Потребительское кредитование физических лиц в Российской Федерации: Анализ динамики, макропруденциального регулирования и риск-менеджмента в 2022–2025 гг.

метки: Кредит, Заемщик, Анализ, Оценка, Развитие, Условие, Позволять, Россия

ПРИОРИТЕТ №1: РЕЛЕВАНТНЫЙ ФАКТ

По состоянию на начало 2025 года, средневзвешенная процентная ставка по необеспеченным потребительским кредитам в России достигла критического уровня в 33,41% годовых. Этот показатель не просто отражает высокую стоимость фондирования, но и служит четким индикатором высокого уровня кредитного риска, который банки вынуждены закладывать в стоимость продукта, а также прямого влияния жесткой монетарной политики Центрального Банка РФ. В условиях такого ценового давления и беспрецедентного регуляторного ужесточения, традиционные подходы к потребительскому кредитованию окончательно утратили свою актуальность, требуя глубокой перестройки теоретической базы, эмпирического анализа и методологии управления рисками. И что из этого следует? Следует то, что банки, не освоившие прецизионный риск-менеджмент, будут вытеснены с рынка, поскольку не смогут генерировать достаточную чистую процентную маржу при таком уровне регуляторных надбавок.

Теоретические основы и современная структура рынка потребительского кредитования

Актуальность настоящего исследования продиктована кардинальными изменениями на российском финансовом рынке в период 2022–2025 годов. Устаревший академический материал, основанный на данных начала 2010-х годов, не способен отразить текущую реальность, характеризующуюся доминированием макропруденциального регулирования, массовым внедрением искусственного интеллекта в скоринг и структурными сдвигами, вызванными высокой ключевой ставкой, поэтому без новой методологической базы не обойтись.

Предметом исследования являются экономические отношения, возникающие в процессе формирования и развития рынка потребительского кредитования физических лиц. Объектом исследования выступают механизмы функционирования кредитного портфеля коммерческого банка в условиях макроэкономических вызовов и цифровой трансформации.

Автокредитование в РФ: Комплексный Анализ, Проблемы и Перспективы ...

... методы исследования. Наша методология включает следующие этапы: Сбор и анализ статистических данных: Использование официальных отчетов Центрального Банка РФ, данных Национального Бюро Кредитных Историй ... (ключевая ставка, инфляция, доходы населения), государственной поддержкой и динамикой рынка автокредитования применяется метод цепных подстановок. Этот метод позволяет последовательно определить ...

Экономическая сущность и функции потребительского кредита

В соответствии с Федеральным законом от 21.12.2013 № 353-ФЗ «О потребительском кредите (займе)», потребительский кредит определяется как денежные средства, предоставляемые кредитором заемщику на основании кредитного договора (договора займа), в целях, не связанных с осуществлением предпринимательской деятельности, в том числе с установлением лимита кредитования.

С точки зрения экономической сущности, потребительский кредит выполняет ключевые функции:

1. Перераспределительная функция: Кредит обеспечивает перераспределение временно свободных денежных средств от кредиторов к заемщикам, стимулируя платежеспособный спрос населения.
2. Стимулирующая функция: Позволяет домохозяйствам сглаживать потребление во времени, получая доступ к товарам и услугам немедленно, что важно для поддержания экономического роста.
3. Контрольная функция: Через механизмы оценки кредитоспособности и мониторинга задолженности банк осуществляет контроль за финансовым состоянием заемщика и уровнем закредитованности населения в целом.

Современная классификация потребительских кредитов и ее особенности в РФ

Современная классификация потребительских кредитов базируется на нескольких ключевых признаках, однако для российского рынка 2022–2025 гг. критически важными являются критерии целевого назначения и обеспечения, поскольку они напрямую определяют уровень риска, стоимость кредита и регуляторные требования.

Таблица 1. Сравнительный анализ основных видов потребительских кредитов и их стоимости (Начало 2025 г.)

