Организация кредитного процесса в ПАО «Сбербанк» в условиях цифровой трансформации и риск-ориентированного регулирования

метки: Кредитный, Сбербанк, Уровень, Лимит, Задолженность, Оценка, Обеспечение, Дефолт

ПРИОРИТЕТ №1: РЕЛЕВАНТНЫЙ ФАКТ. Совокупный кредитный портфель ПАО «Сбербанк» по состоянию на апрель 2025 года достиг колоссального объема в 44,7 трлн рублей, при этом доля обесцененных кредитов (NPL) остается на уровне всего 2,0%. Эта диспропорция — огромный объем активов при минимальном уровне проблемности — является прямым свидетельством высокой эффективности и технологической продвинутости кредитного процесса, который сегодня функционирует на стыке жестких регуляторных требований, искусственного интеллекта и Big Data.

Глава 1. Теоретико-правовые основы кредитной деятельности и управления риском

Организация кредитного процесса в современной банковской системе Российской Федерации перестала быть исключительно внутренней прерогативой кредитной организации. В условиях цифровизации, макроэкономической волатильности и последовательного внедрения международных стандартов (Базель III) кредитная деятельность трансформировалась в сложную, высокотехнологичную систему, где каждое решение должно быть не только экономически обосновано, но и юридически безупречно, а также прогностически верифицировано. Актуальность исследования обусловлена необходимостью академического осмысления того, как крупнейший игрок финансового рынка — ПАО «Сбербанк» — интегрирует регуляторные требования Банка России и передовые технологии для обеспечения устойчивости и прибыльности своего кредитного портфеля, поскольку именно от этой интеграции зависит его долгосрочная конкурентоспособность.

Сущность, принципы и этапы кредитного процесса в коммерческом банке

Кредитный процесс (КП) представляет собой динамичную, четко структурированную совокупность взаимосвязанных этапов, целью которых является предоставление, обслуживание и возврат кредита, а также минимизация сопутствующих рисков. По своей сути, КП является основным бизнес-процессом коммерческого банка, направленным на реализацию его главной функции — посредничества в движении капитала.

Кредитный риск — это риск того, что заемщик не выполнит свои обязательства по кредитному договору в полном объеме или в установленные сроки, что приведет к финансовым потерям для кредитора.

Классический кредитный процесс включает следующую последовательность этапов, которая, несмотря на цифровизацию, сохраняет свою логическую основу:

Правовое регулирование выкупа арендованного имущества: гражданско-правовой ...

... судебной практики в защите интересов добросовестного арендатора, а также детализируем основные налоговые риски и учетные особенности для обеих сторон. Отдельное внимание будет уделено специфике выкупа ... и НДС для Арендодателя Для арендодателя, применяющего общую систему налогообложения, возникают специфические риски, связанные с НДС. Налог на прибыль Если арендные платежи засчитываются в выкупную ...

Этап	Содержание	Особенности в условиях цифровизации
1. Маркетинг и подача заявки	Привлечение потенциальных заемщиков, консультации, прием пакета документов.	Максимальная автоматизация через мобильные приложения и онлайн-платформы. Предварительный скоринг, проактивные лимиты.
2. Оценка кредитоспособности	Анализ финансового состояния, платежеспособности, деловой репутации заемщика и оценка обеспечения.	Использование ИИ, Big Data, нейросетей для мгновенного цифрового скоринга (до 1 минуты). Расчет PD, LGD, EAD.
3. Принятие решения	Передача результатов анализа в коллегиальные органы (Кредитный комитет) или автоматизированную систему для финального решения.	Децентрализация принятия решений: мелкие/розничные кредиты — AI, крупные/корпоративные — Кредитный комитет.
4. Выдача кредита	Подписание договора, юридическое оформление обеспечения, перечисление средств.	Полное юридическое оформление через ЭДО (электронный документооборот) и цифровые подписи.
5. Мониторинг и сопровождение	Постоянный контроль финансового состояния заемщика, своевременности платежей и качества обеспечения.	Проактивный мониторинг через транзакционные данные и «триггеры проблемности», использование систем раннего оповещения.
6. Работа с проблемными активами	Реструктуризация, взыскание, списание задолженности.	Автоматизированная сегментация проблемного портфеля (системы «зон внимания»).

