Оценка кредитоспособности коммерческого предприятия: Комплексный анализ и внедрение ESG-факторов в банковские методики 2024–2025 гг.

Введение: Экономическая сущность и актуальность анализа

В условиях экономической нестабильности, повышенной волатильности рынков и стремительной цифровизации финансовых услуг, проблема объективной и прогностически точной оценки финансового состояния, платежеспособности и кредитоспособности коммерческих предприятий приобретает критическое значение. На начало сентября 2025 года, по данным Банка России, доля заемщиков — юридических лиц и индивидуальных предпринимателей, имеющих просроченную задолженность, достигла 23,2%. Этот факт не только подчеркивает высокий уровень кредитного риска в корпоративном секторе, но и обусловливает острую необходимость в совершенствовании банковских методик анализа.

Целью данного исследования является изучение теоретических основ и практических методов оценки финансового состояния предприятия, с акцентом на актуальную нормативно-правовую базу 2024–2025 гг. и внедрение передовых аналитических инструментов, включая учет нефинансовых (ESG) факторов. Структура работы призвана объединить классический коэффициентный анализ с новейшими подходами, используемыми системно значимыми кредитными организациями.

Для начала необходимо четко разграничить три ключевые категории, лежащие в основе финансового анализа: платежеспособность, финансовая устойчивость и кредитоспособность.

Платежеспособность — наиболее узкое, операционное понятие. Оно характеризует способность предприятия своевременно и в полном объеме погашать свои краткосрочные (текущие) обязательства. Платежеспособность фокусируется на ликвидности активов и наличии достаточного объема денежных средств и их эквивалентов в конкретный момент времени. Минимальным количественным критерием текущей платежеспособности является Коэффициент текущей ликвидности (К₃) со значением не ниже 1,0, что означает, что оборотные активы покрывают краткосрочные обязательства. И что из этого следует? Отсутствие этого минимального запаса ликвидности является прямым сигналом к операционному кризису и неизбежному дефолту по текущим расчетам.

Финансовая устойчивость — это более широкое понятие, отражающее долгосрочную стабильность организации. Она определяется оптимальностью структуры капитала, независимостью от внешних заемных источников и способностью предприятия развиваться, сохраняя равновесие своих активов и пассивов. Финансовая устойчивость является фундаментом, который обеспечивает снижение риска потерь и максимизацию прибыли.

Кредитоспособность — это финансово-экономический показатель, который интегрирует как платежеспособность, так и финансовую устойчивость, но расширяет анализ за счет оценки потенциала. Кредитоспособность — это способность организации стабильно и своевременно выплачивать основной долг и проценты по нему в течение всего срока действия кредитного договора. При оценке кредитоспособности банк анализирует не только текущую отчетность (количественный анализ), но и будущие денежные потоки, деловую репутацию, качество управления (качественный анализ) и особенности конкретной кредитной сделки.

Таким образом, если платежеспособность отвечает на вопрос: «Может ли компания заплатить сегодня?», то кредитоспособность отвечает: «Сможет ли компания обслуживать долг в течение следующих 5 лет?».

Нормативно-правовая база и традиционный коэффициентный подход к оценке заемщика

Основополагающим принципом оценки финансового состояния корпоративных заемщиков в Российской Федерации является строгое следование нормативным актам, издаваемым Банком России и Министерством финансов. Актуальная нормативная база устанавливает единые методологические подходы, необходимые для стандартизации процесса кредитного анализа и минимизации рисков банковского сектора. Ключевым методическим документом, используемым банками для анализа юридических лиц, остается Положение Банка России от 29 июня 2015 г. N 475-П "О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности", которое содержит примерный перечень финансовых показателей (коэффициентов) для анализа финансового состояния. В 2024–2025 годах произошло ужесточение требований к управлению кредитным риском. Так, Указание ЦБ РФ от 16.12.2024 N 6960-У регулирует применение надбавок к коэффициентам риска, обязывая системно значимые кредитные организации использовать более консервативный подход к оценке и резервированию рисков.

