Современные Методы и Приоритетные Направления Совершенствования Работы Коммерческого Банка с Проблемными Кредитами (2024-2025 гг.)

Введение: Актуальность Проблемы и Цели Доклада

По состоянию на 1 октября 2024 года, доля проблемных кредитов (NPL 90+) в российском банковском секторе достигла 7,9% от общего кредитного портфеля, что на 0,3 процентного пункта выше показателей начала года. Этот факт — не просто статистическое изменение, а прямое свидетельство «вызревания» рисков, накопленных в условиях активного роста кредитования в 2023 году, особенно в розничном сегменте, и влияния жесткой денежно-кредитной политики, проводимой Банком России.

Проблемные (или неработающие) кредиты (Non-Performing Loans, NPL) являются одним из наиболее значимых источников системного риска для коммерческих банков. Они связывают капитал, вынуждают формировать крупные резервы и снижают ликвидность, препятствуя нормальной кредитной активности. Эффективное управление проблемной задолженностью требует не только оперативного реагирования на дефолты, но и глубокой превентивной работы, основанной на современных регуляторных требованиях, продвинутой аналитике и технологических решениях, поскольку неработающие активы напрямую подрывают финансовую устойчивость и ограничивают потенциал роста банка.

Цель настоящего Доклада — провести исчерпывающий анализ текущего состояния, регуляторных основ и приоритетных направлений совершенствования работы коммерческих банков с проблемными кредитами в Российской Федерации в условиях 2024–2025 гг. В рамках Доклада будет рассмотрена эволюция методологии оценки риска, актуальная динамика NPL и внедрение инновационных технологий в процесс урегулирования задолженности.

Регуляторно-Методологическая База Управления Кредитным Риском

Работа коммерческого банка с проблемными активами жестко регламентирована Центральным Банком РФ, который устанавливает правила классификации ссуд, расчета кредитного риска и формирования необходимых резервов. Именно регуляторная база формирует «фундамент» для всех внутренних процессов банка.

Классификация ссуд по 590-П и Понятие Проблемного Кредита

Ключевым нормативным актом, определяющим порядок формирования кредитными организациями резервов на возможные потери по ссудам (РВПС), является Положение Банка России от 28 июня 2017 г. № 590-П (с учетом последних изменений). Этот документ устанавливает систему классификации ссуд по категориям качества, которые прямо влияют на размер обязательного резерва.

Категория Качества Ссуды	Характеристика	Требования к Резерву (Расчетный Резерв)
I (Стандартная)	Отсутствие кредитного риска	0%
II (Нестандартная)	Незначительный кредитный риск	от 1% до 20%
III (Сомнительная)	Умеренный кредитный риск	от 21% до 50%
IV (Проблемная)	Высокий кредитный риск	от 51% до 99%
V (Безнадежная)	Вероятность потерь 100%	100%

Понятие «проблемный кредит» (или NPL, Non-Performing Loan) традиционно ассоциируется со ссудами IV и V категорий качества, поскольку они требуют формирования существенного, а в случае V категории — максимального резерва. Например, ссуды V категории качества требуют формирования резерва в размере 100% расчетного резерва. Императивным требованием для отнесения к V категории является, например, нецелевое использование средств по проектному финансированию или наличие документально подтвержденных признаков банкротства заемщика.

Отдельно стоит отметить, что даже ссуда, не относящаяся к IV или V категориям, может быть классифицирована не выше, чем в III категорию (50% резерва), если по заемщику в течение более двух кварталов отсутствует требуемая финансовая и иная информация. И что из этого следует? Это демонстрирует регуляторный приоритет, при котором отсутствие данных фактически приравнивается к высокому риску, заставляя банки либо получать полную информацию, либо нести повышенную капитальную нагрузку.

Применение Методологии Ожидаемых Кредитных Убытков (IFRS 9)

Современная практика резервирования в российском банковском секторе, в том числе в части методологии оценки кредитного риска, тесно связана с международными стандартами финансовой отчетности (МСФО), в частности IFRS 9. Этот стандарт требует формирования резервов на покрытие ожидаемых кредитных убытков (Expected Credit Loss, ECL), а не только уже понесенных (как было ранее).

