Введение: Актуальность, цели и задачи исследования
Современный российский банковский сектор функционирует в условиях беспрецедентной макроэкономической волатильности, технологической революции и постоянно усложняющегося регуляторного надзора. Если в начале 2010-х годов управление кредитным портфелем сводилось преимущественно к балансированию между доходностью и достаточностью резервов, то переход к стандартам Базель III, а также внедрение жестких макропруденциальных инструментов и цифровых технологий, требуют полной деконструкции устаревших подходов.
Актуальность исследования обусловлена необходимостью разработки и внедрения актуализированной методологии управления кредитным портфелем, которая не только соответствует текущим требованиям Банка России (в частности, Положениям № 590-П и № 611-П), но и активно использует продвинутые риск-ориентированные модели (IRB-подход) и инструменты цифрового анализа данных.
Цель работы состоит в разработке комплексной системы управления кредитным портфелем коммерческого банка, основанной на принципах риск-ориентированного подхода и строго соответствующих требованиям российского финансового регулятора по оценке и резервированию кредитного риска.
Научная новизна исследования заключается в следующем:
- Проведен детальный структурно-динамический анализ кредитного портфеля РФ (2022–2025 гг.), включающий оценку растущей роли кредитования МСБ и сдвигов в валютной структуре корпоративного портфеля (рост доли юаня).
- Разработана методологическая схема внедрения продвинутых внутренних моделей (IRB) с учетом реального регуляторного мандата ЦБ РФ для Системно Значимых Кредитных Организаций (СЗКО).
- Обоснована роль использования транзакционных данных (Big Data) в Machine Learning скоринге для повышения точности прогнозирования дефолта, что является ключевым элементом современной банковской практики.
Структура работы подчинена логике перехода от нормативной базы к эмпирическому анализу и, наконец, к продвинутым стратегиям управления, поскольку только интеграция этих трех элементов позволяет создать действительно эффективную систему.
Управление рисками и страхование: комплексный академический подход ...
... В завершение мы исследуем интегрированную систему управления корпоративными рисками (ERM) как стратегический инструмент для обеспечения устойчивости и формирования инновационной культуры. Данное исследование призвано стать надежным академическим фундаментом ...
Теоретико-правовые основы управления кредитным портфелем
Кредитный портфель является центральным элементом активов коммерческого банка, генерирующим основную часть его процентного дохода, но одновременно несущим в себе наибольшие риски. В российской банковской практике методология управления этим портфелем жестко регулируется Банком России, что обеспечивает минимально необходимый уровень финансовой устойчивости системы.
Определение и классификация кредитного портфеля в соответствии с НПА Банка России
Согласно действующему российскому законодательству, кредитный портфель – это совокупность ссуд, ссудной и приравненной к ней задолженности (включая требования по приобретенным правам требования), по которым кредитная организация обязана формировать резервы на возможные потери.
Ключевым понятием в контексте оценки риска является обесценение ссуды. По Положению Банка России от 28.06.2017 № 590-П (далее — Положение № 590-П), обесценение возникает при потере ссудой стоимости вследствие неисполнения или ненадлежащего исполнения заемщиком своих обязательств. Именно факт обесценения служит основанием для формирования резерва на возможные потери (провизии).
Регуляторные требования к классификации ссуд и формированию резервов (Положение № 590-П)
Положение № 590-П устанавливает строго регламентированный подход к оценке качества ссуд, основанный на анализе финансового положения заемщика и качества обслуживания долга.