Более того, в Плане подготовки нормативных актов на 2025 год, ЦБ РФ предусмотрел разработку документов, которые с 1 января 2030 года потребуют от крупнейших банков использования собственных, продвинутых банковских методик и моделей количественной оценки кредитного риска в отношении установленной доли активов. Это сигнализирует о постепенном переходе от унифицированных подходов к внутренним, более чувствительным к риску моделям. Какой важный нюанс здесь упускается? Этот переход означает, что для крупного бизнеса стандарты оценки будут формироваться не регулятором, а внутренней статистикой банка, что требует от заемщиков максимальной прозрачности и финансовой дисциплины.

Система финансовых коэффициентов и их нормативное регулирование

Традиционный коэффициентный анализ остается базисом для любой оценки, поскольку он позволяет быстро оценить структуру баланса, эффективность управления активами и способность генерировать денежный поток.

Коэффициенты подразделяются на группы, важнейшими из которых являются показатели финансовой устойчивости и платежеспособности.

1. Показатели финансовой устойчивости (К₁ и К₂)

Финансовая устойчивость оценивается через структуру капитала, а именно, долю собственных средств в общем объеме финансирования.

Коэффициент автономии собственных средств (К₁):

Этот показатель отражает финансовую независимость предприятия, то есть долю собственного капитала в общей сумме активов. Чем выше К₁, тем меньше зависимость от кредиторов.

К₁ = Капитал и резервы (стр. 1300) / Баланс (актив, стр. 1600)

В российской практике общепринятое нормативное значение для К₁ составляет ≥ 0,5. Если коэффициент ниже этого уровня, структура баланса считается неудовлетворительной, и организация может быть признана зависимой от внешнего финансирования.

Коэффициент обеспеченности собственными оборотными средствами (К₂):

Этот коэффициент показывает, какая часть оборотных активов финансируется за счет собственных, а не заемных, источников. Собственные оборотные средства — это разница между собственным капиталом и внеоборотными активами.

К₂ = Собственные оборотные средства / Оборотные активы

Общепринятый минимальный норматив для К₂ составляет ≥ 0,1. Низкое значение К₂ указывает на высокий риск потери ликвидности, так как предприятие финансирует текущую деятельность за счет краткосрочных кредитов.

2. Показатели платежеспособности (К₃ и К₄)

Эти показатели служат для оценки способности быстро превратить активы в денежные средства для покрытия обязательств.

Коэффициент текущей ликвидности (К₃):

Показывает, сколько рублей оборотных активов приходится на один рубль краткосрочных обязательств.

К₃ = Оборотные активы (стр. 1200) / Краткосрочные обязательства (стр. 1500)

В соответствии с российскими методиками, рекомендуемый нормативный диапазон для К₃ находится в пределах 1,5–2,5. Значение ниже 1,5 может сигнализировать о проблемах с ликвидностью, а значение выше 2,5 часто указывает на неэффективное использование активов (например, чрезмерные запасы или неликвидная дебиторская задолженность).

Степень платежеспособности (К₄):

Отражает предполагаемый период, необходимый для погашения всех краткосрочных обязательств за счет среднемесячной выручки предприятия.

К₄ = Краткосрочные обязательства / Среднемесячная выручка

Рекомендуемое значение для К₄ (период погашения) составляет ≤ 6 месяцев. Превышение этого срока указывает на высокую долговую нагрузку, которая может быть опасной при снижении выручки.

Коэффициент	Группа	Формула	Нормативное значение (Общее)	Назначение
К₁ (Автономии)	Финансовая устойчивость	Капитал и резервы / Баланс	≥ 0,5	Независимость от внешних кредиторов
К₂ (Обеспеченности СОС)	Финансовая устойчивость	Собств. оборотные средства / Оборотные активы	≥ 0,1	Степень покрытия текущих активов собственным капиталом
К₃ (Текущей ликвидности)	Платежеспособность	Оборотные активы / Краткосрочные обязательства	1,5–2,5	Способность погашать текущие долги
К₄ (Степень платежеспособности)	Платежеспособность	Краткосрочные обязательства / Среднемесячная выручка	≤ 6 месяцев	Прогнозируемый срок погашения краткосрочных долгов

Современные банковские методики оценки кредитного риска и отраслевая специфика

Несмотря на фундаментальную значимость коэффициентного анализа, его прогностическая сила в отрыве от отраслевой специфики и качественных показателей часто оказывается недостаточной. Научные исследования подтверждают, что нормативные значения, утвержденные законодательством РФ, например, для К₃, имеют низкую прогностическую силу (около 49,3%). Это привело к активному внедрению современных, более чувствительных и прогностически точных методик, основанных на алгоритмах машинного обучения.

