Макропруденциальная политика и цифровая трансформация как факторы совершенствования управления кредитным риском в российском розничном банкинге (2022–2025 гг.)

метки: Кредитный, Кредит, Портфель, Заемщик, Анализ, Выдача, Https, Антифрод

Современный российский рынок потребительского кредитования переживает период глубокой трансформации, обусловленной сочетанием двух мощных сил: беспрецедентным ужесточением макропруденциального регулирования и стремительной цифровизацией банковских процессов. Регулятор, действуя на опережение, формирует защитный барьер от системных рисков, связанных с чрезмерной закредитованностью населения, в то время как FinTech-инновации и технологии Big Data радикально меняют подходы банков к оценке индивидуального кредитного риска. Данное исследование направлено на деконструкцию этих ключевых факторов и формулирование практически значимых рекомендаций, позволяющих коммерческим банкам не только соответствовать новым требованиям, но и повышать эффективность управления розничным кредитным портфелем в условиях высокой экономической неопределенности.

ПРИОРИТЕТНЫЙ ФАКТ: В результате ужесточения макропруденциальной политики Банка России, доля выдаваемых необеспеченных потребительских кредитов с показателем долговой нагрузки (ПДН) более 50% снизилась с 60% во II квартале 2023 года до 26% в IV квартале 2024 года.

Теоретические основы и методологические подходы к анализу потребительского кредитования

Потребительское кредитование является одним из наиболее динамичных сегментов финансового рынка, играя двоякую роль в макроэкономике Российской Федерации. С одной стороны, оно выступает ключевым инструментом стимулирования совокупного спроса и экономического роста. С другой стороны, неконтролируемый рост задолженности ведет к накоплению системных рисков, угрожая финансовой стабильности и благосостоянию граждан. Именно этот дуализм определяет предмет исследования — процессы управления кредитным риском в розничном банковском бизнесе — и объект — совокупность нормативных, технологических и рыночных механизмов, регулирующих и формирующих структуру потребительского кредитования в РФ в 2022–2025 гг. Очевидно, что без глубокого понимания этой двойственности невозможно построить устойчивую и прибыльную стратегию кредитования.

Эволюция теоретических моделей кредитного риска

Управление розничным кредитным риском сегодня требует отхода от статичных, ретроспективных моделей и перехода к динамическим, прогностическим концепциям. Традиционная методология оценки сосредоточена на анализе вероятности дефолта (Probability of Default, PD), ожидаемых потерь при дефолте (Loss Given Default, LGD) и подверженности риску при дефолте (Exposure at Default, EAD).

Комплексный финансово-экономический анализ деятельности ПАО «БАНК ...

... ПАО «БАНК УРАЛСИБ» на рынке потребительского кредитования за 2023–2025 гг., определить ключевые риски и разработать конкретные предложения по оптимизации кредитных продуктов и процедур. Для достижения поставленной ... универсальных банков, таких как «УРАЛСИБ», еще большей осторожности в управлении всеми видами розничных активов. Место ПАО «БАНК УРАЛСИБ» на финансовом рынке и анализ структуры ...

Эти три компонента составляют основу для расчета ожидаемых убытков (Expected Loss, EL).

Однако современный подход, особенно в контексте регуляторных требований Базеля III и IV, акцентирует внимание на управлении неожиданными убытками (Unexpected Loss, UL), которые требуют формирования достаточного запаса капитала (экономического и регулятивного).

Ведь именно непредвиденные рыночные шоки, а не рутинные потери, способны вызвать системный кризис.

Ключевой концепцией, интегрирующей риск-менеджмент и стратегическое ценообразование, является подход «Риск против дохода» (Risk vs Return). Данная методология требует, чтобы потенциальная доходность по кредитному продукту, скорректированная на величину принятого кредитного риска, превышала стоимость капитала банка. Это реализуется через модель Risk-Based Pricing (RBP), где процентная ставка устанавливается индивидуально, прямо пропорционально оцененному классу риска заемщика. Таким образом, банк стремится максимизировать показатель RAROC (Risk-Adjusted Return on Capital), оптимизируя структуру портфеля за счет более выгодных и менее рискованных ссуд.