Ссуды (за исключением тех, что объединены в портфели однородных ссуд) классифицируются на основании профессионального суждения банка в одну из пяти категорий качества, каждая из которых имеет свой диапазон необходимого резервирования:
| Категория качества | Описание (Положение № 590-П) | Процент резервирования (диапазон) |
|---|---|---|
| I (Стандартные) | Отсутствие кредитного риска, своевременное исполнение обязательств. | 0% |
| II (Нестандартные) | Присутствует умеренный риск, обслуживание долга может быть нарушено в будущем. | 1% – 20% включительно |
| III (Сомнительные) | Высокий уровень риска, вероятность невозврата значительной части долга. | Свыше 20% – 50% включительно |
| IV (Проблемные) | Практически полный невозврат долга, за исключением возможного взыскания залога. | Свыше 50% – 100% |
| V (Безнадежные) | Полная или почти полная уверенность в невозможности взыскания. | Не менее 100% |
Критически важно, что для ссуд, отнесенных к V категории качества (безнадежные), банк обязан сформировать резерв в размере не менее 100% от основной суммы долга. Это прямое требование регулятора гарантирует, что самый рисковый сегмент задолженности полностью покрывается за счет капитала, защищая интересы вкладчиков и кредиторов.
Особенности резервирования по условным обязательствам кредитного характера (Положение № 611-П)
Управление кредитным портфелем включает не только балансовые активы (ссуды), но и внебалансовые, такие как условные обязательства кредитного характера (например, выданные гарантии, аккредитивы, обязательства по предоставлению кредита).
Методика оценки и резервирования по этим обязательствам регулируется Положением Банка России от 23.10.2017 № 611-П. Согласно этому положению, банк также обязан формировать резервы, но расчет имеет свои особенности, поскольку условные обязательства не являются прямыми ссудами, пока не наступил факт их исполнения.
Для целей расчета резерва по 611-П применяется механизм коэффициентов приведения к кредитным эквивалентам (ККЭ). Эти коэффициенты, установленные в подпунктах 5–11 пункта 3.1.1 Положения № 611-П, используются для определения той части условного обязательства, которая может потенциально превратиться в балансовую ссуду. Таким образом, регулятор заставляет банк признавать риск по внебалансовым операциям, еще до того как они "испортят" баланс, обеспечивая целостный риск-ориентированный подход.
Структурно-динамический анализ кредитного портфеля российских банков (2022-2025 гг.)
Период 2022–2025 годов ознаменовался фундаментальными изменениями в структуре и динамике кредитного портфеля РФ, вызванными геополитическими сдвигами, необходимостью импортозамещения и жесткой монетарной политикой Банка России.
Оценка концентрации и сегментации совокупного кредитного портфеля РФ
Кредитный портфель российской банковской системы отличается высокой степенью концентрации. По данным Банка России, на 5 крупнейших банков приходится около 72% объема корпоративного и 73% объема розничного кредитования. Эта концентрация создает системные риски, но в то же время позволяет регулятору точечно управлять рисками через надзор за СЗКО.
По состоянию на 01.09.2025, совокупный объем задолженности юридических лиц и индивидуальных предпринимателей (ЮЛ и ИП) достиг 79,7 трлн рублей, демонстрируя годовой темп прироста 10,3%. Портфель ссуд населения к марту 2024 года достиг 36,6 трлн рублей.
| Сегмент | Объем (трлн руб., 2024 г.) | Доля в совокупном портфеле (прибл.) | Основной драйвер |
|---|---|---|---|
| Корпоративное кредитование (ЮЛ и ИП) | ~79,7 | ~68% | Инвестиционное кредитование, МСБ, импортозамещение |
| Розничное кредитование (Население) | ~36,6 | ~32% | Ипотека с господдержкой |
Корпоративное кредитование остается преобладающей основой портфеля, но ключевые изменения происходят внутри сегментов.
Ключевые тренды корпоративного кредитования: МСБ и валютная структура
Двумя наиболее важными трендами в корпоративном сегменте являются рост роли малого и среднего бизнеса (МСБ) и кардинальная трансформация валютной структуры.