Регуляторные требования Банка России как основа риск-менеджмента СЗКО

Организация кредитного процесса в ПАО «Сбербанк» как Системно Значимой Кредитной Организации (СЗКО) жестко регламентирована Банком России и подчинена принципам Базель III, направленным на повышение финансовой устойчивости и прозрачности банковской системы.

Фундаментальные нормативные акты и Базель III

Ключевым механизмом учета кредитного риска является требование к формированию резервов. Это регулируется Положением Банка России от 28.06.2017 № 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам…». Этот документ обязывает банк классифицировать ссуды по категориям качества (от I до V) и, исходя из этого, формировать адекватные резервы. Следует отметить, что консервативное резервирование, продиктованное этим Положением, является ключевым фактором, позволившим Сбербанку поддерживать впечатляющий показатель покрытия резервами (142,2%) даже в условиях экономической турбулентности.

В условиях тотальной цифровизации критически важным становится управление не только кредитным, но и операционным риском, включая информационную безопасность. Это регулируется Положением Банка России от 08.04.2020 № 716-П, которое устанавливает требования к системе управления операционным риском в кредитных организациях. Для Сбербанка, который обрабатывает миллиарды цифровых транзакций и использует ИИ-системы, соответствие 716-П является залогом непрерывности и безопасности кредитного процесса.

Влияние статуса СЗКО и требований к капиталу

Статус СЗКО накладывает на Сбербанк дополнительные требования, прежде всего, в части достаточности капитала, что прямо влияет на кредитную активность. Эти требования устанавливаются Инструкцией Банка России от 29.11.2019 № 199-И.

1. Надбавки к капиталу: Для СЗКО Банк России устанавливает дополнительные надбавки к нормативу достаточности капитала (Н1.0), включая контрциклическую надбавку и надбавку за системную значимость. Эти меры служат «подушкой безопасности» и ограничивают чрезмерный рост кредитования в периоды экономического бума.
2. NSFR: Порядок расчета норматива структурной ликвидности (Net Stable Funding Ratio, NSFR), введенный в рамках Базель III, регулируется Положением Банка России от 26.07.2017 № 596-П. NSFR требует, чтобы долгосрочные активы банка финансировались стабильными источниками, что влияет на структуру фондирования и, соответственно, на долгосрочное кредитование.

Таким образом, кредитный процесс в Сбербанке находится под постоянным регуляторным давлением, которое обеспечивает его устойчивость, но одновременно требует технологической гибкости для сохранения конкурентоспособности. В конце концов, как можно конкурировать на рынке, если каждое кредитное решение должно быть моментальным, но при этом безупречно соответствовать сложной системе нормативов?

Глава 2. Методология оценки кредитоспособности и организационное обеспечение процесса в ПАО «Сбербанк»

Современная методология оценки кредитоспособности в ПАО «Сбербанк» является ключевым элементом его конкурентного преимущества. Банк перешел от рутинной статистической оценки к интегрированной модели, управляемой искусственным интеллектом, что позволило радикально сократить время принятия решений и повысить прогностическую точность.

Цифровая трансформация кредитного цикла: применение AI и Big Data для скоринга

Цифровой скоринг в Сбербанке — это не просто автоматизация, это полная смена парадигмы. Если раньше скоринг основывался на небольшой выборке исторических данных и анкетах, то сегодня AI-модели оперируют колоссальными массивами Big Data.

Для оценки физических лиц используются комплексные собственные AI-модели, которые интегрируют не только стандартные кредитные истории и доходы, но и:

• Транзакционную активность по картам и счетам;
• Поведение в мобильном приложении и цифровых сервисах;
• Социально-демографические паттерны.