Предиктивный скоринг и машинное обучение

Традиционные методы скоринга, такие как логистическая регрессия (logit-модели), долгое время использовались для количественной оценки вероятности дефолта заемщика. Однако они обладают рядом ограничений, в частности, чувствительностью к нелинейным связям и меньшей способностью обрабатывать большие массивы разнородных данных. Современный банковский анализ, особенно при работе с большим пулом заемщиков (МСБ), активно переходит к использованию ансамблевых методов машинного обучения:

1. Случайный лес (Random Forest): Модель, использующая множество решающих деревьев. Она снижает риск переобучения и обеспечивает высокую точность прогноза, обрабатывая сложные нелинейные зависимости.
2. Градиентный бустинг (Gradient Boosting): Последовательное построение моделей, где каждое последующее дерево исправляет ошибки предыдущего.

Исследования на данных российских коммерческих банков показали, что эти ансамблевые методы демонстрируют значительное превосходство в прогнозирующей силе над логит-моделями. Эффективность классификации (оценка точности предсказания, измеряемая показателем GINI) для современных алгоритмов может достигать 91%, что делает их незаменимым инструментом для автоматизации принятия кредитных решений и более точного расчета резервов. Не стоит ли банкам активнее инвестировать в разработку и кастомизацию этих моделей, чтобы обеспечить устойчивость своего кредитного портфеля в долгосрочной перспективе?

Однако важно отметить, что даже самый продвинутый скоринг не отменяет необходимость качественного анализа (деловой репутации, рыночной позиции, структуры собственности), особенно в условиях повышенной экономической нестабильности.

Отраслевое уточнение нормативных значений

Универсальные нормативы финансовых коэффициентов, такие как К₁ ≥ 0,5, не учитывают специфику оборота капитала, структуры активов и уровня риска, присущих различным отраслям экономики. Например, для капиталоемкого производства или сельского хозяйства необходим высокий уровень долгосрочных инвестиций (внеоборотных активов), что требует более высокого уровня собственного капитала (К₁). В то же время, для высокооборачиваемой оптовой торговли допустима более высокая доля заемного финансирования.

Игнорирование отраслевой специфики приводит к ошибочным выводам о финансовом состоянии. Так, крупными российскими банками применятся методики, значительно корректирующие общие нормативы:

Отрасль экономической деятельности	Коэффициент автономии (К₁)	Основание для корректировки
Сельское хозяйство	≥ 0,5	Высокая капиталоемкость, длительный производственный цикл, высокая зависимость от природных факторов.
Обрабатывающие производства	≥ 0,55	Необходимость инвестиций в основные фонды и НИОКР.
Оптовая и розничная торговля	≥ 0,3	Высокая оборачиваемость запасов и дебиторской задолженности позволяет использовать больший объем краткосрочного заемного капитала.
Строительство	≥ 0,4	Специфика финансирования через эскроу-счета (в жилищном строительстве) требует особого подхода к оценке ликвидности.

Таким образом, для проведения корректного анализа финансового состояния конкретного предприятия необходимо в первую очередь определить его отраслевую принадлежность и использовать скорректированные нормативы.

Интеграция ESG-факторов как ключевое направление совершенствования методики (2025)

Ключевым трендом в совершенствовании оценки кредитоспособности корпоративных заемщиков в 2024–2025 гг. является интеграция нефинансовых рисков, объединенных концепцией ESG (Environmental, Social, Governance — экологические, социальные и управленческие факторы). Ранее эти риски игнорировались, но теперь они признаны существенными факторами, способными влиять на долгосрочную платежеспособность и деловую репутацию.

Банк России активно стимулирует этот переход:

1. Стресс-тестирование на предмет климатических рисков: Регулятор инициировал оценку ESG-качества кредитного портфеля участников банковского сектора через обязательное стресс-тестирование. Это означает, что банки должны анализировать, как потенциальные климатические изменения, ужесточение экологического законодательства или введение углеродного налога повлияют на финансовое положение их заемщиков (например, предприятий угольной или металлургической промышленности).
2. Развитие ESG-кредитования: Крупные российские банки (включая Сбербанк и ВТБ) уже активно применяют механизмы ESG-кредитования. В рамках этих программ процентные ставки по кредитам привязываются к динамике ESG-показателей заемщика. Если компания улучшает свои экологические или социальные метрики (например, снижает выбросы или повышает энергоэффективность), ставка по кредиту может быть снижена.

