Кредитоспособность ссудозаемщика и кредитный риск банка: современные подходы и направления совершенствования в РФ (2020-2025 гг.)

В условиях динамично меняющейся экономической среды и глобальной турбулентности, вопрос оценки кредитоспособности заемщика и управления кредитным риском остаётся краеугольным камнем стабильности и успешности любого коммерческого банка. Доля заёмных средств в капитале российских банков достигает колоссальных 90%, что превращает эффективный контроль кредитного портфеля из тактической задачи в стратегический императив. От точности прогнозирования способности клиента своевременно и в полном объёме исполнить свои обязательства зависит не только прибыльность кредитной организации, но и её выживаемость. Неэффективное управление кредитными рисками неизбежно ведёт к росту просроченной задолженности, формированию проблемных активов и, как следствие, к снижению ликвидности и платежеспособности банка.

Настоящая работа посвящена углублённому исследованию современных подходов и направлений совершенствования оценки кредитоспособности ссудозаемщика и управления кредитным риском банка в Российской Федерации в период с 2020 по 2025 год. Её цель — выявить наиболее актуальные методики, проанализировать регуляторные изменения и оценить влияние цифровых технологий на этот процесс, а также предложить практические рекомендации для снижения банковских рисков. Структура исследования последовательно проведёт читателя от фундаментальных теоретических основ к специфике российского регулирования, от традиционных методик к инновационным цифровым решениям, и, наконец, к анализу текущего состояния рынка кредитования и стратегическим направлениям его совершенствования.

Теоретические основы кредитоспособности и кредитного риска

В мире финансов, где каждое решение несет в себе потенциальные выгоды и убытки, понимание фундаментальных концепций кредитоспособности и кредитного риска является отправной точкой для любого аналитика, ведь именно эти понятия, словно два полюса одной магнитной оси, определяют динамику кредитных отношений и формируют основу для принятия стратегических решений в банковской сфере.

Понятие и сущность кредитоспособности и кредитного риска

Кредитоспособность — это не просто констатация текущего финансового положения заемщика, а, скорее, *прогноз на краткосрочную или долгосрочную перспективу*. Это способность потенциального или действующего клиента погасить свои кредитные обязательства перед банком в установленный срок, включая как основной долг, так и начисленные проценты. Оценка кредитоспособности выступает своеобразным «рентгеном» финансового здоровья, рассчитывающим вероятность успешного погашения кредита при благоприятном исходе. Её главная цель — минимизация риска невозврата долга для банка, что напрямую влияет на его финансовую устойчивость.

В противовес кредитоспособности, кредитный риск представляет собой *потенциальный финансовый убыток*, который банк может понести из-за невыполнения заемщиком своих договорных обязательств. Это риск невозврата основного долга или неуплаты процентов, причитающихся кредитору. Банковский риск в целом — это вероятность материальных потерь для кредитно-финансовой организации. Важно понимать, что кредитный риск может проявляться как *единичный риск* (связанный с конкретным контрагентом или проектом) и как *общий риск кредитного портфеля*, который агрегирует риски всех выданных банком кредитов и может быть подвержен влиянию макроэкономических факторов или системных событий, что требует постоянного мониторинга и адаптации стратегий управления.

Классические подходы и принципы оценки кредитоспособности

История кредитного дела насчитывает века, и за это время были выработаны универсальные принципы, которые легли в основу современных методик. Одним из наиболее известных и до сих пор актуальных является концепция «Пяти принципов кредитования» (5 C’s of Credit), которая служит основой традиционного анализа кредитоспособности:

• Характер (Character): Оценивается репутация заемщика, его добросовестность и готовность исполнять обязательства. Это наиболее субъективный, но крайне важный фактор, отражающий морально-этические качества клиента.
• Вместимость (Capacity): Анализируется способность заемщика генерировать достаточные денежные потоки для погашения долга. Для физических лиц это оценка доходов и обязательных расходов (показатель долговой нагрузки, англ. Debt-to-Income Ratio), для юридических — чистая прибыль, рентабельность, размер оборота.
• Капитал (Capital): Изучаются финансовые резервы заемщика, его собственный капитал, который может служить «подушкой безопасности» в случае непредвиденных обстоятельств. Для компаний это анализ баланса, отчета о прибылях и убытках, отчета о движении денежных средств.
• Залог (Collateral): Оценивается наличие и качество обеспечения кредита, которое может быть реализовано банком в случае дефолта заемщика. Это могут быть недвижимость, оборудование, ценные бумаги.
• Условия (Conditions): Учитываются внешние факторы, влияющие на способность заемщика погасить кредит, такие как общее экономическое положение, отраслевые тенденции, политическая стабильность, макроэкономические показатели.

Таким образом, для физических лиц оценка кредитоспособности включает *количественный анализ* (доходы, расходы, долговая нагрузка) и *качественный анализ* (кредитная история, имущественное положение, уровень дохода, социальный и семейный статус). Для юридических лиц к количественным показателям добавляются *анализ чистой прибыли/убытков, рентабельности, размера оборота, долговых обязательств, ликвидности компании*, а также оценка *рыночной позиции* (деловая активность, конкурентоспособность) и *движения денежных потоков*. Важно отметить, что комплексный анализ всех этих факторов позволяет банку сформировать максимально полную картину финансового здоровья клиента, минимизируя риски.

Скоринг и андеррайтинг как ключевые инструменты

В современном банковском деле, где объемы кредитования растут, а скорость принятия решений становится конкурентным преимуществом, используются специализированные инструменты для оценки кредитоспособности. Два наиболее распространенных — это скоринг и андеррайтинг.

Скоринг (от англ. *scoring* – начисление очков) — это автоматизированная экспресс-проверка, предназначенная преимущественно для оценки надежности и платежеспособности физических лиц, особенно при выдаче небольших кредитов и займов. Он минимизирует влияние человеческого фактора, обрабатывая огромные массивы данных и присваивая заемщику балльный рейтинг на основе статистических моделей. Скоринг позволяет быстро принять решение о выдаче или отказе в кредите. Выделяют несколько видов скоринга:

• Аппликационный скоринг: используется при первоначальной оценке заявки клиента для определения его надежности и платежеспособности.
• Фрод-скоринг: направлен на предотвращение мошенничества путём выявления подозрительных паттернов в данных заемщика.
• Поведенческий скоринг: прогнозирует будущее поведение заемщика на основе его текущей кредитной истории и других поведенческих данных.
• Коллекшен-скоринг: используется для оптимизации работы по возврату просроченной задолженности, определяя наиболее эффективные стратегии взаимодействия с проблемными клиентами.

Андеррайтинг (от англ. *underwriting* – подписание, гарантирование) — это более глубокий и комплексный процесс проверки платежеспособности клиента, обратившегося за кредитом, особенно для крупных сумм или сложных корпоративных сделок. В отличие от скоринга, он включает в себя не только автоматизированный анализ, но и детальное исследование с привлечением специалистов банка: кредитных аналитиков, юристов, оценщиков. Андеррайтинг представляет собой процесс оценки рисков, связанных с выдачей кредита, страхованием, размещением ценных бумаг или другими финансовыми операциями. Он включает проверку:

• Платежеспособности клиента: глубокий анализ финансового состояния.
• Готовности погасить кредит: тщательное изучение кредитной истории, репутации.
• Стоимости обеспечения: профессиональная оценка залогового имущества.

Таким образом, скоринг — это быстрый, автоматизированный инструмент для массового кредитования, тогда как андеррайтинг — это детальная, экспертная проверка, требующая больше времени и ресурсов, но обеспечивающая более глубокое понимание рисков. В мировой практике отсутствует единая стандартизованная система оценки кредитоспособности, поэтому банки используют различные методы анализа, формируя собственные, уникальные методики.