Обзор актуальной нормативно-правовой базы РФ (2024-2025)

Нормативно-правовая база, регулирующая потребительское кредитование в России, является одной из самых динамично развивающихся в мире, что требует постоянной актуализации академических исследований.

Фундаментом регулирования является Федеральный закон от 21.12.2013 № 353-ФЗ «О потребительском кредите (займе)», который в редакции от 23.07.2025 устанавливает стандарты раскрытия информации, требования к полной стоимости кредита (ПСК) и определяет понятие показателя долговой нагрузки (ПДН).

Критически важными изменениями, вступившими в силу в 2024–2025 гг., стали:

1. Ограничение плавающих процентных ставок. С 1 сентября 2024 года вступил в силу Федеральный закон № 151-ФЗ, который кардинально ограничил применение переменной ставки. Цель — защита заемщиков от неконтролируемого роста платежей при повышении ключевой ставки.
   • Область применения: Плавающая ставка разрешена преимущественно для крупных ипотечных кредитов.
   • Критерии: Применяется только для кредитов на сумму от 15 до 74 млн рублей при сроке договора не более 20 лет или для кредитов на сумму свыше 74 млн рублей без ограничения по сроку.
   • Лимиты роста: Максимально допустимое значение переменной ставки не может превышать первоначальную ставку более чем на одну треть или более чем на 4 процентных пункта.

Эти регуляторные меры демонстрируют переход от классического пруденциального надзора к активному макропруденциальному управлению, где ЦБ РФ использует инструменты прямого воздействия на структуру и объемы кредитования, тем самым снижая системные риски, заложенные в долгосрочных обязательствах.

Макропруденциальное регулирование как ключевой фактор развития рынка потребительского кредитования (2024–2025 гг.)

С 2023 года Банк России последовательно ужесточает макропруденциальную политику (МПП) с целью сдерживания нарастающей закредитованности и предотвращения системного финансового кризиса. МПП, реализуемая через установление макропруденциальных лимитов (МПЛ) и надбавок к коэффициентам риска, стала доминирующим фактором, формирующим динамику рынка.

Анализ механизмов и результатов регулирования необеспеченных кредитов

МПЛ на необеспеченные потребительские кредиты (НПС) определяют максимальную долю кредитов, которые банки могут выдать заемщикам с высоким показателем долговой нагрузки (ПДН) и низким уровнем первоначального взноса.

Результаты применения МПЛ в сегменте НПС:

Категория заемщиков (по ПДН)	Доля выдач (II кв. 2023 г.)	Доля выдач (IV кв. 2024 г.)	Изменение (п.п.)
ПДН > 50% (Рискованные)	60%	26%	-34%
ПДН > 80% (Наиболее рискованные)	Н/Д	Снижение	Значительное

Источник: Анализ данных Банка России.

Снижение доли рискованных кредитов с ПДН более 50% с 60% до 26% за полтора года является прямым и неоспоримым доказательством эффективности МПЛ как инструмента сдерживания рисков. Регулятор сохранил значения МПЛ по НПС на уровне IV квартала 2024 года для I и II кварталов 2025 года, что свидетельствует о необходимости закрепления достигнутого структурного улучшения.

Кроме того, ЦБ РФ требует от банков формирования макропруденциального буфера. Кредитные организации накопили буфер по потребительским кредитам в размере 827 млрд рублей (6,5% от портфеля НПС). Этот буфер выступает в роли «подушки безопасности», предназначенной для покрытия потенциальных потерь по кредитам, которые могут реализоваться в период экономической рецессии или роста безработицы.

Введение новых лимитов и их экономические последствия

Исторически важным шагом стало распространение макропруденциального регулирования на сегменты ипотечного и автокредитования. С 1 июля 2025 года Банк России впервые ввел МПЛ по этим видам кредитов, фокусируясь на наиболее уязвимых сделках. Установление лимита в 2% для наиболее рискованной ипотеки (ДДУ) с низким первоначальным взносом означает почти полный запрет на такие сделки для большинства банков.

Новые МПЛ (введены с 1 июля 2025 г.):

Сегмент кредитования	Критерии риска	Лимит (доля от общего объема выдач)	Прогнозируемое последствие
Ипотека (ДДУ)	ПДН > 50% И Первоначальный взнос < 20%	2%	Резкое ограничение высокорисковой ипотеки на первичном рынке, снижение спроса на кредиты с минимальным взносом.
Автокредиты	ПДН в диапазоне от 50% до 80%	20%	Снижение объемов выдачи автокредитов заемщикам с высокой долговой нагрузкой.