Рост кредитования МСБ:
В условиях необходимости диверсификации экономики и поддержки внутреннего производства, Банк России и Правительство РФ стимулируют кредитование МСБ. Доля кредитов, предоставленных субъектам МСБ, в общем объеме кредитов ЮЛ выросла на 4 п. п. по итогам 2023 года, достигнув 21%. Совокупный кредитный портфель МСБ достиг 12,4 трлн рублей. Этот сегмент, несмотря на более высокий индивидуальный риск, рассматривается как ключевой драйвер экономического роста. А не является ли кредитование МСБ скрытым риском, требующим более тонкого моделирования, чем крупные корпоративные ссуды?
Смещение валютных приоритетов:
Геополитические изменения привели к резкому снижению доли валютных кредитов (в долларах и евро) в корпоративном портфеле. Это сокращение (на 1,3% только в 3 квартале 2024 года) сопровождается взрывным ростом кредитования в альтернативных валютах, прежде всего в китайских юанях. Объем кредитования компаний в юанях в 2023 году вырос в 3,6 раза, достигнув 46,1 млрд долларов США в эквиваленте. Для банков это означает не только необходимость развития новых инструментов хеджирования валютного риска, но и стратегическое привлечение пассивов в "дружественных" валютах, чтобы минимизировать структурный валютный дисбаланс.
Динамика розничного кредитования и влияние макропруденциальных лимитов (МПЛ)
В розничном сегменте безусловным лидером является ипотека, доля которой возросла с 32% в 2017 году до 49% в 2023 году. Рост ипотеки, стимулируемый государственными программами, приблизил структуру российского портфеля к бенчмаркам развитых стран, где ипотека составляет основу розничного кредитования.
Однако, бурный рост необеспеченного потребительского кредитования в 2022–2023 годах создал риски "перегрева", на что Банк России ответил внедрением жестких макропруденциальных лимитов (МПЛ) и надбавок (МПН).
Макропруденциальные меры – это инструменты, ограничивающие выдачу кредитов заемщикам с высокой долговой нагрузкой (ПДН) и, соответственно, снижающие риски в отдельных продуктовых сегментах.
| Инструмент | Цель | Механизм воздействия |
|---|---|---|
| МПЛ | Ограничение доли кредитов с высоким ПДН (показателем долговой нагрузки). | Устанавливает максимальную долю кредитов, которые могут быть выданы заемщикам с ПДН > 80%. |
| МПН | Повышение коэффициентов риска для кредитов с высоким ПДН и низким первоначальным взносом по ипотеке. | Требует от банков держать больше регулятивного капитала по рисковым ссудам. |
Эффективность МПЛ подтверждена: несмотря на сохраняющийся прирост совокупного розничного портфеля, темпы роста необеспеченного кредитования замедлились, что снизило риск формирования "пузыря" и улучшило качество новых выдач.
Риск-ориентированный подход: современные количественные модели оценки кредитного портфеля
В рамках перехода к стандартам Базель III (внедрение которых в России продолжается с 2014 года) центральное место занимает риск-ориентированный подход. Он требует от банков не просто механического резервирования, а использования внутренних, продвинутых моделей для точного измерения риска.
Внутренние рейтинговые модели (IRB-подход) и их регуляторное внедрение в РФ
IRB-подход (ПВР-подход – подход, основанный на внутренних рейтингах) позволяет банкам использовать собственные статистические данные, аналитические модели и профессиональное суждение для оценки ключевых параметров кредитного риска.
Регуляторный мандат и стимулы:
Банк России активно стимулирует переход крупнейших игроков на IRB, поскольку такие модели, как правило, точнее оценивают риски, что в свою очередь позволяет банку оптимизировать требования к регулятивному капиталу. Разрешение на использование IRB-подхода уже получили крупнейшие российские банки: Сбербанк, ВТБ, Альфа-Банк, Райффайзенбанк.
Более того, ЦБ РФ планирует с 2025 года обязать все 13 Системно Значимых Кредитных Организаций (СЗКО) перейти на использование IRB-подхода.
Основной стимул для банков — потенциальная экономия на капитале. По оценкам крупнейших банков, переход на IRB может обеспечить положительный эффект на норматив достаточности капитала в диапазоне от 0,7 п. п. до 237 базисных пунктов. Это означает высвобождение значительных объемов капитала для роста кредитования и инвестиций.