Регуляторная среда и нормативная база оценки кредитоспособности в РФ

Российская банковская система функционирует в рамках строго регламентированной среды, где Центральный банк РФ играет ключевую роль в формировании правил игры. Понимание этой регуляторной рамки критически важно для оценки кредитоспособности и управления рисками.

Роль Центрального банка РФ в регулировании кредитного риска

Центральный банк Российской Федерации (ЦБ РФ) является мегарегулятором финансового рынка, и его нормативы напрямую влияют на подходы банков к оценке кредитоспособности и управлению рисками. Расчёт кредитоспособности заемщика необходим банкам не только для формирования предложений для клиентов, но и для *отчётности перед Центральным банком РФ*. ЦБ РФ регулярно проверяет корректность расчёта кредитного риска и соответствие создаваемому резерву на случай возможных потерь по займам. Это обеспечивает финансовую устойчивость банковской системы в целом.

Основой для создания рейтинговой системы оценки кредитоспособности в РФ служит Положение ЦБ РФ № 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» (от 28 июня 2017 года). Этот документ определяет порядок формирования резервов, который напрямую зависит от оценки кредитного риска по каждой ссуде, классифицированной по категориям качества. Чем выше риск, тем больший резерв обязан сформировать банк, что напрямую влияет на его финансовые результаты и достаточность капитала, стимулируя банки к более консервативной оценке рисков.

Кроме того, ЦБ РФ устанавливает *лимитную политику*, которая определяет внутрибанковские лимиты и нормативы. Одним из ключевых является норматив Н6 — максимальный размер риска на одного заемщика или группу связанных заемщиков. Этот норматив ограничивает концентрацию кредитного риска, не позволяя банку выдавать слишком большие кредиты одному клиенту или группе, что способствует диверсификации кредитного портфеля и снижению системных рисков.

Адаптация Базельских стандартов в России (Базель III)

Международные стандарты, такие как «Базель III», оказывают значительное влияние на регулирование банковской деятельности по всему миру. Эти стандарты направлены на повышение устойчивости банковской системы путём ужесточения требований к капиталу, ликвидности и управлению рисками. В России ужесточение требований со стороны Банка России, а также внедрение новых Базельских стандартов, способствовало оптимизации системы риск-менеджмента в отечественных банках.

Нормы «Базель III» вступили в силу в России с 1 января 2014 года, устанавливая минимальные границы нормативов достаточности базового и основного капитала. Банк России адаптировал эти стандарты, выпустив ряд ключевых документов:

• Положение № 395-П от 28 февраля 2013 года «О методике определения величины и оценке достаточности собственных средств (капитала) кредитных организаций («Базель III»)».
• Положение № 646-П от 4 июля 2018 года «О методике определения собственных средств (капитала) кредитных организаций («Базель III»)», которое уточнило и дополнило предыдущее.

Важно отметить, что российский подход к внедрению «Базель III» является *более консервативным*, чем глобальный стандарт. Например, в РФ предусмотрено более высокое значение норматива достаточности капитала (10% против 8% в международной практике). Также существуют ограничения на использование продвинутых внутренних моделей для расчёта кредитного риска по корпоративным заемщикам и финансовым организациям, с большей опорой на стандартизированные подходы. Это отражает стремление ЦБ РФ обеспечить максимальную надёжность банковской системы, даже ценой некоторой гибкости для самих банков.

Актуальные и перспективные изменения в регулировании (2020-2025 гг.)

Регуляторная среда постоянно эволюционирует, реагируя на изменения в экономике и банковской практике. В период 2020-2025 годов ЦБ РФ активно внедряет новые меры, направленные на повышение качества кредитования и снижение системных рисков.

Одним из таких нововведений, планируемых к вступлению в силу с 1 июля 2025 года, является стимулирование банков к использованию *официальных документов, подтверждающих доходы заемщиков* (например, выписки из портала «Госуслуги» и Федеральной налоговой службы). В противном случае кредитные организации будут обязаны формировать повышенные резервы по таким кредитам. Эта мера призвана снизить риски, связанные с недостоверной информацией о доходах, и повысить прозрачность кредитного процесса.

Также значительные изменения коснутся ипотечного кредитования. С 1 июля 2025 года Банк России планирует ввести *макропруденциальные лимиты (МПЛ)* на выдачу ипотечных кредитов заемщикам с показателем долговой нагрузки (ПДН) свыше 80%. Это означает, что для клиентов, чьи ежемесячные платежи по всем кредитам превышают 80% их ежемесячного дохода, банки будут ограничены в объеме выдаваемых ипотек. Аналогичные МПЛ будут введены для ипотечных кредитов на индивидуальное жилищное строительство (ИЖС) и нецелевых потребительских кредитов под залог недвижимости с 1 октября 2025 года. Эти меры направлены на «охлаждение» перегретого ипотечного рынка и предотвращение формирования «пузыря» на рынке недвижимости, а также на снижение рисков для самих заемщиков.

Несмотря на все усилия регулятора, в российской банковской практике до сих пор *отсутствует общепринятый подход и единая стандартизованная система оценки кредитоспособности заемщиков*. Каждая кредитная организация разрабатывает собственную методику, что приводит к значительным различиям в подходах и потенциально к формальному и субъективному отношению к кредитному анализу. Это особенно проявляется в сегменте малого и среднего бизнеса (МСБ), где отсутствуют точные и актуальные рейтинговые модели. Методики, применяемые отечественными банками, в основном основываются на анализе финансовой отчетности, при этом недостаточно внимания уделяется качественным характеристикам заемщика. Кроме того, *отсутствие эффективных механизмов взаимодействия между бюро кредитных историй (БКИ) и кредиторами*, а также наличие устаревших данных в БКИ, приводит к формированию неполной и неточной картины финансового положения заемщиков, что является серьёзным вызовом для всей системы кредитования.

Современные методики оценки кредитоспособности и их совершенствование

Эволюция рынка кредитования требует постоянного совершенствования методик оценки кредитоспособности. От простых «Пяти принципов» банки перешли к сложным аналитическим моделям, учитывающим множество факторов и специфику различных сегментов заемщиков.

Оценка кредитоспособности физических и юридических лиц

Подходы к оценке кредитоспособности физических и юридических лиц имеют свои специфические особенности, продиктованные различиями в их правовом статусе, источниках дохода и структуре обязательств.

Для физических лиц банки используют два основных вида анализа:

1. Количественный анализ: фокусируется на числовых показателях. Ключевые аспекты включают оценку доходов (заработная плата, дополнительные источники) и обязательных расходов (коммунальные платежи, алименты, другие кредитные платежи). Важнейшим показателем здесь является *показатель долговой нагрузки (англ. Debt-to-Income Ratio, DTI)*, который отражает отношение ежемесячных платежей по всем кредитам к среднемесячному доходу заемщика. Высокий DTI сигнализирует о повышенном риске.
2. Качественный анализ: оценивает нефинансовые факторы. Сюда входят:
   • Кредитная история: данные о прошлых и текущих кредитах, своевременности их погашения, наличии просрочек.
   • Имущественное положение: наличие недвижимости, транспортных средств, другого ценного имущества.
   • Уровень дохода и его стабильность: оценка перспектив сохранения текущего уровня заработка.
   • Социальный и семейный статус: наличие иждивенцев, семейное положение, образование, профессия, стаж работы.