Это решение направлено на дестимулирование девелоперов и банков от использования схем, создающих «пузыри» на первичном рынке жилья, и повышение качества обеспечения. Введение МПЛ по автокредитам является превентивной мерой, учитывая, что в условиях снижения реальных доходов населения этот сегмент также демонстрирует рост рисков.

Временные регуляторные решения

В I квартале 2025 года (с 1 января по 31 марта) Банк России принял необычное решение — временно отменил применение ограничения полной стоимости кредита (ПСК) по кредитным картам.

Это решение не является послаблением в политике ЦБ РФ, а скорее методологической коррекцией. Регулятор выявил, что отдельные банки некорректно рассчитывали ПСК, используя процентные ставки промопериода (льготного периода) вместо максимальных ставок, действующих вне этого периода. Такое занижение ПСК приводило к искажению рыночной картины и нарушению целей регулирования. Временная отмена лимита позволила банкам перенастроить свои системы расчета ПСК без резкого сокращения доступности продукта на фоне растущих рыночных ставок, что по сути, является гибким управлением нормативами для обеспечения методологической чистоты данных.

Динамика и структурные тренды российского рынка потребкредитования (2022–2024 гг.)

Рынок потребительского кредитования продемонстрировал высокую чувствительность к геополитическим событиям, монетарной политике и регуляторным ограничениям.

В 2022 году рост портфеля составлял всего 3% из-за шокового повышения ключевой ставки (до 20% и выше), что привело к стагнации. В 2023 году рынок восстановился, показав рост на 15,7%. Однако в 2024 году, под влиянием ужесточения МПЛ и сохранения высокой ключевой ставки, темпы роста замедлились до 11,2%. В III квартале 2024 года квартальный рост портфеля НПС составил всего 3,4%, что подтверждает эффективность сдерживающих мер.

Анализ изменения структуры выдач

В III квартале 2024 года произошел критический сдвиг в структуре выдач: более 50% общего объема необеспеченных потребительских ссуд (1,7 трлн рублей) пришлось на кредитные карты. Можно ли считать этот сдвиг полностью позитивным, учитывая риски, связанные с высокой оборачиваемостью карточных продуктов?

Продукт	Доля в портфеле НПС	Динамика доли за год (п.п.)
Кредитные карты	~27%	+5%
Кредиты наличными	~73%	-5%

Этот структурный сдвиг объясняется не только удобством использования кредитных карт, но и стимулированием финансового арбитража. В условиях высокой ключевой ставки (которая транслируется в высокие ставки по вкладам) и высокой инфляции, потребители заинтересованы в сохранении своих средств на депозитах с высокой доходностью. Кредитные карты с длительным льготным периодом (грейс-периодом) позволяют использовать заемные средства для текущих расходов, не изымая деньги со вклада. Таким образом, потребитель получает доступ к беспроцентному кредиту, одновременно зарабатывая на депозите, что делает кредитные карты наиболее выгодной формой краткосрочного фондирования для населения.

Динамика качества кредитного портфеля

Качество кредитного портфеля, несмотря на замедление роста, демонстрирует положительные структурные изменения, обусловленные как МПП, так и ужесточением внутренней кредитной политики банков.

Ключевой показатель — доля остатка задолженности по необеспеченным потребительским кредитам, приходящаяся на заемщиков с ПДН более 50%, — снизился с 64% (IV квартал 2022 года) до 49% (III квартал 2024 года).

Это снижение обусловлено двумя факторами:

1. Регуляторный эффект: Ограничение выдачи высокорисковых кредитов МПЛ.
2. Эффект андеррайтинга: В связи с высокими рисками и ростом стоимости фондирования, банки значительно ужесточили внутренние требования. Уровень одобрения заявок на кредит наличными снизился с 29% (III квартал 2023 года) до 17% (IV квартал 2024 года).

Такое системное улучшение структуры портфеля говорит о повышении финансовой устойчивости банковского сектора в целом.