Компоненты оценки кредитного риска: PD, LGD, EAD
В основе IRB-подхода лежат три ключевых параметра риска, которые банк должен оценить самостоятельно:
- Вероятность дефолта (PD, Probability of Default): Оценка вероятности того, что контрагент не исполнит свои обязательства в течение одного года (или другого заданного горизонта).
- Потери при дефолте (LGD, Loss Given Default): Ожидаемая доля потерь банка, выраженная в процентах от суммы требования, если дефолт наступит.
- Воздействие дефолта (EAD, Exposure at Default): Ожидаемый объем использования кредитного лимита или сумма требований к заемщику на момент наступления дефолта.
Эти компоненты используются для расчета ожидаемых потерь (EL), которые формируют основу для расчета провизий и достаточности капитала:
EL = PD · LGD · EAD
где:
- EL — Ожидаемые потери (Expected Loss);
- PD — Вероятность дефолта;
- LGD — Потери при дефолте;
- EAD — Воздействие дефолта.
В данном контексте, EL представляет собой сумму, которую банк должен покрыть за счет резервов, тогда как неожиданные потери (UL) покрываются капиталом.
Инструменты стресс-тестирования и портфельного риска (VaR, Credit VaR)
Эффективное управление портфелем требует не только оценки текущих ожидаемых потерь, но и прогнозирования потенциальных потерь в экстремальных условиях. Для этого используются инструменты стресс-тестирования и оценки риска, основанные на концепции Value-at-Risk (VaR).
VaR (Стоимость под риском) — это стандартный инструмент, определяющий максимальную сумму потенциальных потерь, которую может понести кредитный портфель (или его часть) за данный период времени и при заданном уровне доверия.
В соответствии с требованиями Базель III и практикой Банка России, для оценки рыночного риска часто используется временной горизонт в 10 рабочих дней и уровень доверия 99%.
Сценарный анализ (Стресс-тестирование) является более сложным инструментом. Он используется для оценки потенциального одновременного воздействия ряда неблагоприятных факторов (например, падение цен на нефть, резкий рост ставки, девальвация рубля), которые могут привести к динамической корреляции дефолтов в портфеле. Стресс-тестирование позволяет оценить неожиданные потери (UL) и определить необходимый буфер капитала. Крупнейшие российские банки интегрируют методики оценки Credit VaR, часто используя методы Монте-Карло, для моделирования распределения потерь по портфелю.
Стратегии активного управления и цифровизация кредитного портфеля
Управление кредитным портфелем вышло за рамки пассивного резервирования. Современные стратегии направлены на активное изменение структуры риска, перераспределение капитала и повышение операционной эффективности через цифровые технологии.
Секьюритизация как инструмент оптимизации капитала и ликвидности
Секьюритизация — это процесс преобразования неликвидных активов (кредитов) в ликвидные ценные бумаги, которые могут быть проданы инвесторам. Для банка секьюритизация является мощным инструментом, обеспечивающим три ключевых преимущества:
- Оптимизация капитала: Рисковые активы выводятся с баланса, что снижает нагрузку на капитал.
- Привлечение ликвидности: Позволяет привлечь средства, не дожидаясь погашения кредитов.
- Перераспределение риска: Кредитный риск переносится на держателей облигаций.
На российском рынке доминирующим видом секьюритизации являются ипотечные облигации (ИЦБ). По оценкам, около 98% объема сделок секьюритизации в 2023 году пришлось именно на ИЦБ, часто с поручительством ДОМ.РФ, что повышает их надежность.
Также активно развивается рынок многотраншевой секьюритизации, обеспечиваемой портфелями потребительских кредитов. Аналитики "Эксперт РА" прогнозируют, что этот сегмент может достигнуть 700 млрд рублей в ближайшие два года, что свидетельствует о его высокой перспективности для крупных игроков.