Оценка кредитоспособности юридических лиц является более многогранной и включает глубокий анализ финансовой отчетности и деловой активности компании:

1. Анализ финансовой отчетности:
   • Баланс: оценка структуры активов и пассивов, собственного и заемного капитала.
   • Отчет о прибылях и убытках: анализ чистой прибыли/убытков, рентабельности продаж, активов, собственного капитала.
   • Отчет о движении денежных средств: изучение операционных, инвестиционных и финансовых потоков, их достаточности для обслуживания долга.
2. Анализ ключевых показателей:
   • Ликвидность компании: способность быстро и без потерь конвертировать активы в денежные средства для погашения краткосрочных обязательств.
   • Размер оборота и динамика его изменения: индикатор деловой активности и рыночной позиции.
   • Долговые обязательства: уровень закредитованности, структура долга.
3. Оценка рыночной позиции: деловая активность, конкурентоспособность компании в отрасли, перспективы развития рынка, зависимость от внешних факторов.

Несмотря на наличие разработанных методик, российская практика сталкивается с рядом проблем и недостатков. Зачастую наблюдается *формальный и субъективный подход* к кредитному анализу из-за сложности исследования большого количества факторов и высокой интенсивности поступающих заявок. Кроме того, *неполнота и неточность данных в бюро кредитных историй* (БКИ) препятствует формированию адекватной картины финансового положения заемщиков, что требует усиления внимания к качественным характеристикам заемщика, а не только к финансовой отчетности.

Специфика оценки кредитоспособности субъектов малого и среднего бизнеса (МСБ) в РФ

Сегмент малого и среднего бизнеса (МСБ) играет ключевую роль в экономике, но его кредитование сопряжено с уникальными вызовами. В отечественной практике *отсутствует единая эффективная методика оценки кредитоспособности заемщиков – субъектов МСБ*. Трудности возникают из-за специфики самого бизнеса:

• Часто семейный характер бизнеса: границы между личными финансами владельца и финансами компании могут быть размыты.
• Отсутствие необходимого опыта у владельцев по предоставлению информации: многие предприниматели не ведут строгий учёт или не знают, какие документы и в каком виде необходимо предоставить банку.
• Затруднённый доступ к финансовым рынкам: МСБ часто не имеет возможности привлекать капитал через выпуск ценных бумаг, что ограничивает их финансовые возможности.
• Отсутствие специализированных рейтинговых агентств для МСБ: в отличие от крупных корпораций, для МСБ нет независимых агентств, которые бы присваивали кредитные рейтинги.
• Проблемы с лицензированными бухгалтерами: у предприятий малого бизнеса зачастую отсутствует штатный лицензированный бухгалтер, что затрудняет подготовку корректной финансовой отчетности и, как следствие, использование банками стандартных финансовых коэффициентов и метода анализа денежного потока.

Все эти факторы приводят к тому, что традиционные подходы к оценке кредитоспособности, разработанные для крупных предприятий, оказываются неэффективными для МСБ. Российским банкам необходимы глобальные преобразования в практике оценки кредитоспособности клиентов, с переходом на комплексный подход, который учитывает как количественные, так и качественные показатели, а также новые источники данных, адаптированные под специфику МСБ. Без этого дальнейшее развитие кредитования этого важного сектора экономики будет затруднено.

Цифровые технологии и инновации в кредитном анализе

В условиях стремительной цифровой трансформации мировая кредитная индустрия, включая Россию, активно внедряет передовые технологии для совершенствования оценки кредитоспособности и управления рисками. Эти инновации не просто оптимизируют существующие процессы, но и открывают новые горизонты для анализа и принятия решений.

Применение искусственного интеллекта (ИИ) и Big Data

Цифровые технологии стали мощным катализатором изменений в кредитном анализе. Они не только *упрощают и автоматизируют анализ информации*, но и позволяют *получать дополнительную, чрезвычайно важную информацию о заемщике*, которую невозможно извлечь с помощью классических методов.

Искусственный интеллект (ИИ) и анализ больших данных (Big Data / Data Mining) играют здесь ключевую роль. Эти технологии позволяют агрегировать и исследовать огромные объёмы разнородной информации о заемщиках, выявлять скрытые закономерности и принимать более обоснованные решения. Финансовый сектор в России является лидером по внедрению технологий ИИ, при этом около 90% методов и инструментов ИИ, используемых российскими кредитными компаниями, основаны на машинном обучении.

Примеры успешного применения ИИ в России впечатляют:

• Национальное бюро кредитных историй (НБКИ) активно использует нейронные сети для PD-скоринга (Probability of Default), предсказывая просрочки более 90 дней. Это позволяет банкам более точно оценивать риски и формировать соответствующие резервы.
• Сбербанк, будучи одним из лидеров по внедрению ИИ, автоматизирует до 90% работы по подготовке залоговых заключений по простым активам. Это значительно ускоряет процесс выдачи кредитов и снижает операционные издержки.

Другие цифровые решения

Помимо ИИ и Big Data, существует целый арсенал цифровых инструментов, которые трансформируют кредитный анализ:

• Машинное обучение: является основой для многих ИИ-решений, позволяя системам обучаться на исторических данных и улучшать точность прогнозов без явного программирования.
• API (Application Programming Interface): обеспечивает бесшовную интеграцию различных информационных систем, позволяя банкам быстро обмениваться данными с внешними сервисами (например, с государственными базами данных, БКИ, системами проверки личности).
• Технологии распределённого реестра (блокчейн): потенциально могут повысить прозрачность и безопасность обмена кредитной информацией, сократить издержки и повысить доверие между участниками рынка.
• RegTech (Regulatory Technology): помогает банкам автоматизировать процессы соблюдения регуляторных требований, снижая риски штрафов и повышая эффективность комплаенса.
• SupTech (Supervisory Technology): аналогичные технологии, но используемые регуляторами (например, ЦБ РФ) для более эффективного надзора за финансовым рынком.
• Роботизация (Robotic Process Automation, RPA): освобождает сотрудников от рутинных задач (например, сбор и ввод данных), позволяя им сосредоточиться на более сложных аналитических функциях.

Вызовы и перспективы внедрения цифровых технологий в российских банках

Несмотря на очевидные преимущества, внедрение цифровых технологий в кредитный процесс сопряжено с рядом вызовов, особенно в региональных российских банках:

• Отсутствие или недостаточность финансовых ресурсов: инвестиции в ИИ-системы, Big Data платформы и новую IT-инфраструктуру требуют значительных капиталовложений.
• Неготовность технологической инфраструктуры: многие банки не имеют необходимой аппаратной и программной базы для эффективной работы с передовыми решениями.
• Дефицит квалифицированных специалистов: рынок труда испытывает острую нехватку Data Scientists, ИИ-инженеров и аналитиков, способных работать с новыми технологиями.
• Недостаточная осведомлённость руководства банков: не всегда высшее руководство полностью осознает потенциал и необходимость внедрения цифровых инноваций.

Центральный банк РФ, поддерживая цифровизацию, также отмечает *риски, связанные с внедрением ИИ*:

• Потенциальное снижение конкуренции: крупные банки, имеющие ресурсы для инвестиций в ИИ, могут получить значительное преимущество над мелкими игроками.
• Компрометация данных: увеличение объёмов обрабатываемых данных повышает риски кибератак и утечек конфиденциальной информации.
• Этические вопросы: использование ИИ может порождать предубеждения (bias) в решениях, а также поднимает проблему *объяснимости алгоритмов* – понять, почему ИИ принял то или иное решение, бывает крайне сложно, что усложняет аудит и оспаривание.