В результате, время принятия окончательного кредитного решения по физическим лицам в целевом режиме составляет менее 90 секунд, а во многих случаях — около одной минуты. Это позволяет банку не только оперативно реагировать на заявки, но и проактивно предлагать клиентам кредитные лимиты, рассчитанные ИИ на основе анализа их финансового профиля. В корпоративном сегменте, особенно для МСБ, внедрение ИИ также критически важно. Более 80% выдач кредитов малому и микробизнесу, а также значительная часть краткосрочного кредитования среднего бизнеса, проводится с помощью ИИ-систем. Эти системы анализируют не только бухгалтерскую отчетность, но и косвенные факторы (например, динамику расчетов с контрагентами, изменения в структуре запасов), повышая качество оценки рисков. Более того, эти системы позволяют выявлять скрытые триггеры проблемности на ранних этапах.

Практическая реализация IRB-подхода (PD, LGD, EAD) в системе оценки кредитного риска

Ключевой академический и практический элемент современной системы риск-менеджмента ПАО «Сбербанк» — это переход к подходу, основанному на внутренних рейтингах (IRB-подход), который регламентируется Положением Банка России от 06.08.2015 № 483-П. Этот подход позволяет банку использовать собственные модели для расчета ключевых компонентов кредитного риска, что, при одобрении ЦБ, дает возможность оптимизировать требования к капиталу.

IRB-подход основан на расчете трех ключевых параметров, которые лежат в основе формулы ожидаемых потерь (EL — Expected Loss):

EL = PD * LGD * EAD

Глубокий академический анализ показывает, как именно AI-модели Сбербанка используются для расчета этих параметров, обеспечивая соответствие 483-П:

1. PD (Probability of Default) – Вероятность дефолта

PD – это вероятность того, что контрагент нарушит существенные условия договора в течение года.

• Расчет: В Сбербанке PD рассчитывается с помощью сложных машинных обучающих моделей (например, нейросетей, градиентного бустинга), обученных на огромных исторических данных о дефолтах. Для розницы модель PD использует сотни поведенческих и транзакционных переменных, которые позволяют оценить благонадежность с высокой точностью, недоступной для традиционных статистических скорингов.

2. LGD (Loss Given Default) – Потери при дефолте

LGD – доля потерь, которую понесет банк в случае дефолта заемщика после реализации обеспечения.

• Расчет: LGD напрямую зависит от качества, типа и ликвидности обеспечения. ИИ-модели используются для оценки рыночной стоимости залогов (например, недвижимости или оборудования), скорости их реализации и прогнозирования юридических издержек. Для ипотечных кредитов, где залог (квартира) высоколиквиден, LGD будет ниже, чем для необеспеченных потребительских кредитов.

3. EAD (Exposure at Default) – Сумма под риском

EAD – общая сумма обязательств контрагента, подверженная кредитному риску на момент дефолта.

• Расчет: Для стандартных ссуд EAD равна сумме остатка долга. Однако для условных обязательств (например, кредитных карт, овердрафтов, лимитов) EAD включает не только текущую задолженность, но и неиспользованный лимит, который заемщик может выбрать до момента дефолта. AI-системы прогнозируют, какую часть лимита заемщик вероятнее всего использует, основываясь на его историческом поведении.

Интегрируя эти расчеты в автоматизированные системы, Сбербанк не только соблюдает требования 483-П, но и получает мощный инструмент для динамического управления резервами и капиталом.

Роль коллегиальных органов и системы лимитов в управлении кредитным риском

Эффективное управление кредитным риском требует не только технологической базы, но и четкой иерархии принятия решений и системы ограничений.

Иерархия управления риском

1. Наблюдательный совет (НС): Высший орган управления, который утверждает общую Стратегию управления рисками и капиталом, а также определяет «аппетит к риску» – максимально допустимый уровень риска, который банк готов принять.
2. Правление Банка и Комитет Банка по рискам: Осуществляют оперативное управление совокупным риском и контролируют соблюдение лимитов, установленных НС.
3. Кредитный комитет (КК): Ключевой коллегиальный орган, особенно для крупных корпоративных кредитов. В его состав входят руководители или их заместители из юридического, экономического, финансового департаментов и службы безопасности. КК обеспечивает независимую, многостороннюю оценку кредитного проекта и его соответствие кредитной политике, принимая окончательное решение по наиболее рисковым и крупным сделкам, где автоматизированное решение неприменимо.