Оценка ожидаемых потерь основывается на трех ключевых параметрах, которые российские банки используют при построении внутренних рейтинговых систем (методология ПВР, Положение Банка России № 483-П):

• Вероятность Дефолта (Probability of Default, PD): Оценка вероятности того, что заемщик не выполнит свои обязательства в течение определенного горизонта.
• Уровень Потерь в Случае Дефолта (Loss Given Default, LGD): Ожидаемая доля потерь банка от суммы задолженности в случае дефолта, с учетом стоимости обеспечения и затрат на взыскание.
• Объем Задолженности, Подверженный Риску (Exposure at Default, EAD): Прогнозируемая сумма обязательств заемщика перед банком на момент наступления дефолта.

Формула расчета ожидаемых потерь (EL) для 1-й стадии обесценения кредитного риска, согласно методологии IFRS 9, выглядит следующим образом:

EL = PD × LGD × EAD

Таким образом, регуляторно-методологическая база заставляет банки постоянно совершенствовать свои внутренние модели, поскольку точность оценки параметров PD, LGD и EAD напрямую влияет на необходимый объем РВПС, а значит, и на капитализацию банка. Какой важный нюанс здесь упускается? Этот переход к проактивному резервированию по IFRS 9 сместил фокус риск-менеджмента с юридического факта дефолта на его экономическую вероятность, что требует от банков инвестиций в сложные прогностические модели.

Актуальная Динамика и Особенности Структуры NPL в Российском Банковском Секторе (2024-2025)

Анализ актуальной статистики демонстрирует, что рост проблемных кредитов в 2024–2025 гг. носит не равномерный, а структурно смещенный характер, затрагивая в первую очередь наиболее чувствительные к макроэкономическим шокам сегменты.

Общая Динамика и Уровень Покрытия

На начало IV квартала 2024 года доля проблемных кредитов (NPL 90+) в целом по сектору достигла 7,9%. Этот рост обусловлен, главным образом, двумя факторами:

1. Высокие ставки: Кредиты, выданные в конце 2023 – начале 2024 года по высоким ставкам в рамках активного розничного роста, достигли критического срока «вызревания» (обычно 12–18 месяцев), когда финансовая нагрузка на заемщика становится максимальной.
2. Макропруденциальное регулирование: Введение Банком России макропруденциальных лимитов (МПЛ) привело к охлаждению рынка, но не устранило риски, накопленные ранее.

Важно отметить, что, несмотря на рост доли NPL в рознице, особенно в необеспеченном потребительском кредитовании, эти проблемные портфели обладают высоким уровнем покрытия. По состоянию на 1 января 2025 года, уровень покрытия проблемных потребительских кредитов индивидуальными резервами составляет около 90%, что свидетельствует о консервативном подходе банков к резервированию и высокой устойчивости системы.

Особенности Риска в Розничном и Корпоративном Сегментах

Розничный сегмент: Ипотека и Необеспеченные Ссуды

Структура розничного риска демонстрирует следующие тенденции:

• Необеспеченные потребительские кредиты: Доля NPL 90+ увеличилась на 1,0 п.п., составив 8,9% к 1 января 2025 года. Этот сегмент остается наиболее рискованным.
• Ипотечное кредитование: Традиционно низкорисковый сегмент также демонстрирует признаки ухудшения. Доля просроченной задолженности свыше 90 дней выросла с 0,6% (на 1 июля 2024 г.) до 0,9% (на 1 апреля 2025 г.). Ключевая причина — вызревание кредитов, выданных в рамках массовой «Льготной ипотеки». Анализ показывает, что NPL 90+ на 18-й месяц жизни таких кредитов достиг 2,9% в I квартале 2025 года, что требует пристального внимания банков к будущим портфелям.

Корпоративный сегмент: МСП

В корпоративном сегменте наиболее уязвимым звеном являются субъекты малого и среднего предпринимательства (МСП).