Цифровая трансформация и инновационный скоринг в управлении кредитным риском

Внедрение технологий FinTech, Big Data и машинного обучения (ML) является вторым по значимости фактором, определяющим современный розничный банкинг. Эти инновации направлены на повышение точности оценки риска, сокращение операционных издержек и увеличение скорости обслуживания клиентов.

Применение Big Data и машинного обучения в оценке кредитоспособности

Традиционный скоринг базировался на ограниченном наборе данных: кредитная история, доход, возраст и стаж. Современный кредитный скоринг представляет собой сложную систему, которая объединяет традиционные данные с результатами интеллектуального анализа данных (Data Mining) и прогностическими возможностями ML-моделей.

Машинное обучение позволяет создавать нелинейные модели, способные выявлять скрытые закономерности и корреляции, недоступные для классической регрессии. В частности, ML используется для:

• Оценки PD: Построение более точных прогностических моделей вероятности дефолта.
• Сегментации: Автоматическое распределение заемщиков по риск-классам.
• Верификации: Автоматическая фильтрация и очистка данных на наличие ошибок и шумов, что критически важно для надежности аналитических выводов.

Анализ нетрадиционных источников данных и «кредитный конвейер»

Для достижения максимальной точности оценки банки в России все активнее используют нетрадиционные, или поведенческие, источники Big Data, при условии получения согласия заемщика:

Тип нетрадиционных данных	Пример использования в скоринге
Социальные сети и блоги	Оценка социального капитала, стабильности занятости, косвенное подтверждение жизненного уровня и образа жизни.
Поисковые запросы и сайты	Оценка потребительских предпочтений, подтверждение намерений (например, поиск работы или крупной покупки).
Геолокационные и трафиковые данные	Оценка стабильности местоположения, регулярности поездок на работу, что косвенно подтверждает официальное трудоустройство и финансовую активность.
Данные телеком-операторов	Оценка поведенческой стабильности (смена номеров, частота пополнений счета, длительность использования одного оператора).

Эти данные позволяют формировать так называемый поведенческий скоринг, который дополняет финансовый скоринг, особенно для заемщиков с тонкой или отсутствующей кредитной историей. Интеграция FinTech-решений в операционные процессы привела к созданию «кредитного конвейера» — полностью автоматизированной IT-системы. Внедрение этой системы позволило банкам:

• Сократить время рассмотрения кредитной заявки по розничным продуктам до 1–3 минут.
• Запустить полноценное онлайн-кредитование без необходимости посещения офиса.
• Сократить операционные расходы на андеррайтинг.

Таким образом, цифровизация позволила не только повысить точность оценки риска, но и радикально улучшить клиентский опыт, что является ключевым конкурентным преимуществом.

Минимизация рисков и повышение эффективности антифрод-систем

Управление кредитным риском в розничном банкинге включает не только оценку кредитоспособности, но и активную борьбу с мошенничеством (фродом), которое является одной из наиболее быстрорастущих угроз в условиях цифровизации.

Анализ риска мошенничества (фрода) и механизмы защиты

Риск мошенничества в кредитовании (предоставление ложных данных, использование украденных личных данных) имеет тенденцию к усложнению по мере развития цифровых каналов. Для противодействия этому риску применяются продвинутые антифрод-решения, основанные на технологиях Big Data и ML.

Механизмы противодействия фроду:

1. Поведенческий анализ: Системы ML анализируют тысячи поведенческих маркеров (скорость заполнения формы, IP-адрес, тип устройства, время подачи заявки), выявляя аномалии, характерные для мошеннических действий.
2. Нейронные сети: Позволяют системе адаптироваться к новым, ранее неизвестным мошенническим схемам, обеспечивая превенти��ную защиту.
3. Верификация в реальном времени: Использование данных внешних источников (мобильные операторы, государственные реестры) для мгновенной перекрестной проверки личности и достоверности информации.

Практические результаты внедрения таких систем в российском банковском секторе впечатляют, подтверждая их высокую эффективность:

• Системно значимые банковские организации в 2024 году достигли эффективности работы антифрод-систем на уровне 99,7%.
• Благодаря использованию ML-моделей, крупнейшие банки предотвратили хищение средств клиентов на сумму более 300 млрд рублей в 2024 году.