Детализация: Структура новых алгоритмов оценки

Современные алгоритмы оценки кредитоспособности, разрабатываемые с учетом ESG, представляют собой гибридные модели, которые выходят за рамки традиционного анализа финансовой отчетности. Они учитывают четыре группы критериев, которые позволяют банку получить более полную картину рисков:

Группа критериев	Фокус анализа	Примеры метрик
I. Финансовые риски	Традиционный анализ ликвидности, устойчивости, рентабельности.	К₁, К₃, EBITDA, Долговая нагрузка (Net Debt/EBITDA).
II. Экологические (E) риски	Воздействие на окружающую среду, риски, связанные с переходом к зеленой экономике.	Уровень выбросов CO₂ (углекислого газа), потребление воды, наличие экологических сертификатов, штрафы за нарушения.
III. Социальные (S) риски	Отношение к персоналу, безопасность, влияние на местное сообщество.	Текучесть кадров, расходы на охрану труда, уровень травматизма, участие в социальных программах.
IV. Управленческие (G) риски	Качество корпоративного управления, прозрачность, структура собственности.	Наличие независимых директоров, антикоррупционные политики, прозрачность раскрытия информации.

Интеграция этих факторов позволяет банку перейти от краткосрочной оценки к долгосрочному прогнозированию, учитывая, что компании с высокими ESG-рейтингами демонстрируют большую устойчивость к кризисам и лучшую деловую репутацию.

Анализ динамики кредитного риска корпоративных заемщиков РФ (2022–2025)

Актуальный анализ динамики кредитного риска в корпоративном сегменте подтверждает острую необходимость внедрения более точных и чувствительных методик оценки. Экономический фон последних лет, связанный с геополитическими и санкционными ограничениями, существенно повлиял на кредитную дисциплину предприятий.

По данным Банка России, на 01.09.2025 доля заемщиков — юридических лиц и индивидуальных предпринимателей, имеющих просроченную задолженность, составила 23,2%. Этот показатель возрос на 0,1 п.п. по сравнению с предыдущим месяцем (01.08.2025, когда доля составляла 23,1%). Увеличение доли проблемных заемщиков свидетельствует о постепенном "вызревании" кредитов, выданных в период 2022–2023 гг., когда регуляторные меры поддержки и льготное кредитование маскировали реальные проблемы финансового состояния некоторых предприятий. Центральный банк прогнозирует, что в течение 2025 года ситуация может несколько ухудшиться, что потребует от банков наращивания резервов.

Особое внимание следует уделить сегменту малого бизнеса. Уровень NPL 90+ (займы с просрочкой более 90 дней) для микрозаймов в предпринимательском сегменте достиг 5,8% по итогам первого полугодия 2025 года, что на 0,9 п.п. выше, чем годом ранее.

Структура корпоративного долга

По состоянию на 01.07.2025 общий долг нефинансовых организаций в РФ достиг 84,4 трлн рублей. При анализе этого объема критически важно понять, какие сектора экономики несут наибольшую долговую нагрузку. Анализ годового темпа прироста долга показал, что наибольший вклад в увеличение совокупной задолженности внесли обрабатывающие производства, обеспечив прирост на 6,5 п.п. Это связано с необходимостью импортозамещения, инвестициями в новые производственные линии и активным использованием льготных программ кредитования. Рост долга в этом секторе является двояким фактором: с одной стороны, это свидетельство инвестиционной активности, с другой — потенциальный риск для банков в случае замедления экономического роста или снижения спроса. Таким образом, оценка кредитного риска в 2025 году требует от аналитика не только просмотра коэффициентов, но и глубокого понимания макроэкономической и отраслевой конъюнктуры, а также использования прогностических моделей, способных выявлять скрытые риски.

Методические рекомендации для проведения практического анализа и совершенствования

Практический анализ финансового состояния предприятия в рамках курсовой работы должен представлять собой комплексный процесс, включающий как стандартные, так и современные методы оценки.