Сегмент	Доля Просроченной Задолженности (Конец 2024 г.)	Прогноз Роста (Конец 2025 г.)	Основная Причина
МСП (Общая)	4,4% (Исторический минимум)	До 5,0%	Повышение долговой нагрузки, высокая ключевая ставка
Микро- и Малые предприятия	Ускорение роста (+54,4% за год)	Самый высокий риск	Низкий запас прочности, зависимость от госзаказов и цепочек поставок

Ухудшение качества кредитов МСП ускоряется, в основном за счет микро- и малых предприятий, которые не обладают достаточным запасом прочности для абсорбирования высоких процентных расходов. Прогнозируемый рост доли просроченной задолженности до 5% к концу 2025 года требует от банков усиления мониторинга и внедрения превентивных мер.

Внутренние Процессы Идентификации Риска: Роль Систем Раннего Предупреждения

Самый эффективный способ работы с проблемными кредитами — это не взыскание, а их предотвращение. Современные коммерческие банки в России перешли от реактивного реагирования на дефолт к проактивному управлению риском с помощью технологичных Систем Раннего Предупреждения (СРП).

Принципы Работы и Триггеры СРП для Корпоративных Клиентов

Системы Раннего Предупреждения представляют собой комплекс аналитических инструментов, призванных выявлять признаки финансового неблагополучия заемщика задолго до наступления формального дефолта. Когда превентивные меры не сработали, банк вынужден переходить к активному взысканию.

Ключевые принципы работы СРП:

1. Консолидация Данных: СРП интегрируют и анализируют данные из внутренних корпоративных систем (CRM, АБС), внешних источников (НБКИ, ФНС, ЕГРЮЛ/ЕГРИП) и открытых данных (СМИ, судебные системы).
2. Формирование Надзорного Календаря: Автоматизированный контроль за соблюдением финансовых и нефинансовых ковенант (условий кредитного договора) для корпоративных клиентов.

Триггеры СРП делятся на количественные (финансовые) и качественные (поведенческие и событийные):

Тип Триггера	Примеры Триггеров	Аналитическое Значение
Количественные	Снижение расчетного внутреннего рейтинга более чем на 15 баллов. Увеличение просроченной задолженности (даже краткосрочной). Снижение уровня оборотов по счетам клиента более чем на 20% за месяц.	Указывают на ухудшение финансового состояния, снижение ликвидности или перенаправление денежных потоков в другие банки.
Качественные	Смена бенефициаров или высшего менеджмента. Подача судебных исков, связанных с банкротством или оспариванием прав собственности. Утрата ключевого государственного контракта или негативные публичные события.	Указывают на высокий риск мошенничества, корпоративные конфликты или фундаментальное изменение бизнес-модели.

При срабатывании одного или нескольких триггеров СРП автоматически переводит клиента на усиленный мониторинг и инициирует превентивные действия, такие как запрос дополнительной отчетности, переговоры о реструктуризации или требование предоставления дополнительного обеспечения.

Машинное Обучение в Кредитном Скоринге Физических Лиц

Для розничного кредитования основой превентивной работы является кредитный скоринг. Современные скоринговые модели, однако, выходят далеко за рамки традиционного анализа кредитной истории и уровня дохода.

Банки активно используют технологии Машинного Обучения (ML) для анализа поведенческих паттернов заемщика. ML-модели способны обрабатывать огромные объемы неструктурированных данных, например:

• История запросов: Частота и характер подачи заявок на кредит в другие финансовые институты (включая микрозаймы, которые могут сигнализировать о хронических проблемах с ликвидностью).
• Гео-данные и цифровой след: Анализ цифрового следа, который может помочь выявить потенциальное мошенничество или несоответствие заявленным данным.

Применение ML-алгоритмов позволяет не просто присвоить заемщику рейтинг (чем ниже рейтинг, тем выше риск и процентная ставка), но и значительно повысить точность прогнозирования дефолта, а также выявить «серую зону» клиентов, которые формально соответствуют требованиям, но по поведенческим признакам склонны к невыполнению обязательств. Разве не пора уже признать, что традиционные методы скоринга уступили место предиктивной аналитике, способной распознать скрытые признаки финансового стресса заемщика?