Тем не менее, перспективы использования нейросетевых технологий для оценки кредитоспособности, особенно юридических лиц, обладают значительным потенциалом. Хотя некоторое время назад в России было сложно найти подходящие нейропакеты, сейчас достигаются обнадеживающие результаты. Автоматизация процесса кредитного мониторинга с применением ИИ и совершенствование технологий работы по взысканию просроченной задолженности на основе роботизации коллекторских функций освобождают сотрудников от рутинной работы, позволяя им сосредоточиться на более стратегических задачах.

Одним из наиболее перспективных направлений совершенствования оценки кредитоспособности в российских банках является *интеграция нейрокогнитивных факторов* с использованием балльно-весовой методики. Нейрокогнитивные факторы включают оценку памяти, внимания и эмоционального состояния заемщика, что позволяет более точно прогнозировать риск невозврата кредита, дополняя традиционный анализ финансовых показателей. Это открывает новые возможности для более глубокого понимания психологии заемщика и его потенциального поведения в стрессовых ситуациях. Цифровизация банковских услуг делает процесс оценки кредитоспособности более быстрым и точным, но требует развития дополнительных компетенций у кредитных аналитиков для контроля за автоматизированными системами и эффективного использования их результатов.

Управление кредитным риском и работа с проблемными активами

Эффективное управление кредитным риском — это не просто реагирование на возникающие проблемы, а проактивная стратегия, направленная на их предотвращение и минимизацию возможных потерь. Это стратегический императив для любого финансового института, стремящегося к устойчивому росту и защите своих активов.

Методы снижения кредитного риска

Снижение кредитного риска начинается задолго до выдачи кредита и продолжается на протяжении всего срока действия обязательств. Банки используют комплексный подход, включающий следующие основные методы:

1. Надежная оценка кредитоспособности: это первый и самый важный барьер. Чем точнее и глубже анализ финансового положения и платежеспособности заемщика, тем ниже вероятность возникновения проблем в будущем.
2. Обеспечение и гарантии: являются наиболее распространенными и эффективными формами снижения кредитного риска. Они предоставляют банку вторичный источник погашения в случае дефолта заемщика:
   • Залог: имущество (недвижимость, транспорт, оборудование, ценные бумаги), которое передается банку в качестве обеспечения.
   • Поручительство: обязательство третьего лица (физического или юридического) погасить долг заемщика, если тот не сможет это сделать.
   • Банковская гарантия: обязательство банка-гаранта выплатить бенефициару определённую сумму в случае неисполнения принципалом своих обязательств.
   • Страхование: страхование кредитного риска позволяет переложить часть или весь риск невозврата на страховую компанию.
3. Диверсификация кредитного портфеля: распределение кредитов между различными заемщиками, отраслями, регионами и типами продуктов. Это помогает избежать чрезмерной концентрации риска и снизить влияние неблагоприятных событий в каком-либо одном сегменте.
4. Лимитирование: установление индивидуальных лимитов кредитования для каждого заемщика или группы заемщиков, а также общих лимитов на определённые сегменты кредитного портфеля. Это контролируется внутренними нормативами банка и требованиями ЦБ РФ (например, норматив Н6).
5. Хеджирование: использование финансовых инструментов (например, деривативов) для защиты от процентного, валютного или других рыночных рисков, которые могут повлиять на способность заемщика погасить кредит.
6. Создание достаточного обеспечения: не только залога, но и адекватных резервов на возможные потери по ссудам в соответствии с требованиями регулятора.

Стратегии работы с проблемными активами

Несмотря на все превентивные меры, возникновение проблемных активов неизбежно. Эффективная работа с ними требует выработанных стратегий и гибкости.

При выборе стратегии работы с проблемным активом необходимо соблюдать *баланс между возможным финансовым результатом и оценкой правовых рисков*. Основные подходы к урегулированию задолженностей включают:

1. Внесудебное урегулирование:
   • Переговоры: прямой диалог с заемщиком для выяснения причин просрочки и поиска взаимоприемлемых решений.
   • Реструктуризация долга: изменение условий кредитного договора (увеличение срока, снижение процентной ставки, предоставление «кредитных каникул») для облегчения финансовой нагрузки на заемщика и повышения его способности к погашению.
2. Судебное взыскание: обращение в суд для принудительного взыскания задолженности через судебных приставов. Этот метод более затратен по времени и ресурсам, но часто является единственным выходом при нежелании или невозможности заемщика договориться.
3. Продажа или цессирование долга: передача права требования долга третьим лицам (коллекторским агентствам, другим банкам) за определённую часть суммы. Это позволяет банку быстро избавиться от проблемного актива, хотя и с дисконтом.

Современные банки всё чаще используют *проектный подход к урегулированию задолженностей*, который выгоден как банку, так и дебитору. Этот подход предполагает индивидуализированную работу с каждым проблемным активом, разрабатывая уникальную стратегию в зависимости от его специфики. В рамках этого подхода активно применяются искусственный интеллект и большие данные для анализа кредитной истории, поведенческих паттернов заемщиков и прогнозирования их способности к погашению, что позволяет оптимизировать стратегии взыскания и реструктуризации.

Наиболее важным направлением является *профилактика возникновения проблемных кредитов*, которая включает построение комплексной системы управления проблемными активами как корпоративных, так и розничных клиентов. Это означает не только глубокий анализ на этапе выдачи, но и постоянный мониторинг финансового состояния заемщика, раннее выявление признаков ухудшения и оперативное реагирование на них.

Состояние рынка кредитования и стратегические направления совершенствования

Российский рынок кредитования находится в постоянном движении, подверженный влиянию как внутренних экономических факторов, так и регуляторных инициатив. Понимание этих тенденций критически важно для определения дальнейших направлений совершенствования оценки кредитоспособности.

Тенденции на рынке кредитования РФ (2023-2025 гг.)

Период 2023-2025 годов ознаменовался неоднозначной динамикой на рынке кредитования в России:

• Потребительские кредиты: По итогам 2024 года объём выданных потребительских кредитов российскими банками составил 13,24 трлн рублей. Это на 21% ниже, чем в 2023 году, но, тем не менее, выше показателей 2021 года. Снижение может быть связано с ужесточением условий кредитования и ростом процентных ставок.
• Ипотечные кредиты: Объём выдач ипотечных кредитов в 2024 году составил 2 122,1 млрд руб. В начале 2025 года (по состоянию на 7 мая) было выдано уже 694,7 млрд руб. Однако общая динамика показывает снижение. В 2024 году доля ипотеки в общем объёме новых кредитов снизилась до 36,3% (с 47% в 2023 году), тогда как доля кредитов наличными, напротив, увеличилась до 43%.

Влияние мер Центрального банка РФ: Годовое снижение объёмов ипотеки в 2024 году прямо связано с целенаправленными мерами Центрального банка по «охлаждению» рынка. Рост ставок и цен на жильё, вкупе с регуляторными инициативами, привёл к замедлению темпов ипотечного кредитования. Особое внимание ЦБ РФ уделяет следующим аспектам:

• Макропруденциальные лимиты (МПЛ): С 1 июля 2025 года Банк России планирует ввести МПЛ на выдачу ипотечных кредитов заемщикам с показателем долговой нагрузки (ПДН) свыше 80%. Это ограничит возможности банков выдавать ипотеку клиентам с высокой закредитованностью, что снизит риски как для банков, так и для самих заемщиков.
• Долгосрочные ипотечные кредиты: ЦБ РФ также беспокоят долгосрочные ипотечные кредиты (свыше 30 лет), доля которых в выдачах выросла с 10% до 20% в 2024 году, поскольку они несут повышенные риски в долгосрочной перспективе.
• Расширение МПЛ: С 1 октября 2025 года МПЛ будут введены для ипотечных кредитов на индивидуальное жилищное строительство (ИЖС) и нецелевых потребительских кредитов под залог недвижимости, что свидетельствует о системном подходе регулятора к снижению рисков во всех сегментах кредитования.

