ocenka_24122024/ (дата обращения: 08.10.2025).
50. Банк России продлил временные подходы к расчету размера операционного риска [Электронный ресурс]. URL: https://www.cbr.ru/press/event/?id=17953 (дата обращения: 08.10.2025).
51. Разъяснения по 590-П. [Электронный ресурс]. Банк России. URL: https://www.cbr.ru/faq/590-p/ (дата обращения: 08.10.2025).
52. Методика анализа показателей уровня риска кредитных портфелей банков / Методический сборник МСФО (IFRS) 9: решения российских банков [Электронный ресурс]. Доступ из справ.-правовой системы «Гарант». URL: https://base.garant.ru/58079632/ (дата обращения: 08.10.2025).
53. ПАО «Банк «Санкт-Петербург», “Bank “Saint-Petersburg” PJSC. Кредитный рейтинг. АКРА. URL: https://www.acra-ratings.ru/ratings/issuers/134 (дата обращения: 08.10.2025).
54. Методы анализа и оценки кредитного риска банка в Российской Федерации [Электронный ресурс]. URL: http://www.rea.ru/ru/org/managements/izdat/Pages/nauka2022-2.aspx (дата обращения: 08.10.2025).
55. Методы оценки кредитных рисков коммерческих банков в российской и зарубежной практике [Электронный ресурс] // Cyberleninka. URL: https://cyberleninka.ru/article/n/metody-otsenki-kreditnyh-riskov-kommercheskih-bankov-v-rossiyskoy-i-zarubezhnoy-praktike (дата обращения: 08.10.2025).
56. Банк Санкт-Петербург (BSPB): годовая финансовая отчетность МСФО [Электронный ресурс]. URL: https://smart-lab.ru/q/BSPB/f/y/ (дата обращения: 08.10.2025).
57. МСФО (IFRS) 9: решения российских банков. Методики, подходы, моделирование, оценка рисков. Часть 1 [Электронный ресурс]. URL: https://futurebanking.ru/regulations/article/3392 (дата обращения: 08.10.2025).
58. Управление процентными рисками. Банк Санкт-Петербург [Электронный ресурс]. URL: https://www.bspb.ru/business/risks/interest-rate-risk-management/ (дата обращения: 08.10.2025).
59. Банк «Санкт-Петербург» подвел итоги работы за 1 полугодие 2025 года по международным стандартам финансовой отчетности (МСФО) [Электронный ресурс]. URL: https://www.bspb.ru/upload/iblock/d76/d76201a09d3753716d8234327421ab79.pdf (дата обращения: 08.10.2025).
60. «Эксперт РА» подтвердил кредитный рейтинг ПАО «Банк «Санкт-Петербург» на уровне ruAA- (02.07.2025) [Электронный ресурс]. URL: https://raexpert.ru/releases/02.07.2025 (дата обращения: 08.10.2025).
61. Искусственный интеллект в финансовой сфере: эволюция, возможности и перспективы использования [Электронный ресурс] // Cyberleninka. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-finansovoy-sfere-evolyutsiya-vozmozhnosti-i-perspektivy-ispolzovaniya (дата обращения: 08.10.2025).