Современные Методы и Технологии Урегулирования Проблемной Задолженности

Когда превентивные меры оказались неэффективными, банк переходит к активной работе с неработающими кредитами. Современная практика отличается от традиционного «жесткого» взыскания переходом к технологичным и аналитически обоснованным методам.

Использование Искусственного Интеллекта и Big Data

Традиционные методы работы (самостоятельное взыскание банком, агентские соглашения с коллекторами, продажа портфеля через цессию) дополняются, а иногда и замещаются, продвинутой аналитикой:

• Прогнозирование поведения заемщика: ML-алгоритмы, обученные на исторической базе дефолтов, используются для прогнозирования конкретной даты погашения задолженности и определения оптимального канала и времени контакта с должником (стратегия next best action). Например, ИИ может определить, что сообщение, отправленное конкретному должнику в среду в 19:00 через WhatsApp, имеет на 40% более высокую вероятность привести к частичному погашению, чем стандартный звонок в рабочее время.
• Сегментация должников: ИИ позволяет мгновенно сегментировать должников не только по сумме и сроку просрочки, но и по их потенциальной платежеспособности, уровню лояльности и готовности к сотрудничеству. Это позволяет банку направлять ресурсы на наиболее перспективные кейсы.

Реструктуризация как Инструмент Управления Качеством Активов

Реструктуризация — это изменение первоначальных условий кредитного договора (например, пролонгация, отсрочка платежей, снижение ставки) с целью восстановления платежеспособности заемщика и недопущения дефолта. В условиях ухудшения качества активов этот инструмент становится критически важным.

Например, объемы реструктуризации по ипотечным кредитам выросли с 0,2% (I квартал 2024 г.) до 0,5% портфеля (I квартал 2025 г.), что является прямым ответом на финансовые трудности заемщиков льготных программ.

Due Diligence в Корпоративном Сегменте

Работа с крупными корпоративными проблемными активами требует глубокого и индивидуального подхода, основанного на тщательном анализе (Due Diligence). Это включает:

1. Независимая диагностика причин ухудшения: Отделение системных проблем бизнеса от временных операционных трудностей или недобросовестности менеджмента.
2. Прогноз денежных потоков и перспектив восстановления: Оценка реалистичности бизнес-плана компании в условиях реструктуризации.
3. Оценка готовности собственников: Насколько бенефициары готовы вкладывать собственный капитал, предоставлять дополнительное обеспечение или идти на уступки в кризисной ситуации.

Цель Due Diligence — определить, является ли реструктуризация способом восстановления актива (workout) или лишь отсрочкой неизбежного дефолта, чтобы банк мог своевременно перейти к продаже или взысканию.

Приоритетные Направления Совершенствования и Стратегические Решения

Совершенствование работы с проблемными кредитами в современных условиях требует не только улучшения операционных процессов, но и принятия стратегических, организационных решений, а также адаптации к меняющимся регуляторным требованиям.

Организационные и Стратегические Решения

Для повышения эффективности банки рассматривают следующие организационные модели:

• Создание специализированных структур («Плохой банк»): Выделение проблемных активов в отдельную дочернюю структуру или управляющую компанию. Это позволяет очистить баланс основного банка, сконцентрировать высококвалифицированных специалистов на работе исключительно с NPL и оптимизировать расходы на резервирование.
• Оптимизация стратегии на основе анализа дефолта: Ключевым приоритетом является правильный выбор стратегии (реструктуризация, взыскание, продажа). Этот выбор должен основываться на глубоком понимании причин дефолта (например, внешние экономические факторы, недобросовестность менеджмента, операционные ошибки) и оценке лояльности бенефициара.

Новации Регулятора и Снижение Риска Концентрации

Банк России продолжает ужесточать требования к устойчивости банковского сектора, что косвенно влияет на формирование проблемного портфеля. В условиях жесткой денежно-кредитной политики банки вынуждены повышать требования к заемщикам, что ограничивает будущий риск.