Система лимитов и ограничений

Сбербанк использует многоуровневую систему лимитирования, которая защищает банк от чрезмерной концентрации риска:

1. Общий лимит: Ограничивает совокупный объем кредитного портфеля относительно капитала.
2. Лимиты по видам рисков: Например, лимиты на отраслевой риск (нефтегазовая, строительная отрасли) или страновой риск.
3. Лимиты на контрагентов: Лимиты на объем ссудной задолженности для отдельных крупных заемщиков или групп связанных заемщиков.

На уровне банковской системы России, высокая концентрация рисков в крупнейших банках, включая Сбербанк, подтверждается показателем норматива максимального размера крупных кредитных рисков (Н7), который в топ-10 банках достигает 316% (при лимите ЦБ 800%).

В перспективе, регуляторное давление будет усиливаться, поскольку с 2026 года Банк России планирует ввести новый, более жесткий норматив Н30, который будет ограничивать концентрацию рисков относительно основного капитала (Н1.1).

Это потребует от Сбербанка еще более консервативного подхода к формированию крупных кредитных портфелей и может усилить роль Кредитного комитета в утверждении сделок.

Глава 3. Анализ качества кредитного портфеля и совершенствование работы с проблемными активами

Эффективность кредитного процесса в ПАО «Сбербанк» измеряется не только объемом выдач, но, в первую очередь, качеством кредитного портфеля и умением управлять проблемными активами. Анализ динамики за период 2023–2025 годов показывает способность банка расти, сохраняя при этом высокий уровень контроля над рисками, даже в условиях макроэкономической волатильности и жесткого регулирования.

Динамика, структура и качество кредитного портфеля ПАО «Сбербанк» (2023–2025 гг.)

Кредитный портфель Сбербанка демонстрирует уверенный рост, оставаясь крупнейшим в России.

Показатель	Конец 2023 года	Апрель 2025 года	Динамика (2023–2025)
Корпоративный портфель	23,3 трлн руб.	27,2 трлн руб.	Рост
Розничный портфель	15,6 трлн руб.	17,5 трлн руб.	Рост
Совокупный портфель	38,9 трлн руб.	44,7 трлн руб.	Рост на 14.9%
В т.ч. Ипотека (в рознице)	~10 трлн руб.	11,1 трлн руб.	Стабильный рост

Влияние макропруденциальных лимитов (МПЛ)

С 2023 года Банк России активно применяет макропруденциальные лимиты (МПЛ), ограничивая долю выдач высокорисковых необеспеченных потребительских кредитов (с высоким показателем долговой нагрузки – ПДН).

Это регулирование оказало прямое и измеримое влияние на структуру выдач Сбербанка. До введения МПЛ доля выдаваемых высокорисковых кредитов (с ПДН более 50%) достигала 60% во II квартале 2023 года. В результате жестких ограничений, к IV кварталу 2024 года эта доля снизилась до 26%. Это свидетельствует о том, что регуляторные меры успешно сдерживают накопление системного риска в сегменте необеспеченного потребительского кредитования, вынуждая банк фокусироваться на более качественных заемщиках, что положительно сказывается на будущем качестве портфеля.

Оценка эффективности риск-менеджмента через показатели NPL и Стоимости риска

Качество кредитного портфеля ПАО «Сбербанк» остается одним из лучших в российском банковском секторе, что подтверждается ключевыми показателями.

Уровень NPL (Non-Performing Loans)

Доля обесцененных кредитов (NPL) — это кредиты, по которым просрочка превышает 90 дней или которые имеют признаки обесценения.

• На ноябрь 2023 года NPL в портфеле Сбербанка составляла всего 2,0%.
• Доля кредитов 3 стадии (обесцененные) снизилась до 3,4% по итогам IV квартала 2023 года.

Эти показатели значительно ниже среднерыночных, что является прямым доказательством эффективности автоматизированной системы скоринга и мониторинга, использующей ИИ-модели PD/LGD/EAD.

Резервирование и Стоимость риска (CoR)

Для покрытия возможных потерь банк создает резервы. Высокое качество резервирования подтверждается показателем покрытия:

• Отношение совокупного объема резервов к обесцененным кредитам (NPL Coverage Ratio) на конец 2023 года составляло 142,2%. Это означает, что на каждый рубль проблемного долга банк имеет 1 рубль 42 копейки резервов, что демонстрирует консервативный и надежный подход к управлению капиталом.