Критерий классификации	Вид кредита	Особенности	Средневзвешенная ставка (Начало 2025 г.)
По обеспечению	Необеспеченный (нецелевой)	Выдается без залога и поручительства, высокий риск.	33,41%
	Обеспеченный (залоговый)	Требует залога (например, ТС), меньший риск.	28,75%
По цели	POS-кредит	Целевой, выдается в точке продаж, часто с субсидированием ставки продавцом.	Варьируется, часто ниже нецелевого.
	Кредитная карта	Возобновляемая кредитная линия с грейс-периодом.	Высокая (до 40% и выше), но 0% в грейс-период.

Существенный разрыв в стоимости фондирования. Анализ процентных ставок подтверждает, что в условиях высокой ключевой ставки разница в стоимости между необеспеченными и залоговыми кредитами становится существенной. Необеспеченные кредиты («на неотложные нужды»), несущие максимальный риск дефолта, оцениваются банками значительно выше (разница составляет 4,66 п.п.).

Более того, средневзвешенная ставка по краткосрочным розничным кредитам (до 1 года) в декабре 2024 года достигла 32,7% годовых, что является прямым следствием попыток банков компенсировать регуляторные надбавки и высокую стоимость привлечения ресурсов.

POS-кредитование. Этот сегмент, получивший мощное развитие в период цифровизации, представляет собой целевой кредит, выдаваемый непосредственно в торговой точке. Его особенность — высокая скорость принятия решения и частое посредничество торговой фирмы, которая может выступать поручителем или субсидировать процентную ставку, делая кредит более привлекательным для конечного потребителя, но сохраняя риски для банка. Какой важный нюанс здесь упускается? Упускается то, что субсидирование ставки часто маскирует высокую реальную стоимость товара или услуги, перекладывая часть финансовой нагрузки на продавца, а не на банк.

Динамика и макроэкономические факторы развития рынка (2022–2025 гг.)

Ключевой тенденцией последних лет стало формирование рынка, где доминируют не рыночные механизмы, а регуляторные ограничения Центрального Банка РФ, направленные на ограничение системных рисков и охлаждение темпов роста долговой нагрузки населения.

Динамика и структурные изменения кредитного портфеля физических лиц

Период 2022–2025 гг. характеризуется крайне нестабильной динамикой. После низких темпов роста в 2022 году (около 3%), рынок продемонстрировал пиковое восстановление в 2023 году (рост портфеля на 15,7%), что было вызвано адаптацией банков к геополитическим реалиям и активным поиском высокодоходных активов. Однако в 2024 году, в результате повышения ключевой ставки и многократного ужесточения макропруденциальных лимитов, темпы прироста портфеля замедлились до 11,2%.

Прогнозное замедление. Анализ прогнозов ЦБ РФ показывает, что в 2025 году ожидается еще более существенное охлаждение. Скорректированный прогноз диапазона роста розничного кредитования был сужен до 1–4%, что, безусловно, свидетельствует о том, что регуляторные меры достигли своей цели, сместив акценты кредитования в сторону менее рисковых сегментов.

Структурный сдвиг. Наблюдается явное изменение структуры розничного портфеля. Доля необеспеченного потребительского кредитования в общем объеме кредитования населения сократилась с 40,3% до 38,2% в течение 2024 года. Это обусловлено тем, что банки стали более активно развивать ипотечное кредитование (в том числе льготное), в то время как нецелевые кредиты стали слишком дорогими и высокорисковыми из-за регуляторных надбавок.

Роль и влияние макропруденциальной политики ЦБ РФ (МПЛ и ПДН)

Ключевым инструментом, изменившим ландшафт рынка, стали макропруденциальные лимиты (МПЛ), введенные ЦБ РФ. Их цель — ограничить объем выдачи высокорисковых кредитов заемщикам с высокой долговой нагрузкой (ПДН — показатель долговой нагрузки).

Механизм МПЛ основан на ограничении доли кредитов, которые банки могут выдать заемщикам с ПДН выше 50% и выше 80%.

Количественный эффект МПЛ. Введение и последующее ужесточение МПЛ привело к драматическому, но контролируемому снижению доли рискованных выдач:

• Во II квартале 2023 года доля выдаваемых необеспеченных потребительских кредитов с ПДН более 50% составляла 60%.
• К середине 2025 года, благодаря последовательному ужесточению, этот показатель снизился до 22%.