Одним из наиболее значимых стратегических новаций является внедрение нового норматива Н30 (норматив риска на концентрацию) для системно значимых кредитных организаций (СЗКО). Этот норматив заставит банки более тщательно диверсифицировать свой кредитный портфель, особенно в части крупных корпоративных заемщиков.

Новация	Норматив Н30	Срок Внедрения	Цель
Ограничение концентрации	Максимальный размер кредитного риска (без взвешивания по риску) на одного заемщика ограничен 25% от основного капитала банка.	Начало применения с 1 января 2025 года (поэтапно). Полномасштабное применение как ограничителя концентрации на крупнейшие госкомпании — с 1 января 2029 года.	Снижение системного риска, связанного с возможным дефолтом крупнейших корпоративных заемщиков, и повышение устойчивости СЗКО.

Таким образом, регулятор стимулирует не только работу с существующими проблемными активами, но и превентивное снижение будущего риска, что является долгосрочной стратегией повышения финансовой устойчивости.

Заключение

Современное управление проблемными кредитами в коммерческих банках РФ — это комплексная дисциплина, требующая синергии между регуляторной дисциплиной, передовой аналитикой и технологическими инновациями.

Проведенный анализ показал, что:

1. Регуляторная база (Положение № 590-П, методология IFRS 9 и ПВР) является жесткой основой, требующей от банков высокой точности в расчете ожидаемых кредитных убытков (EL = PD · LGD · EAD).
2. Актуальная динамика NPL (рост до 7,9% на 2024–2025 гг.) свидетельствует о структурном смещении рисков в розницу и сегмент МСП, что требует фокусировки на превентивных мерах именно в этих областях.
3. Внутренние процессы совершенствуются через внедрение Систем Раннего Предупреждения (СРП) с использованием количественных и качественных триггеров, а также ML-моделей в скоринге, которые анализируют поведенческие паттерны.
4. Методы урегулирования активно используют Искусственный Интеллект для оптимизации взыскания (next best action) и углубленного Due Diligence для восстановления крупных корпоративных активов.
5. Стратегические направления включают повышение организационной эффективности (создание «плохих банков») и адаптацию к ключевым регуляторным новациям ЦБ РФ, таким как внедрение норматива Н30 для снижения концентрации риска.

В условиях текущей экономической нестабильности и высоких процентных ставок приоритет должен быть отдан превентивному управлению риском, что делает системы раннего предупреждения и точный кредитный скоринг ключевыми факторами финансовой устойчивости коммерческих банков.