Стоимость риска (Cost of Risk, CoR) отражает долю отчислений в резервы относительно среднего работающего портфеля. Это ключевой индикатор потенциальных потерь.

• В 2024 году CoR составила 1,5%.
• В I квартале 2025 года, на фоне стабилизации макроэкономической ситуации и усиления МПЛ, стоимость риска снизилась до 1,24%.

Снижение CoR в начале 2025 года указывает на то, что, несмотря на рост портфеля, качество новых выдач остается высоким, и банк успешно преодолел пиковые риски, связанные с волатильностью 2022–2024 годов.

Практический механизм урегулирования проблемной задолженности в ПАО «Сбербанк»

Работа с проблемными активами в Сбербанке представляет собой высокоорганизованный, централизованный и технологически обеспеченный процесс, который начинается задолго до официального наступления дефолта.

Организационная структура и зоны внимания

Процесс урегулирования задолженности курирует независимый отдел обработки проблемных активов, ключевым элементом которого является Департамент по работе с проблемными активами.

Для корпоративного портфеля используется система раннего предупреждения, которая классифицирует заемщиков по «четырем зонам внимания»:

Зона	Критерии проблемности	Инструменты урегулирования
Зеленая зона	Отсутствие негативных триггеров. Платежи и финансовое состояние стабильны.	Мониторинг в штатном режиме.
Желтая зона	Незначительное отклонение от плановых показателей (например, снижение ликвидности, небольшие задержки в предоставлении отчетности).	Усиленный контрольный мониторинг, точечные консультации.
Красная зона	Высокая вероятность дефолта. Наличие просрочки от 30 до 90 дней, резкое ухудшение финансовых показателей, корпоративные конфликты.	Применяются специальные техники: начало переговоров о реструктуризации, требование дополнительного обеспечения.
Черная зона	Наступление формальных критериев дефолта (просрочка > 90 дней, банкротство).	Интенсивная отработка: судебное взыскание, реализация залогов, списание.

Стратегии урегулирования

Стратегия работы с долгом определяется, исходя из потенциала заемщика и зоны проблемности:

1. Реструктуризация: Применяется к заемщикам в «Красной зоне» с сохраняющимся бизнес-потенциалом. Цель — восстановление платежеспособности за счет изменения графика платежей, снижения ставки или предоставления отсрочки. Реструктуризация позволяет банку избежать списания и сохранить клиента.
2. Взыскание: Применяется в «Черной зоне», когда восстановление заемщика невозможно. Розничная просроченная задолженность передается собственному коллекторскому агентству банка — Коллекторскому агентству «АБК», что обеспечивает высокий уровень контроля над процессом и соблюдение законодательства. Для корпоративных долгов используется судебное взыскание и реализация обеспечения.

Благодаря этой структурированной и технологически поддержанной системе, Сбербанк поддерживает низкий уровень NPL и высокую эффективность возврата проблемных активов. Каков же будет следующий шаг в автоматизации работы с «Черной зоной»?

Заключение: Выводы и направления совершенствования кредитного процесса

Проведенное исследование подтверждает, что организация кредитного процесса в ПАО «Сбербанк» находится на передовом уровне технологической и методологической зрелости, обусловленной сочетанием жесткого риск-ориентированного регулирования и активной цифровой трансформации.

Ключевые выводы:

1. Интеграция Регулятора и Технологии: Кредитный процесс Сбербанка полностью соответствует требованиям Базель III и Банка России (Положения № 590-П, № 716-П, Инструкция № 199-И), а статус СЗКО требует повышенного уровня капитализации и консервативного резервирования.
2. AI-Driven Методология: Банк успешно перешел к AI-driven скорингу, используя Big Data и нейросети для мгновенного принятия решений (до 1 минуты в рознице) и проактивного лимитирования.
3. Академическая Практика IRB: Внутренняя методика оценки риска в Сбербанке, соответствующая требованиям Положения № 483-П, позволяет проводить точный расчет ключевых параметров риска (PD, LGD, EAD), что является основой для управления капиталом и резервами.
4. Управляемое Качество Портфеля: Несмотря на агрессивный рост совокупного портфеля до 44,7 трлн руб. (на 2025 г.), банк сохраняет низкий уровень NPL (2,0%) и высокий уровень покрытия резервами (142,2%).