Кредитные деривативы: мировой опыт и российская специфика
Кредитные деривативы (например, кредитно-дефолтные свопы – КДС) позволяют банку "покупать" или "продавать" кредитный риск, не передавая сам актив. Это идеальный инструмент для точечного управления структурой портфеля, хеджирования специфических рисков и достижения необходимой диверсификации.
Мировой опыт показывает, что КДС являются высокоэффективным инструментом, позволяющим банку быстро реагировать на изменение кредитного качества заемщиков.
Российская специфика:
В условиях локализации финансового рынка после 2022 года, операции с кредитными деривативами (особенно с КДС) на российском рынке носят единичный и несистемный характер. Объемы таких сделок остаются невысокими, что обусловлено ограничениями на доступ к мировым контрагентам и недостаточной ликвидностью локального рынка. Таким образом, несмотря на высокий теоретический потенциал, в текущей практике российских банков КДС не являются массовым инструментом активного управления риском.
Применение Big Data и Machine Learning в кредитном скоринге
Цифровизация является ключевым фактором повышения эффективности управления кредитным портфелем. В области оценки заемщиков традиционный скоринг на основе данных Бюро кредитных историй (БКИ) дополняется передовыми технологиями.
Банки активно применяют технологии Big Data и Machine Learning (ML) для построения более сложных и точных моделей кредитного скоринга. Главное преимущество ML-алгоритмов — способность обрабатывать и интегрировать не только классические, но и новые, детализированные источники данных:
- Транзакционные данные: Анализ оборотов, периодичности и структуры карточных транзакций и транзакций по расчетным счетам заемщика.
- Поведенческие данные: Оценка цифрового следа и взаимодействия клиента с банковскими сервисами.
Использование этих данных позволяет существенно повысить точность прогнозирования дефолта (например, 90+ дней просрочки в течение 12 месяцев).
Построение нейросетевых моделей позволяет улавливать нелинейные зависимости, которые невозможно выявить в традиционных логистических регрессиях. Современные кредитные конвейеры, управляемые ML-моделями, позволяют банку быстро адаптироваться к изменяющимся рыночным условиям и вносить корректировки в процесс принятия решений практически в режиме реального времени.
Заключение
Проведенное исследование подтверждает, что современное управление кредитным портфелем коммерческого банка в России представляет собой сложный, многоуровневый процесс, основанный на строгом соблюдении регуляторных требований и активном использовании продвинутых аналитических и цифровых инструментов.
Ключевые выводы, подтверждающие достижение цели исследования:
- Регуляторная методология актуализирована: Установлено, что ядром управления риском является Положение № 590-П, требующее формирования резервов до 100% для безнадежных ссуд. Более того, включен анализ Положения № 611-П, регулирующего внебалансовые риски через механизм ККЭ, что обеспечивает целостный взгляд на регуляторное поле.
- Структурные тренды проанализированы: Выявлена высокая концентрация портфеля в ТОП-5 банков (более 70%).
Подтвержден стратегический рост кредитования МСБ (до 21%) и геополитически обусловленное смещение валютных приоритетов в корпоративном сегменте (резкий рост кредитования в юанях до 46,1 млрд долларов США).
Эффективность макропруденциальных лимитов в сдерживании рисков розничного сегмента доказана.
- Риск-ориентированный подход детализирован: Показано, что IRB-подход — это не опция, а регуляторный мандат для СЗКО с 2025 года. Стимулом служит значительная потенциальная экономия капитала (до 237 б.п.). Представлена концептуальная модель оценки ожидаемых потерь (EL = PD · LGD · EAD).
- Стратегии управления оценены: Секьюритизация остается ключевым инструментом (доминирование ИЦБ и рост многотраншевой секьюритизации до 700 млрд руб.).
При этом в области кредитных деривативов существует значительный разрыв между мировым потенциалом и единичным, несистемным характером их применения в локализованной российской практике.