Список использованной литературы

1. Положение Банка России от 28.06.2017 № 590-П (ред. от 15.03.2023) «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности» [Электронный ресурс]. Доступ из справ.-правовой системы «КонсультантПлюс».
2. Астахов А.В. Системный подход к управлению рисками крупных российских коммерческих банков // Деньги и кредит. 2008. №2. С.18–26.
3. БАНКОВСКИЙ СЕКТОР. Аналитический обзор. IV КВАРТАЛ 2024 / Центральный банк Российской Федерации [Электронный ресурс]. URL: https://cbr.ru/ (дата обращения: 23.10.2025).
4. Беляков А.В., Ломакина Е.В. Кредитный риск: оценка, анализ, управление // Финансы и кредит. 2008. №9. С. 28–42.
5. Грюнинг Х., Братанович С. Анализ банковских рисков. Система оценки корпоративного управления и управления финансовым риском. М.: ВЕСЬ МИР, 2008. 308 с.
6. Димитриади Г.Г. Кредитный риск. Методические материалы. СПб: ЛЕНАНД, 2008. 276 с.
7. Итоги банковского сектора за 1-е полугодие 2024 года: обреченные на концентрацию // RAEX: Рейтинговое агентство [Электронный ресурс]. URL: https://raexpert.ru/ (дата обращения: 23.10.2025).
8. Кабушкин С.Н. Управление банковским кредитным риском. М.: Новое знание, 2008. 264 с.
9. Королев О.Г. Анализ и управление рисками в деятельности малых и средних кредитных организаций // Деньги и кредит. 2006. №10. С. 30.
10. МЕТОДЫ РАБОТЫ С ПРОБЛЕМНОЙ ЗАДОЛЖЕННОСТЬЮ ПОТРЕБИТЕЛЬСКОГО КРЕДИТОВАНИЯ, ИХ ПРЕИМУЩЕСТВА И НЕДОСТАТКИ // Science-education.ru [Электронный ресурс]. URL: https://science-education.ru/ (дата обращения: 23.10.2025).
11. МЕТОДЫ УПРАВЛЕНИЯ ПРОБЛЕМНОЙ ЗАДОЛЖЕННОСТЬЮ РОССИЙСКИХ БАНКОВ В СОВРЕМЕННЫХ УСЛОВИЯХ (НА ПРИМЕРЕ ПАО «СБЕРБАНК РОССИИ») // Cyberleninka [Электронный ресурс]. URL: https://cyberleninka.ru/ (дата обращения: 23.10.2025).
12. Обзор финансовой стабильности / Банк России [Электронный ресурс]. URL: https://cbr.ru/ (дата обращения: 23.10.2025).
13. Оптимизация и стратегия работы с проблемной задолженностью в банках // Cyberleninka [Электронный ресурс]. URL: https://cyberleninka.ru/ (дата обращения: 23.10.2025).
14. Подходы к построению EAD-моделей на длинных временных горизонтах // Финансовый журнал [Электронный ресурс]. URL: https://finjournal-nifi.ru/ (дата обращения: 23.10.2025).
15. Портфельный кредитный риск (расчет PD, LGD, Cost of Risk): Видение регулятором параметров оценки кредитного риска на основе внутренних рейтингов // ISBD.ru [Электронный ресурс]. URL: https://isbd.ru/ (дата обращения: 23.10.2025).
16. Развитие методов оценки кредитного риска для формирования резервов // Финансовый университет [Электронный ресурс]. URL: https://fa.ru/ (дата обращения: 23.10.2025).
17. Рост проблемных кредитов в российских банках. Ждать ли кризиса? // Финам [Электронный ресурс]. URL: https://finam.ru/ (дата обращения: 23.10.2025).
18. Севрук В.Т. Банковские риски. М.: Дело Лтд, 2008. 172 с.
19. Система мониторинга и раннего предупреждения риска по корпоративным клиентам // Greendata [Электронный ресурс]. URL: https://greendata.ru/ (дата обращения: 23.10.2025).
20. СИСТЕМА РАННЕГО ПРЕПРЕЖДЕНИЯ (СРП) // Neoflex [Электронный ресурс]. URL: https://neoflex.ru/ (дата обращения: 23.10.2025).
21. СИСТЕМА РАННЕГО ПРЕПРЕЖДЕНИЯ КРИЗИСНЫХ СИТУАЦИЙ В БАНКОВСКОЙ ДЕЯТЕЛЬНОСТИ // Cyberleninka [Электронный ресурс]. URL: https://cyberleninka.ru/ (дата обращения: 23.10.2025).
22. Управление кредитными рисками // Финансовые Информационные Системы [Электронный ресурс]. URL: https://fisgroup.ru/ (дата обращения: 23.10.2025).
23. Филин С.А. Основные направления государственного регулирования кредитных рисков банковской системы при инвестировании реального сектора экономики в России // Финансы и кредит. 2009. № 7. С. 42–47.
24. Хандруев А.А. Управление рисками банков: научно-практический аспект // Деньги и кредит. 2007. №4. С. 12–22.
25. ЦБ видит ухудшение качества ипотечных кредитов во II половине 2024 — начале 2025 г. // Интерфакс [Электронный ресурс]. URL: https://interfax.ru/ (дата обращения: 23.10.2025).
26. «Без паяльника и утюга»: как работать с проблемными активами // Legal Academy [Электронный ресурс]. URL: https://legalacademy.ru/ (дата обращения: 23.10.2025).