Пошаговый алгоритм практического анализа

Для проведения комплексного анализа финансовой отчетности конкретного предприятия (например, за последние 3 года: 2022–2024 гг.) рекомендуется следующая последовательность действий:

1. Сбор и верификация исходных данных: Получение бухгалтерского баланса (форма №1) и отчета о финансовых результатах (форма №2) предприятия. Важно использовать данные, сформированные по актуальным ФСБУ.
2. Отраслевая идентификация и выбор нормативов: Определить основной вид экономической деятельности предприятия. Используя данные из научных публикаций и банковских методик, скорректировать общепринятые нормативы (К₁, К₃) с учетом отраслевой специфики (например, использовать К₁ ≥ 0,3 для торгового предприятия).
3. Расчет и динамический анализ коэффициентов: Рассчитать ключевые показатели ликвидности (К₃), финансовой устойчивости (К₁, К₂) и деловой активности (оборачиваемость) за весь период. Провести горизонтальный (динамический) анализ, выявляя тенденции изменения.
4. Комплексная балльная оценка (применение банковской методики): Использовать выбранную банковскую методику (например, упрощенную балльную модель Сбербанка или модель Альтмана) для присвоения интегрального рейтинга. Это позволит отнести предприятие к определенному классу кредитоспособности (например, I класс – минимальный риск, IV класс – высокий риск).
5. Качественный анализ и оценка нефинансовых рисков: Провести анализ деловой репутации (отсутствие негативных данных в ЕГРЮЛ, арбитражных делах), качества управления. Внедрить элементы ESG-анализа, оценивая хотя бы базовые социальные (S) и управленческие (G) факторы.

Разработка рекомендаций по совершенствованию

Результаты анализа служат основой для выработки рекомендаций. Для повышения кредитоспособности и финансового состояния предприятия необходимо сосредоточиться на двух направлениях:

1. Оптимизация структуры капитала (повышение К₁ и К₂):
   • Увеличение доли собственного капитала: Рекомендовать реинвестирование чистой прибыли вместо ее полного распределения в виде дивидендов.
   • Снижение доли краткосрочных обязательств: Рефинансирование краткосрочных кредитов в долгосрочные, чтобы улучшить показатель К₃ и снизить давление на ликвидность.
2. Интеграция ESG-метрики для снижения кредитного риска:
   • Внедрение экологических практик: Разработка программы по снижению потребления ресурсов или утилизации отходов. Это позволит не только снизить операционные расходы, но и откроет доступ к более дешевому ESG-кредитованию.
   • Повышение прозрачности управления (G-фактор): Внедрение внутренних стандартов корпоративного управления, которые могут быть положительно оценены банками при присвоении рейтинга. Это прямо влияет на качественную составляющую оценки кредитоспособности.

Применение этих рекомендаций позволяет предприятию не только улучшить свои финансовые показатели, но и повысить инвестиционную привлекательность в глазах кредиторов, которые все чаще используют гибридные модели оценки риска.

Заключение

Проведенное исследование подтвердило, что оценка кредитоспособности коммерческого предприятия в современных экономических условиях является многоуровневым процессом, который уже не может ограничиваться исключительно традиционным коэффициентным анализом. Актуальность анализа усиливается в условиях повышенного кредитного риска, о чем свидетельствует рост доли корпоративных заемщиков с просроченной задолженностью до 23,2% на 01.09.2025.

Ключевым выводом является необходимость перехода к гибридным методикам:

1. Методологическая точность: Необходимо отказаться от использования универсальных нормативов финансовых коэффициентов, применяя их отраслевую корректировку (например, К₁ для торговли ≥ 0,3 против ≥ 0,5 для сельского хозяйства).
2. Технологическое превосходство: Банковский сектор активно внедряет предиктивный скоринг на основе ансамблевых методов машинного обучения (Gradient Boosting), которые превосходят традиционные логит-модели, достигая GINI до 91% точности.
3. Стратегический сдвиг: Ключевым направлением совершенствования является интеграция ESG-факторов в оценку кредитного риска. Инициативы ЦБ РФ по стресс-тестированию и активное ESG-кредитование в крупных банках доказывают, что нефинансовые риски стали неотъемлемой частью оценки долгосрочной устойчивости корпоративных заемщиков.

Перспективы дальнейших научных исследований лежат в области разработки и валидации гибридных моделей оценки кредитоспособности (AI+ESG), способных в реальном времени обрабатывать неструктурированные данные для более точного прогнозирования дефолта с учетом климатических и социальных рисков. Таким образом, именно междисциплинарный подход обеспечивает максимальную прогностическую ценность анализа, что особенно важно для снижения системных рисков в банковском секторе.