Эти количественные данные демонстрируют, что инвестиции в ML-антифрод являются не просто операционными расходами, а стратегической необходимостью для сохранения финансовой устойчивости и доверия клиентов.

Общие механизмы минимизации кредитного риска

Помимо технологических решений, банки используют классические, но актуализированные механизмы минимизации кредитного риска:

• Рационирование кредитов: Введение внутренних ограничений на выдачу кредитов по определенным сегментам или регионам, особенно в условиях действия нормативов ЦБ РФ (МПЛ).
• Диверсификация кредитных вложений: Распределение рисков по разным видам кредитов (кредитные карты, наличные, POS, авто), срокам и категориям заемщиков.
• Резервирование: Формирование резервов на возможные потери по ссудам в соответствии с Положениями Банка России, что является регуляторным инструментом хеджирования.
• Ценообразование, основанное на риске (Risk-Based Pricing): Индивидуальное установление процентной ставки, которое прямо зависит от класса риска заемщика, позволяя банку компенсировать более высокий риск повышенной маржой.

Практические рекомендации по совершенствованию управления розничным кредитным портфелем

На основании проведенного анализа современных регуляторных и технологических трендов, а также учитывая высокую актуальность макропруденциальных ограничений, для коммерческого банка могут быть сформулированы следующие конкретные предложения по совершенствованию методики андеррайтинга и управления портфелем.

Рекомендация 1: Интеграция поведенческого скоринга в методику андеррайтинга

Необходимо разработать и внедрить двухуровневую скоринговую систему, где традиционный финансовый скоринг (F-Score) дополняется поведенческим скорингом (B-Score) на основе нетрадиционных Big Data.

Параметр	Текущее состояние	Предлагаемое усовершенствование	Ожидаемый эффект
Оценка PD	Зависит от кредитной истории и дохода.	Добавить вес (минимум 15%) показателям B-Score (геолокация, активность в сети, телеком-данные).	Повышение точности прогнозирования дефолта на 5–7%, особенно для молодых заемщиков с «тонкой» историей.
Андеррайтинг	Жесткое отсечение при низком F-Score.	Использование B-Score для пересмотра «пограничных» заявок, отклоненных по формальным признакам (ПДН 45-50%).	Снижение уровня ложноотрицательных решений, рост одобрений в низкорисковом сегменте.

Рекомендация 2: Оптимизация структуры портфеля с учетом МПЛ и Risk-Based Pricing

В условиях жестких МПЛ по высокорисковым кредитам (ПДН > 50%), банк должен перераспределить фокус с объема на качество, используя RBP для максимизации доходности в разрешенных сегментах.

1. Переориентация на кредитные карты (Грейс-период): Временно (пока ставки высоки) максимизировать выдачи кредитных карт. Поскольку карты составляют ~27% портфеля, но >50% выдач, это обеспечивает быструю оборачиваемость капитала.
2. Повышение точности RBP: Применить формулу RBP, основанную на ожидаемых убытках (EL):
   RBP = Cfund + EL + UL + Target Margin
   Где:
   • C_fund — Стоимость фондирования.
   • EL — Ожидаемые убытки (PD × LGD × EAD).
   • UL — Неожиданные убытки (капитал).
   • Target Margin — Целевая маржа.

   Внедрить систему динамического ценообразования, которая автоматически корректирует ставку в зависимости от текущего МПЛ и внутреннего буфера.

3. Ограничение рискованного автокредитования: Установить внутренний лимит на выдачу автокредитов с ПДН 50–80% ниже 20%, установленных ЦБ РФ (например, на уровне 15%), чтобы создать операционный запас прочности и избежать штрафов за превышение МПЛ.

Рекомендация 3: Усиление антифрод-систем на стадии выдачи

Учитывая, что ML-антифрод-системы доказали свою эффективность (99,7%), необходимо обеспечить их интеграцию на самых ранних этапах «кредитного конвейера».

• Требование: Обеспечить 100% покрытие всех онлайн-заявок ML-моделями фрод-мониторинга в режиме реального времени.
• Действие: Использовать ML для оценки подозрительных транзакций, а также для превентивного анализа поведения заемщика до окончательного решения о выдаче. Цель — предотвращение выдачи кредитов по украденным или поддельным документам, что позволит сократить потери от фрода минимум на 10% в течение года.