Финансовые результаты банков: За период с января по ноябрь 2023 года российские банки достигли рекордной чистой прибыли в размере 3,2 триллиона рублей. Однако *повышение ключевой ставки*, хотя и приводит к краткосрочному росту доходов банков за счёт увеличения процентной маржи, в долгосрочной перспективе может *негативно повлиять на качество кредитного портфеля*, требуя формирования дополнительных резервов. Удержание высокой ключевой ставки в 2024 году может оказать сдерживаю��ее влияние на финансовые результаты банков, замедляя рост кредитования и увеличивая стоимость фондирования.

Направления совершенствования оценки кредитоспособности в российских банках

Учитывая текущие вызовы и перспективы развития банковского сектора, можно выделить несколько ключевых направлений совершенствования оценки кредитоспособности в российских банках:

1. Интеграция нейрокогнитивных факторов: Это одно из наиболее инновационных направлений. Предлагается использование балльно-весовой методики для включения в оценку таких параметров, как память, внимание и эмоциональное состояние заемщика. Эти нейрокогнитивные факторы, дополняя традиционный анализ финансовых показателей, позволяют более точно прогнозировать риск невозврата кредита, особенно в стрессовых ситуациях.
2. Развитие и постоянное совершенствование скоринговых систем: Скоринг уже является наиболее популярной формой оценки кредитоспособности физических лиц. Необходима дальнейшая доработка и адаптация этих систем с учётом новых данных, поведенческих паттернов и макроэкономических изменений.
3. Усиление внимания к качественным характеристикам заемщика: Как показал анализ, текущие проблемы с неполнотой и неточностью данных в кредитных историях требуют от банков более глубокого изучения качественных аспектов – репутации, деловой активности (для ЮЛ), стабильности трудоустройства и семейного положения (для ФЛ).
4. Преодоление проблем оценки МСБ: Разработка специализированных, адаптированных методик для субъектов малого и среднего бизнеса, учитывающих их уникальные особенности (семейный характер, отсутствие лицензированных бухгалтеров, специфику отчетности). Это может включать более активное использование альтернативных источников данных и упрощённых финансовых моделей.
5. Внедрение нейронных сетей для оценки кредитоспособности юридических лиц: Несмотря на текущие препятствия, такие как недостаток специалистов и необходимость значительных инвестиций в IT-инфраструктуру, перспективы этого направления очень высоки. Нейронные сети могут обрабатывать неструктурированные данные, выявлять неочевидные связи и формировать более точные прогнозы для корпоративных клиентов.
6. Укрепление взаимодействия с БКИ и другими источниками данных: Для повышения полноты и точности кредитных историй необходимо совершенствовать механизмы обмена данными между бюро кредитных историй и кредитными организациями, а также активно использовать официальные государственные источники (Госуслуги, ФНС).

Современные технологии оценки кредитоспособности позволяют снизить риски, минимизировать ошибки и значительно ускорить процесс принятия решений. Однако их успешное внедрение требует не только инвестиций в IT, но и развития человеческого капитала, а также глубокого понимания специфики российского рынка и регуляторной среды.

Заключение

Исследование кредитоспособности ссудозаемщика и кредитного риска банка в условиях динамично меняющейся экономической среды Российской Федерации (2020-2025 гг.) выявило сложный, но крайне важный ландшафт, где традиционные подходы переплетаются с инновационными решениями, а жёсткое регулирование сталкивается с потребностью в гибкости.

Мы увидели, что оценка кредитоспособности — это не просто механический расчёт, а многомерный прогноз, направленный на минимизацию риска невозврата долга. Классические «Пять принципов кредитования» остаются актуальным фундаментом, но современные реалии требуют глубокой адаптации и расширения этих подходов, особенно в контексте специфики российских заемщиков и постоянно меняющейся регуляторной базы.

Центральный банк РФ играет определяющую роль в формировании правил игры, активно внедряя стандарты «Базель III» и ужесточая требования к формированию резервов и лимитированию рисков. Предстоящие изменения, такие как стимулирование использования официальных данных о доходах и введение макропруденциальных лимитов на ипотечное кредитование, свидетельствуют о стремлении регулятора к повышению устойчивости банковской системы. Однако отсутствие единой стандартизованной системы оценки кредитоспособности в РФ, а также специфические проблемы с оценкой МСБ (неполнота данных, субъективность, дефицит квалифицированных бухгалтеров), остаются серьёзными вызовами для коммерческих банков.

Наиболее значительный прорыв в области кредитного анализа связан с цифровизацией. Искусственный интеллект, Big Data и машинное обучение трансформируют процесс оценки, делая его более быстрым, точным и всесторонним. Примеры использования нейросетей в НБКИ и Сбербанке демонстрируют огромный потенциал этих технологий в прогнозировании дефолтов и автоматизации рутинных операций. Вместе с тем, внедрение этих инноваций сопряжено с такими вызовами, как нехватка ресурсов и квалифицированных кадров в регионах, а также регуляторные риски, отмеченные ЦБ РФ (снижение конкуренции, компрометация данных, этические вопросы).

В сфере управления кредитным риском ключевое значение имеет не только надежная оценка, но и комплексные стратегии по снижению рисков (обеспечение, диверсификация, лимитирование), а также эффективные подходы к работе с проблемными активами, включая внесудебное урегулирование и проектный подход с использованием ИИ.

Основные выводы исследования:

1. Российский рынок кредитования находится под сильным влиянием регуляторных мер ЦБ РФ, направленных на снижение системных рисков и «охлаждение» отдельных сегментов (например, ипотеки).
2. Цифровые технологии (ИИ, Big Data, машинное обучение) являются катализаторами совершенствования оценки кредитоспособности, но их внедрение требует преодоления значительных инфраструктурных, кадровых и финансовых барьеров.
3. Специфика российского рынка, особенно в сегменте МСБ, требует разработки адаптированных методик оценки, учитывающих как количественные, так и качественные показатели, а также новые источники данных.

Практические рекомендации для банков:

• Инвестиции в IT-инфраструктуру и кадры: Приоритетное направление для успешного внедрения ИИ и Big Data.
• Разработка гибридных моделей оценки: Комбинирование традиционных методов с современными цифровыми инструментами, включая нейрокогнитивные факторы, для формирования более комплексного профиля заемщика.
• Укрепление взаимодействия с государственными базами данных: Активное использование портала «Госуслуги» и данных ФНС для верификации доходов, что позволит снизить риски и избежать повышенных резервов.
• Специализированные программы для МСБ: Создание уникальных методик оценки, учитывающих специфику малого и среднего бизнеса, включая упрощённые формы отчётности и альтернативные источники данных.
• Постоянный мониторинг и адаптация: Непрерывный анализ изменений в регуляторной среде и рыночных тенденциях, а также оперативная адаптация методик оценки и стратегий управления рисками.

Направления дальнейших исследований:

• Детальный анализ экономического эффекта от внедрения макропруденциальных лимитов ЦБ РФ на ипотечный рынок и рынок потребительского кредитования.
• Исследование практического применения нейрокогнитивных факторов в российских банках и их влияния на точность прогнозирования кредитного риска.
• Разработка универсальной методики оценки кредитоспособности субъектов МСБ, учитывающей российские реалии и возможности цифровых технологий.
• Изучение этических аспектов использования ИИ в кредитовании и разработка рекомендаций по обеспечению прозрачности и объяснимости алгоритмов.