Список использованной литературы

1. Банки и банковские операции: учебник для вузов / под ред. Е.Ф. Жукова. — М.: Банки и биржи, ЮНИТИ, 2007.
2. Банковское дело: учебник для вузов / под ред. Г.Н. Белоглазовой, Л.П. Кроливецкой. — 2-е изд., перераб. — СПб.: Питер, 2008.
3. Банковское дело: учебник для вузов / под ред. О.И. Лаврушина. — 7-е изд., перераб. и доп. — М.: КНОРУС, 2008.
4. Букато В.И., Головин Ю.В., Львов Ю.И. Банки и банковские операции в России. — 2-е изд., перераб. и доп. / под ред. М.Х. Лапидуса. — М.: Финансы и статистика, 2005.
5. Воронин В.П., Федосова С.П. Деньги, кредит, банки: учебное пособие. — М.: Юрайт-Издат, 2002.
6. Жуков Е.А., Эриашвили Н.В. Банковское дело: учебник для студентов вузов. — Изд. 2-е, доп. — М.: Юнити-Дана, 2007.
7. Кредитование юридических лиц и индивидуальных предпринимателей в августе 2025 года. — URL: cbr.ru (дата обращения: 23.10.2025).
8. Мещеряков Г.Ю. Банковские операции на рынке ссудного капитала. — М.: Финансы и статистика, 2007.
9. Основы банковского дела: учебное пособие / колл. авторов; под ред. О.И. Лаврушина. — М.: КНОРУС, 2008.
10. Печникова А.В., Маркова О.М., Стародубцева Е.Б. Банковские операции. — М.: Инфра-М, 2007.
11. ПОНЯТИЯ И ВЗАИМОСВЯЗЬ ПЛАТЕЖЕСПОСОБНОСТИ И КРЕДИТОСПОСОБНОСТИ ПРЕДПРИЯТИЯ. — URL: elibrary.ru (дата обращения: 23.10.2025).
12. Приложение 1. Примерный перечень финансовых показателей (коэффициентов) для анализа финансового состояния юридических лиц и рекомендуемые методики их расчета. — URL: garant.ru (дата обращения: 23.10.2025).
13. Программа ЭВМ для оценки кредитоспособности корпоративного заёмщика с учетом ESG-факторов. — URL: econom-inform-journal.ru (дата обращения: 23.10.2025).
14. Райзберг Б. А., Лозовский Л. Ш., Стародубцева Е. Б. Современный экономический словарь. — 5-е изд., перераб. и доп. — М.: ИНФРА-М, 2007.
15. РАЗРАБОТКА АЛГОРИТМА ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ КОРПОРАТИВНЫХ ЗАЕМЩИКОВ С УЧЕТОМ ФАКТОРОВ УСТОЙЧИВОГО РАЗВИТИЯ. — URL: cyberleninka.ru (дата обращения: 23.10.2025).
16. Сагалович Е.М. Оценка кредитоспособности предприятий на основе нейросетевых технологий // nit.miem.edu.ru/2007/sb/2/10.htm (дата обращения: 23.10.2025).
17. Сальников К. Кредитоспособность и платежеспособность — есть ли разница? // Банковское дело в Москве. 2006. N 8 (август). — URL: garant.ru (дата обращения: 23.10.2025).
18. СКОРИНГОВАЯ ОЦЕНКА КРЕДИТОСПОСОБНОСТИ ФИЗИЧЕСКИХ ЛИЦ. — URL: cyberleninka.ru (дата обращения: 23.10.2025).
19. Современные методики оценки кредитоспособности заемщиков — субъектов малого и среднего бизнеса. — URL: cyberleninka.ru (дата обращения: 23.10.2025).
20. Сущность и основные этапы оценки платежеспособности организации. — URL: cyberleninka.ru (дата обращения: 23.10.2025).
21. Указание ЦБ РФ от 16.12.2024 N 6960-У. — URL: kontur.ru (дата обращения: 23.10.2025).
22. ЦБ: портфель микрозаймов бизнеса увеличился на четверть в I полугодии. — URL: bcs-express.ru (дата обращения: 23.10.2025).