Выводы и перспективы развития российского потребительского кредитования

Проведенное исследование подтверждает, что управление кредитным риском в российском розничном банкинге находится под двойным давлением: макропруденциальные ограничения ЦБ РФ с одной стороны, и необходимость адаптации к цифровой среде с другой. Успешное управление кредитным риском в будущем будет определяться не объемом выдач, а способностью генерировать доходность, очищенную от риска, в условиях постоянно меняющихся требований регулятора.

Ключевые выводы исследования:

1. Эффективность МПП: Макропруденциальные лимиты доказали свою эффективность как инструмент системного сдерживания рисков, о чем свидетельствует снижение доли высокорисковых кредитов с ПДН > 50% с 60% до 26% за полтора года.
2. Регуляторный ландшафт: Распространение МПЛ на ипотечное и автокредитование с 1 июля 2025 года указывает на долгосрочный тренд ужесточения регулирования, требуя от банков стратегической перестройки продуктовой линейки.
3. Структурный сдвиг: Рынок демонстрирует аномальный структурный сдвиг в сторону кредитных карт, что обусловлено высокими ставками и стремлением потребителей к финансовому арбитражу.
4. Роль FinTech: Цифровая трансформация и применение Big Data/ML являются критически важными для поддержания конкурентоспособности. Внедрение поведенческого скоринга и высокоэффективных антифрод-систем (эффективность ~99,7%) позволяет банкам повышать точность андеррайтинга и минимизировать потери от мошенничества.

Перспективы развития:

В ближайшей перспективе рынок потребительского кредитования будет развиваться в условиях балансирования между регуляторным давлением и технологической оптимизацией. Банки, которые смогут эффективно интегрировать поведенческий скоринг, RBP и антифрод-решения, получат конкурентное преимущество. Успешное управление кредитным риском в будущем будет определяться не объемом выдач, а способностью генерировать доходность, очищенную от риска, в условиях постоянно меняющихся требований регулятора.

Список использованной литературы

1. Бадалова Л.А. Управление риском потребительского кредитования в кредитных организациях // Банковские услуги. 2012. № 6. С. 40—42.
2. Белоглазова Г.Н. Банковское дело. Организация деятельности коммерческого банка. М.: Инфра-М, 2012. 422 с.
3. Белоглазова Г.Н., Кроливецкая Л.П. Банковское дело: розничный бизнес: учебное пособие. М.: КНОРУС, 2010. 416 с.
4. Быстров С.А., Полищук А.И. Точная модель потребительского кредита // Финансы и кредит. 2009. № 5. С. 22—32.
5. Даниленко С.А. Банковское потребительское кредитование. М.: Инфра-М, 2011. 384 с.
6. Демчук И.Н. Управление кредитными рисками // Сибирская Финансовая Школа. 2006. № 1. С. 41.
7. Ендовицкий Д.А. Анализ кредитоспособности организации и группы компаний: учебное пособие. М.: КНОРУС, 2012. 376 с.
8. Ермаков С.Л., Юденков Ю.Н. Основы организации деятельности коммерческого банк: Учебник. М.: КНОРУС, 2009. 397 с.
9. Жариков В.В. Управление кредитными рисками: учебное пособие. Тамбов: ТГТУ, 2009. 244 с.
10. Жарковская Е.М. Банковское дело: курс лекций. М.: ИКФ Омега — Л, 2010. 399 с.
11. Звонова Е.А. Организация деятельности коммерческого банка: учебник. М.: ИНФРА-М, 2012. 632 с.
12. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ В БАНКОВСКОЙ СФЕРЕ // Cyberleninka.ru. URL: https://cyberleninka.ru/ (дата обращения: 09.10.2025).
13. Информационное сообщение Банка России от 28.02.2025 «Банк России сохранил значения макропруденциальных лимитов по необеспеченным потребительским кредитам». URL: http://www.consultant.ru/ (дата обращения: 09.10.2025).
14. Каджаева М.Р., Дубровская С.В. Банковские операции. М.: Академия, 2011. 400 с.
15. Ковалев В.В. Финансы: учебник. М.: ТК Велби, Изд-во Проспект, 2007. 610 с.
16. Ковалев П.П. Банковский риск-менеджмент: учеб. пособие. М.: Финансы и статистика, 2009. 303 с.
17. Козлова И.К., Купрюшина Т.А., Богданкевич О.А., Немаева Т.В. Анализ деятельности банков: учеб. пособие. Минск.: Высшая Школа, 2010. 240 с.
18. Колесников В.И., Кроливецкая Л.П. Банковское дело: Учебное пособие. М.: Финансы и статистика, 2010. 632 с.
19. Коробова Г.Г. Банковское дело: учебник. М.: Магистр, 2012. 592 с.
20. Коссова Т.В., Коссова Е.В. Оценка кредитного риска компаний российского корпоративного сектора на основе прогнозирования вероятности дефолта по обязательствам // Проблемы анализа риска. 2011. № 2. С. 69—71.
21. Костерина Т.М. Банковское дело: учебник для бакалавров. М.: Юрайт, 2012. 332 с.
22. Костерина Т.М. Банковское дело: учебно-практическое пособие. М.: Изд. центр ЕАОИ, 2009. 360 с.
23. Кредитоспособность заемщика — основа для управления кредитным риском // Банковское дело. 2010. № 5. С. 38.
24. Лаврушина О.И. Управление деятельностью коммерческого банка (Банковский менеджмент).