В конечном итоге, успех российских банков в условиях стремительных перемен будет зависеть от их способности к инновациям, гибкости в адаптации к регуляторным требованиям и стратегическому подходу к управлению одним из главных своих активов — кредитным портфелем.

Список использованной литературы

1. Конституция Российской Федерации от 29 декабря 1993 г. (с посл. изм. и доп.) // Правовая система Консультант Плюс. URL: www.consultant.ru (дата обращения: 13.10.2025).
2. Гражданский кодекс РФ в 3-ех частях. М.: Эксмо, 2013. 912 с.
3. Федеральный Закон «О Центральном Банке Российской Федерации» // Правовая система Консультант Плюс. URL: www.consultant.ru (дата обращения: 13.10.2025).
4. Федеральный закон № 395-1 «О банках и банковской деятельности» от 2 декабря 1990 г. (с посл. изм. от 03.06.2009 №121-ФЗ) // Правовая система Консультант Плюс. URL: www.consultant.ru (дата обращения: 13.10.2025).
5. Федеральный закон от 30 декабря 2004 г. N 218-ФЗ «О кредитных историях» (с посл. изм. и доп.) // Правовая система Консультант Плюс. URL: www.consultant.ru (дата обращения: 13.10.2025).
6. Федеральный закон от 26 декабря 1995 г. № 208-ФЗ «Об акционерных обществах» (с посл. изм. и доп.) // Правовая система Консультант Плюс. URL: www.consultant.ru (дата обращения: 13.10.2025).
7. Федеральный закон от 26 октября 2002 г. № 127-ФЗ «О несостоятельности (банкротстве)» (с посл. изм. и доп.) // Правовая система Консультант Плюс. URL: www.consultant.ru (дата обращения: 13.10.2025).
8. Положение ЦБ РФ от 26.03.04 г. «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудам и приравненной к ней задолженности» (в ред. Указаний ЦБ РФ 28.12.2007 № 254-П).
9. Положение ЦБ РФ «О порядке предоставления (размещения) кредитными организациями денежных средств и их возврата (погашения) от 31 августа 1998 г. №54-П // Правовая система Консультант Плюс. URL: www.consultant.ru (дата обращения: 13.10.2025).
10. Инструкция Банка России от 03.12.2012 № 139-И «Об обязательных нормативах банков» // Правовая система Консультант Плюс. URL: www.consultant.ru (дата обращения: 13.10.2025).
11. ГОСТ Р 51897-2011 / Руководство НСО 73 : 2009. Национальный стандарт РФ. Менеджмент риска. Термины и определения: Приказ Росстандарта от 16 нояб. 2011 г. № 548-ст.
12. Агеев, И.В. Метод управления портфелем кредитования юридических лиц путем ценообразования по кредиту // Экономические науки. 2008. № 7. С. 314-320.
13. Андреева, Г.В. Скоринг как метод оценки кредитного риска // Банковские технологии. 2008. №3.
14. Байрамова, М.Б., Халилова М.Х. Формирование системы рейтинговая корпоративного заемщика // Современные технологии управления. 2013. № 1 (25). С. 1-6.
15. Балахнев, Ю.Н. Модель экспресс-анализа кредитоспособности организации // Вестник Нижегородского университета им. Н.И. Лобачевского. 2013. № 3-1. С. 322-325.
16. Банковское дело: учебник / О.И. Лаврушин, И.Д. Мамонова, Н.И. Валенцева [и др.]; под ред. засл. деят. науки РФ, д-ра экон. наук, проф. О.И. Лаврушина. 7-е изд., перераб. и доп. М.: КНОРУС, 2012. 800 с.
17. Банковское дело: современная система кредитования / под ред. О.И. Лаврушина. М.: КНОРУС, 2011. 264 с.
18. Банковское дело и банковское законодательство / под ред. Г.А. Тосунян, А.Ю. Викулин. М.: РИОР, 2012.
19. Банковские операции: учеб. пособие для средн. проф. образования / под ред. Ю.И. Коробова. М.: Магистр, 2009.
20. Банковское дело. Организация деятельности коммерческого банка / под ред. Г.Н. Белоглазовой, Л.П. Кроливецкой. М.: Юрайт, 2013.
21. Банковское кредитование: Учебник / Под ред. А.М. Тавасиева. М.: ИНФРА-М, 2010.
22. Богатырева, М.А. Экспресс-кредитование в России // Актуальные проблемы гуманитарных и естественных наук. 2009. № 5.
23. Власенко, М.С. О работе банка с клиентами // Деньги и кредит. 2009. N 12. С. 47-50.
24. Глущенко, В.В. Функции и методика анализа эффективности процедур оценки кредитоспособности заемщика банка // Вестник Университета (Государственный университет управления). 2013. № 1. С. 220-224.
25. Гумашвили, Л.М. Управление активами коммерческого банка: цели и задачи // Микроэкономика. 2009. N 6. С. 253-257.
26. Демкович, В.И. Организация работы с клиентами в коммерческом банке: практические аспекты // Деньги и кредит. 2009. N 6. С. 8-13.
27. Демчук, И.Н., Соколов В.Г. Новации в системе национальных стандартов в области менеджмента и управления рисками // Сибирская финансовая школа. 2012. № 6. С. 76-84.
28. Ендовицкий, Д.А., Бочарова И.В. Анализ и оценка кредитоспособности заемщика. учебно-практическое пособие. М.: Кнорус, 2008.
29. Ермоленко, А.И. Методика оценки кредитоспособности заемщика, используемая Сбербанком РФ // Известия Тульского государственного университета. Серия: Экономические и юридические науки. 2010. № 1-1. С. 124-129.
30. Жариков, В.В., Жарикова М.В., Евсейчев А.И. Управление кредитными рисками: Учебное пособие. Тамбов: Изд-во ТГТУ, 2009.
31. Жарковская, Е.П. Финансовый анализ деятельности коммерческого банка. М.: Омега-Л, 2010. 336 с.
32. Жевняк, А.В. Оценка доходности кредитора и затратности заемщика при кредите // Финансы и кредит. 2011. № 31. С. 24-31.
33. Желтова, Ю.В. Методы оценки кредитоспособности клиента // Вестник ОрелГИЭТ. 2009. №1-2(7).
34. Жукова, Е.Ф. Деньги. Кредит. Банки. Ценные бумаги. М., 2012.
35. Ильясов, С.М. Методологические аспекты формирования кредитной политика банка // Деньги и кредит. 2009. N 6. С. 23-26.
36. Кирьянов, М. Зарубежный опыт работы с проблемными кредитами. М.: Банковское дело. 2009. № 1. С. 66-69.
37. Козлова, Л.В. Анализ методик оценки кредитоспособности заемщика // Финансовая аналитика: Проблемы и решения. 2011. № 4. С. 61-65.
38. Колесникова, Е.Н. Динамика банковских вкладов в условиях кризиса // Регион: экономика и социология. 2010. N 2. С. 154-167.
39. Коноплицкая, М.А., Лобан Т.Н., Лукашик Л.А. Подходы к оценки кредитоспособности в управлении кредитным риском // Молодой ученый. 2013. № 5. С. 326-329.
40. Костерина, Т.М. Банковское дело. М.: Экономика, 2013. 360 с.
41. Коробова, Г.Г. Банковское дело: учебник. М.: Экономист, 2012.
42. Костюк, А. Наблюдательные советы в банках: критерии независимости / А. Костюк, В. Фиронова // Пробл. теории и практики управл. 2009. N 1. С. 52-61.