- Роль цифровизации обоснована: Установлено, что главное конкурентное преимущество современных скоринговых систем — использование детализированных транзакционных данных и алгоритмов ML для повышения точности прогнозирования дефолта.
Таким образом, актуализированная методология управления кредитным портфелем должна включать: строгое соблюдение требований 590-П/611-П, оперативное внедрение IRB-подхода для повышения эффективности использования капитала, активный мониторинг структурных сдвигов (особенно в части валютных рисков) и максимальное использование Big Data для принятия решений на уровне портфеля и индивидуальной ссуды.
Список использованной литературы
- Положение Банка России от 28.06.2017 N 590-П (ред. от 15.03.2023) «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности» // СПС КонсультантПлюс.
- Консультативный документ – Банк России (О внедрении IRB-подхода).
URL: https://www.cbr.ru/ (дата обращения: 08.10.2025).
- CRE32 — IRB approach: risk components // Bank for International Settlements (BIS).
URL: https://www.bis.org/ (дата обращения: 08.10.2025).
- ЦБ на год отложил шаги по переходу крупнейших банков на продвинутый подход к оценке рисков // Интерфакс. URL: https://www.interfax.ru/ (дата обращения: 08.10.2025).
- КРЕДИТНЫЙ ПОРТФЕЛЬ РОССИЙСКИХ БАНКОВ И РЕЗЕРВЫ ПОВЫШЕНИЯ ЕГО КАЧЕСТВА // Cyberleninka. URL: https://cyberleninka.ru/ (дата обращения: 08.10.2025).
- Рынок банковских услуг в России: итоги 2023 и прогнозы // Frank RG. URL: https://frankrg.com/ (дата обращения: 08.10.2025).
- IV квартал 2024 года №1 (12) // Ассоциация российских банков (АРБ).
URL: https://asros.ru/ (дата обращения: 08.10.2025).
- Cовременный скоринг: использование big data и machine learning // Национальный Банковский Журнал. URL: https://nbj.ru/ (дата обращения: 08.10.2025).
- Скоринг и верификация данных на основе Big Data: о чем нужно знать // Beeline Business. URL: https://beeline.ru/ (дата обращения: 08.10.2025).
- ИСПОЛЬЗОВАНИЕ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ В БАНКОВСКОЙ СФЕРЕ // Cyberleninka. URL: https://cyberleninka.ru/ (дата обращения: 08.10.2025).
- Рынок многотраншевой секьюритизации в ближайшие 2 года может достичь 700 млрд // Frank Media. URL: https://frankmedia.ru/ (дата обращения: 08.10.2025).
- Перспективы секьюритизации и обеспеченных ЦФА: на развороте ставок // RusBonds. URL: https://rusbonds.ru/ (дата обращения: 08.10.2025).
- Рынок ипотечной секьюритизации в России: перспективы и проблемы // Ruinformer. URL: https://ruinformer.com/ (дата обращения: 08.10.2025).
- Кредитные деривативы как инновационный инструмент управления кредитным риском // Cyberleninka. URL: https://cyberleninka.ru/ (дата обращения: 08.10.2025).
- Воздействие кредитных деривативов на эффективность управления банковским портфелем // МГУ. URL: https://msu.ru/ (дата обращения: 08.10.2025).
- Рынок производных финансовых инструментов — 2024 год // Банк России. URL: https://www.cbr.ru/ (дата обращения: 08.10.2025).
- Подходы к организации стресс-тестирования в кредитных организациях // Банк России. URL: https://www.cbr.ru/ (дата обращения: 08.10.2025).
- Оценка кредитного риска портфеля при динамической корреляции дефолтов // Russian Journal of Money and Finance (econs.online).
URL: https://econs.online/ (дата обращения: 08.10.2025).
- Лекция 13. Симуляция и оценка кредитного риска в проектном финансировании // МГИМО. URL: https://mgimo.ru/ (дата обращения: 08.10.2025).
- Деньги и кредит. 1994. № 2. С. 23–32.
- Вопросы экономики. 1999. № 9. С. 119.