   Эффективность риск-менеджмента подтверждается стабилизацией Стоимости риска (1,24% в I кв. 2025 г.), что частично достигнуто благодаря своевременному внедрению макропруденциальных лимитов (МПЛ), снизивших долю высокорисковых кредитов с 60% до 26%.

5. Системная Работа с Проблемными Активами: Эффективность урегулирования обеспечивается четкой организационной структурой и классификацией задолженности по «четырем зонам внимания» (Зеленая/Желтая/Красная/Черная), что позволяет применять индивидуальные, проактивные стратегии (реструктуризация или взыскание через собственное АБК).

Направления совершенствования кредитного процесса:

1. Усиление проактивного стресс-тестирования: В условиях предстоящего введения более жесткого норматива Н30 (с 2026 года), необходимо интегрировать в AI-модели более сложный анализ концентрации рисков относительно основного капитала (Н1.1).

   Это позволит заранее моделировать влияние новых регуляторных требований на кредитную политику и принимать решения о лимитах до наступления регуляторных ограничений.

2. Эволюция LGD-моделей: Применение генеративных нейросетей для более точного прогнозирования цен реализации залогов (в частности, в сегменте корпоративных кредитов) и учета макроэкономических шоков при расчете LGD. Это повысит точность формирования резервов и снизит Cost of Risk.
3. Гибридный контроль: Усиление роли Кредитного комитета в анализе результатов AI-скоринга по крупным корпоративным сделкам. Создание «гибридных» комитетов, где человеческая экспертиза фокусируется исключительно на неочевидных факторах (например, политическом риске или сложном структурировании сделки), а рутинный анализ полностью делегируется ИИ.

Список использованной литературы

1. Сокращенные результаты ПАО Сбербанк по РПБУ за 4М 2025 года. URL: https://www.sberbank.com (дата обращения: 08.10.2025).
2. Модели вероятности дефолта: практические аспекты разработки и подводные камни. URL: https://habr.com (дата обращения: 08.10.2025).
3. Положение Банка России от 28.06.2017 N 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной задолженности и приравненной к ней задолженности». Доступ из справ.-правовой системы «КонсультантПлюс».
4. Как банки используют искусственный интеллект в обслуживании бизнеса. URL: https://www.vedomosti.ru (дата обращения: 08.10.2025).
5. Текущие технологии и методы кредитного скоринга в ПАО «Сбербанк». URL: https://kampus.ai (дата обращения: 08.10.2025).
6. ИИ оценивает риски и принимает кредитное решение по физическим лицам за 1 минуту. URL: https://myfin.by (дата обращения: 08.10.2025).
7. СИСТЕМА УПРАВЛЕНИЯ РИСКАМИ НА ПРИМЕРЕ СБЕРБАНКА РОССИИ. URL: https://sseu.ru (дата обращения: 08.10.2025).
8. Полный рейтинговый отчет по ПАО Сбербанк. URL: https://acra-ratings.ru (дата обращения: 08.10.2025).
9. О мерах по реализации Базеля III и о регулировании деятельности системно значимых банков. URL: https://cbr.ru (дата обращения: 08.10.2025).
10. EL = PD (%) LGD (%) EAD (abs).

    URL: https://mgimo.ru (дата обращения: 08.10.2025).

11. Положение Банка России от 8 апреля 2020 г. № 716-П «О требованиях к системе управления рисками и капиталом кредитной организации и банковской группы». Доступ из справ.-правовой системы «Гарант».
12. Анализ кредитной деятельности ПАО «Сбербанк России». URL: https://studfile.net (дата обращения: 08.10.2025).
13. Проблемные долги: подход, стратегии и инструменты «Сбербанка». URL: https://legalacademy.ru (дата обращения: 08.10.2025).