43. Кредиты по осени считают. URL: http://banksbd.spb.ru/new.asp?num=28299 (дата обращения: 13.10.2025).
44. Лисицына, И.В. Управление кредитным риском коммерческого банка // Вестник Российского университета кооперации. 2013. № 1. С. 47-50.
45. Меркулов, М. Тайны кредитных историй // Журнал «Деньги». № 6 (713) от 16.02.2009.
46. Москвин, В.А. Кредитоспособность заемщиков – узловая проблема безопасности банковской сиcтемы // Вестник Академии экономической безопасности МВД России. 2009. № 11. С. 24-26.
47. Нурзат, О.А., Смулов А.М. Новый подход к постановке задачи управления проблемными кредитами коммерческих банков // Молодой ученый. 2009. № 8. С. 84-87.
48. Официальный сайт ЦБ РФ. URL: http://www.cbr.ru (дата обращения: 13.10.2025).
49. Пендюхов, Д.Ю. Определение кредита в теории предпринимательского права и российском законодательстве // Вестник Самарского государственного университета. 2010. № 5-2.
50. Проблемные долги: как вернуть кредиты // Банковское дело. 2009. № 4. С. 9-9.
51. Протопопова, Н.И., Лисиченко Д.В. Механизм управления кредитным риском коммерческих банков при потребительском кредитовании: зарубежный опыт и российская практика // Банковский вестник. 2008. № 5.
52. Райзберг, Б.А., Лозовский Л.Ш., Стародубцева Е.Б. Современный экономический словарь. 5-е изд., перераб. и доп. М.: ИНФРА-М, 2007.
53. Родина, Л.А., Завадская В.В., Кучеренко О.В. Управление кредитным риском в коммерческом банке // Вестник Омского университета. Серия: Экономика. 2013. № 3. С. 226-232.
54. Рыжих, Л.В. Управление рисками на основе кредитного мониторинга // Петербургский экономический журнал. 2013. № 2 (2). С. 72-76.
55. Садков, В.Г., Аксюхина Н.В. Система мониторинга банковских рисков на базе модернизации кредитных бюро // Финансы и кредит. 2013. №36. С. 7-8.
56. Сафронова, Т.Е. Структура и анализ активного банковского портфеля коммерческого банка // Микроэкономика. 2009. N 6. С. 239-249.
57. Синки, Дж.Ф. Управление финансами в коммерческих банках. М.: Банки и биржи, 2001.
58. Скворцова, Н.К., Проскурякова Л.А., Зенкин И.Н. Анализ оценки методик оценки кредитоспособности юридических лиц // Управление экономическими системами: электронный научный журнал. 2013. № 54. С. 48-48.
59. Соломин, С.К. Банковский кредит. Проблемы теории и практики. М.: Юстицинформ, 2009.
60. Сухов, М.И. Повышение качества банковской деятельности: резервы совершенствования стандартов регулирования // Деньги и кредит. 2008. N 2. С. 3-7.
61. Ткач, М.И. Популярный юридический энциклопедический словарь. М.: Феникс, 2008.
62. Трофимов, К.Т. Банковское право. М.: Контракт, 2010.
63. Трофимов, К.Т. Кредитные организации в банковской системе России. М.: Юридическая фирма «КОНТРАКТ», 2009.
64. Уваров, А.А. Методика оценки кредитоспособности заемщика // Вестник экономической интеграции. 2009. Т. 1. № 9-10. С. 119-123.
65. Фадейкина, Н.В., Демчук И.Н., Татаринова Л.Ю. Менеджмент риска в кредитных организациях // Сибирская финансовая школа. 2003. №3. С. 105-112.
66. Федотова, Е. Залог имущества в счет обеспечения обязательств по кредиту // Горячая линия бухгалтера. 2011. № 1. С. 93-98.
67. Финансово-кредитный энциклопедический словарь. М.: Финансы и статистика, 2011.
68. Хетагуров, А.Н. Управление кредитными рисками и регулирование рисков кредитной деятельности коммерческих банков // Современные научные исследования. 2013. № 17 (2). С. 14.
69. Шевелев, И.В. Оценка кредитных рисков российских коммерческих банков // Финансовые исследования. 2008. № 20.
70. Щербакова, Г.И. Анализ и оценка банковской деятельности. М., 2011.
71. Щербаков, Е.А., Рябов Ю.П. Проблемы управления кредитным риском в коммерческом банке // Социально-экономические явления и процессы. 2013. № 8. С. 132-135.
72. Юридический энциклопедический словарь / Под. ред. М.Н. Марченко. М.: ТК Велби, 2006.
73. В чем отличие андеррайтинга и скоринга? // fcbg. URL: https://fcbg.ru/articles/underwriting_scoring_difference (дата обращения: 13.10.2025).
74. Снижение кредитного риска: 6 ключевых методов финансовой стабильности. Emagia. URL: https://www.emagia.com/ru/blog/credit-risk-mitigation-methods/ (дата обращения: 13.10.2025).
75. Андеррайтинг (Underwriting). Loginom Wiki. URL: https://loginom.ru/wiki/underwriting (дата обращения: 13.10.2025).
76. Оценка кредитоспособности физических лиц на основе современных банковских технологий // КиберЛенинка. URL: https://cyberleninka.ru/article/n/otsenka-kreditosposobnosti-fizicheskih-lits-na-osnove-sovremennyh-bankovskih-tehnologiy (дата обращения: 13.10.2025).
77. Построение эффективной работы с проблемными активами в кредитной организации. Legal Academy. URL: https://legalacademy.ru/publications/postroenie-effektivnoi-raboty-s-problemnymi-aktivami-v-kreditnoi-organizatsii (дата обращения: 13.10.2025).
78. Кредитоспособность: понятие, методы оценки, отличия от платёжеспособности. «Ренессанс Банк». URL: https://rencredit.ru/articles/kreditosposobnost-ponyatie-metody-otsenki-otlichiya-ot-platezhesposobnosti/ (дата обращения: 13.10.2025).
79. ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ НОВЫХ ЦИФРОВЫХ ТЕХНОЛОГИЙ В СФЕРЕ УПРАВЛЕНИЯ КРЕДИТНЫМ РИСКОМ И ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ // КиберЛенинка. URL: https://cyberleninka.ru/article/n/perspektivy-ispolzovaniya-novyh-tsifrovyh-tehnologiy-v-sfere-upravleniya-kreditnym-riskom-i-otsenki-kreditosposobnosti (дата обращения: 13.10.2025).
80. Минимизация банковских рисков // Platforma. URL: https://platforma.bi/blog/bankovskie-riski-i-ih-minimizaciya/ (дата обращения: 13.10.2025).
81. Статистика. Минфин России. URL: https://minfin.gov.ru/ru/document/?id_4=124619-statistika (дата обращения: 13.10.2025).
82. Оценка кредитоспособности предприятия-заёмщика как инструмент управления кредитным риском. АПНИ. URL: https://apni.ru/article/744-otsenka-kreditosposobnosti-predpriyatiya-zayom (дата обращения: 13.10.2025).
83. Работа банка с проблемными активами: эффективное управление и лучшие практики», 22 мая 2023 г. Conf.today. URL: https://conf.today/events/rabota-banka-s-problemnymi-aktivami (дата обращения: 13.10.2025).
84. Методы оценки и минимизации кредитных рисков в деятельности банков // Science-education.ru. URL: https://science-education.ru/ru/article/view?id=23774 (дата обращения: 13.10.2025).