    М.: Юрист, 2010. 668 с.

25. Малеев Д.В. Потребительский кредит как форма банковского кредита // Финансы и кредит. 2007. № 6. С. 83—85.
26. Методы минимизации кредитных рисков на основе оценки кредитоспособности заемщиков // Cyberleninka.ru. URL: https://cyberleninka.ru/ (дата обращения: 09.10.2025).
27. МиниМизация кредитного риска и ценообразование в сфере банковских услуг CREDIT RISK MINIMIZATION WAYS AND PRICING OF BANKING SERVICES. URL: https://mir-nayka.com/ (дата обращения: 09.10.2025).
28. Мурадова С.Ш., Алексеева Е.В. Банковское дело: учеб. пособие. М.: ЭСКИМО, 2009. 248 с.
29. О банках и банковской деятельности: Федеральный закон от 02.12.1990 г. № 395-I (с изменениями от 11.07.2011 г.).
30. О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности: Положение Банка России от 26.03.2004 г. № 254-П.
31. О практике и теории банковского бизнеса // Банковское дело. 2010. № 6 (198).
32. Об ипотеке (залоге недвижимости): Федеральный закон от 16.07.1998 г. № 102-ФЗ.
33. Потребительский кредит никому не повредит // Российская газета. 2011. № 3. С. 5.
34. ПРОБЛЕМЫ РАЗВИТИЯ РОССИЙСКОГО РЫНКА РОЗНИЧНОГО БАНКОВСКОГО КРЕДИТОВАНИЯ // Cyberleninka.ru. URL: https://cyberleninka.ru/ (дата обращения: 09.10.2025).
35. Романова М.В. Банковская деятельность. М.: БДЦ Пресс, 2ро009. 312 с.
36. Рост потребительского кредитования в РФ в 2024 году замедлился до 11,2% // Finmarket.ru. URL: https://www.finmarket.ru/ (дата обращения: 09.10.2025).
37. Сарнаков И. Соотношение понятий «банковский кредит» и «банковская ссуда» // Право и экономика. 2008. № 6.
38. Сбитнев В. Потребитель и банки // ЭЖ-Юрист. 2012. № 2.
39. Семибрат��ва О.И. Банковское дело учебник. М.: Академия, 2009. 224 с.
40. Современный скоринг: использование big data и machine learning // NBJ.ru. URL: https://nbj.ru/ (дата обращения: 09.10.2025).
41. Тедеев А.А. Банковское право. Учебник. М.: ЭСКИМО, 2008. 177 с.
42. УПРАВЛЕНИЕ РИСКОМ НЕВОЗВРАТА КРЕДИТА В СФЕРЕ РОЗНИЧНОГО КРЕДИТОВАНИ // Urfu.ru. URL: https://urfu.ru/ (дата обращения: 09.10.2025).
43. Федеральный закон о потребительском кредите: нововведения в 2025. URL: https://fcbg.ru/ (дата обращения: 09.10.2025).
44. Челноков В.А. Банки и банковские операции. М.: Высшая школа, 2009. 291 с.