85. Современные подходы к оценке кредитоспособности заемщика // Молодой ученый. URL: https://moluch.ru/archive/87/16388/ (дата обращения: 13.10.2025).
86. МЕТОДЫ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ КОРПОРАТИВНЫХ КЛИЕНТОВ КОММЕРЧЕСКОГО БАНКА: РОССИЙСКИЙ И ЗАРУБЕЖНЫЙ ОПЫТ // Международный журнал прикладных и фундаментальных исследований. URL: https://applied-research.ru/ru/article/view?id=9926 (дата обращения: 13.10.2025).
87. Кредитоспособность заемщика: как оценивается, отличие от платежеспособности. Сравни.ру. URL: https://www.sravni.ru/stati/kreditosposobnost-zaemshchika-kak-otsenivaetsya-otlichie-ot-platezhesposobnosti/ (дата обращения: 13.10.2025).
88. Методы снижения кредитного риска // КиберЛенинка. URL: https://cyberleninka.ru/article/n/metody-snizheniya-kreditnogo-riska (дата обращения: 13.10.2025).
89. По итогам декабря 2024 года объем выдач кредитов составил 593,3 млрд руб. Frank RG. URL: https://frankrg.com/97824 (дата обращения: 13.10.2025).
90. Современные методы минимизации кредитных рисков // Молодой ученый. URL: https://moluch.ru/archive/120/32824/ (дата обращения: 13.10.2025).
91. Что такое андеррайтинг и чем занимаются андеррайтеры. Совкомбанк. URL: https://sovcombank.ru/frequently-asked-questions/anderrayting-i-anderraytery (дата обращения: 13.10.2025).
92. Объем выданных потребкредитов в 2024 году упал более чем на 20%. Банковское обозрение. URL: https://bosfera.ru/bo/obem-vydannyh-potrebkreditov-v-2024-godu-upal-bolee-chem-na-20 (дата обращения: 13.10.2025).
93. Что такое кредитоспособность заемщика и как ее оценить. Газпромбанк. URL: https://www.gazprombank.ru/press/articles/12338/ (дата обращения: 13.10.2025).
94. Андеррайтинг. ЭБК system. URL: https://ebk.ru/info/anderrayting/ (дата обращения: 13.10.2025).
95. Оценка кредитоспособности компании: полное руководство. Emagia.com. URL: https://www.emagia.com/ru/blog/company-creditworthiness-evaluation/ (дата обращения: 13.10.2025).
96. Андеррайтинг: как работает, виды, в каких сферах используется. Бизнес-секреты. URL: https://www.tinkoff.ru/business/articles/underwriting/ (дата обращения: 13.10.2025).
97. ВОЗДЕЙСТВИЕ ЦИФРОВЫХ ТЕХНОЛОГИЙ НА АНАЛИЗ КРЕДИТОСПОСОБНОСТИ ЗАЁМЩИКОВ БАНКА. Elibrary. URL: https://elibrary.ru/item.asp?id=47424424 (дата обращения: 13.10.2025).
98. Современные критерии и методики оценки кредитоспособности юридических лиц // Молодой ученый. URL: https://moluch.ru/archive/331/74060/ (дата обращения: 13.10.2025).
99. ПЕРСПЕКТИВЫ И УГРОЗЫ СОВЕРШЕНСТВОВАНИЯ ЦИФРОВОЙ ПОДДЕРЖКИ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ БИЗНЕСА // Fortus: экономические и политические исследования. URL: https://fortus.online/upload/iblock/d50/Fortus_3_17_2022_min.pdf (дата обращения: 13.10.2025).
100. Программа дисциплины «Управление проблемными активами кредитной организации»; 38.04.01 Экономика. Казанский федеральный университет. URL: https://kpfu.ru/portal/docs/F1481191560/Upravlenie.problemnymi.aktivami.kreditnoi.organizatsii.pdf (дата обращения: 13.10.2025).
101. Оценка кредитоспособности заёмщика с учётом нейрокогнитивных фактор. Уральский федеральный университет. URL: https://elar.urfu.ru/bitstream/10995/133509/1/978-5-7996-3694-8_2023_081.pdf (дата обращения: 13.10.2025).
102. Сравнительная характеристика методов оценки кредитоспособности заемщиков коммерческого банка – физических лиц. Владивостокский государственный университет. URL: https://vvsu.ru/upload/iblock/a87/3_2020_11.pdf (дата обращения: 13.10.2025).
103. «Без паяльника и утюга»: как работать с проблемными активами // Legal Academy. URL: https://legalacademy.ru/publication/legal_sphere/bez-payalnika-i-utyuga-kak-rabotat-s-problemnymi-aktivami (дата обращения: 13.10.2025).
104. Рейтинговые системы оценки кредитоспособности заемщиков банков: проблемы создания и перспективы развития // Молодой ученый. URL: https://moluch.ru/archive/482/105740/ (дата обращения: 13.10.2025).
105. НАПРАВЛЕНИЯ СОВЕРШЕНСТВОВАНИЯ МЕТОДОВ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКОВ В РОССИЙСКОЙ СИСТЕМЕ КРЕДИТОВАНИЯ // КиберЛенинка. URL: https://cyberleninka.ru/article/n/napravleniya-sovershenstvovaniya-metodov-otsenki-kreditosposobnosti-zaemschikov-v-rossiyskoy-sisteme-kreditovaniya (дата обращения: 13.10.2025).
106. Цифровые технологии в работе кредитного аналитика: преимущества и недостатки использования // КиберЛенинка. URL: https://cyberleninka.ru/article/n/tsifrovye-tehnologii-v-rabote-kreditnogo-analitika-preimuschestva-i-nedostatki-ispolzovaniya (дата обращения: 13.10.2025).
107. Оценка банками кредитоспособности юридических лиц в условиях развития нейросетевых экспертных систем: На примере Приморского края. DisserCat. URL: https://www.dissercat.com/content/otsenka-bankami-kreditosposobnosti-yuridicheskikh-lits-v-usloviyakh-razvitiya-neirosetevykh-eksp (дата обращения: 13.10.2025).
108. Зарубежные и отечественные подходы к определению кредитоспособности заемщиков. Публикации ВШЭ. URL: https://www.hse.ru/data/2012/10/09/1251347640/20_fin_2012_05.pdf (дата обращения: 13.10.2025).
109. Оценка влияния цифровизации банка на его эффективность и конкурентоспособность. Elib.bsu.by. URL: https://elib.bsu.by/handle/123456789/275667 (дата обращения: 13.10.2025).
110. Современные методы оценки кредитоспособности заёмщика и их совершенствование // Молодой ученый. URL: https://moluch.ru/archive/428/94065/ (дата обращения: 13.10.2025).
111. Современные методики оценки кредитоспособности заемщиков – субъектов малого и среднего бизнеса // Nota Bene. URL: https://e-notabene.ru/nb/article_31737.html (дата обращения: 13.10.2025).
112. Использование информационных технологий и искусственного интеллекта при оценке кредитоспособности заемщиков в коммерческих банках. Kubsau.ru. URL: https://kubsau.ru/upload/iblock/5b9/5b9b91e574d6c810ac250269f83f0c33.pdf (дата обращения: 13.10.2025).
113. Общее число выданных кредитов в 2024 году немного выросло по сравнению с прошлым годом. NBJ.ru. URL: https://nbj.ru/news/obshchee-chislo-vydannykh-kreditov-v-2024-godu-nemnogo-vyroslo-po-sravneniyu-s-proshlym-godom.html (дата обращения: 13.10.2025).