Данное снижение является прямым доказательством эффективности макропруденциальных мер в ограничении чрезмерного роста долговой нагрузки населения и снижении системного кредитного риска. Банки вынуждены либо отказывать высокорисковым клиентам, либо предлагать им существенно меньшие суммы кредита, что ведет к снижению среднего чека, но разве не приведет ли это к увеличению спроса на услуги микрофинансовых организаций?

Проблема регулятивного арбитража и ужесточение требований

В ответ на введение МПЛ участники рынка стали искать способы обхода регуляторных требований, явление, известное как регулятивный арбитраж. Одним из наиболее распространенных способов стала выдача нецелевых потребительских кредитов под залог транспортного средства. Формально такие кредиты являются обеспеченными и классифицируются в отдельную категорию, на которую изначально не распространялись жесткие МПЛ, применимые к необеспеченным кредитам наличными.

Ответ ЦБ РФ. Для ограничения этого арбитража и предотвращения накопления скрытого риска, ЦБ РФ принял решительные меры. С 1 ноября 2024 года были повышены макропруденциальные надбавки именно по нецелевым кредитам под залог транспортного средства.

Регулятор установил высокие мультипликаторы к коэффициентам риска для таких кредитов, которые напрямую зависят от ПДН заемщика, что делает выдачу высокорисковых залоговых кредитов невыгодной для банка:

• ПДН 50–60%: мультипликатор 1,7
• ПДН 70–80%: мультипликатор 2,3
• ПДН более 80%: мультипликатор 2,9

Таким образом, ЦБ РФ демонстрирует глубокую проработку регуляторных механизмов, оперативно реагируя на попытки обхода и закрывая потенциальные «дыры» в системе риск-менеджмента.

Цифровизация, ИИ и современные методы управления кредитным риском

В условиях жесткого регулирования и необходимости минимизации операционных расходов, цифровизация и внедрение технологий искусственного интеллекта (ИИ) стали не конкурентным преимуществом, а обязательным условием выживания и эффективности на рынке потребительского кредитования.

Применение технологий искусственного интеллекта (ИИ) в кредитном скоринге

Современный кредитный скоринг отошел от использования простых линейных моделей, основанных на ограниченном наборе параметров (зарплата, стаж, наличие имущества).

Сегодняшние методы оценки кредитоспособности физических лиц основаны на анализе больших данных (Big Data) с использованием нейронных сетей (НС) и машинного обучения (МО).

Продвинутый PD-скоринг НБКИ. Одним из ярких примеров является разработка Национального бюро кредитных историй (НБКИ) — модель Digital Score, основанная на ИИ. Этот инструмент позволяет прогнозировать вероятность просрочки кредита более чем на 90 дней (вероятность дефолта, PD) с невиданной ранее точностью. Как результат, ИИ-скоринг дает банку неоценимое преимущество в жестких регуляторных условиях.

Ключевые результаты внедрения ИИ-скоринга:

• Повышение точности прогноза: Точность прогнозной оценки вероятности дефолта заемщика повышается на 15–20%.
• Снижение дефолтности: По оценкам, использование продвинутых моделей позволяет в 1,6 раза уменьшить дефолтность розничных кредитов банков-партнеров.

ИИ анализирует не только официальные данные из БКИ, но и поведенческие паттерны, транзакционную активность, геолокацию и иные неструктурированные данные, что позволяет получить более полную и объективную картину финансового профиля клиента.

Модель «Кредитная фабрика» как основа автоматизации кредитного цикла

Концепция «Кредитной фабрики» (Credit Factory) — это не просто автоматизация, а построение кредитного цикла на промышленной основе, что позволяет банку достичь высокой производительности, стандартизации процессов, и, как следствие, снижения операционных расходов.

В современных условиях, когда регулятор требует мгновенного расчета ПДН, а рынок — быстрой выдачи, «Кредитная фабрика» является ключевым элементом банковской стратегии. Она объединяет:

1. Автоматизированный ввод данных (OCR, распознавание).
2. Моментальный запрос данных в БКИ и государственные реестры.
3. Скоринговую систему (на базе ИИ), которая принимает решение в считанные минуты.
4. Автоматизированное формирование кредитного досье и его юридическое оформление.

Ключ к эффективности. В период ужесточения МПЛ, эффективность «Кредитной фабрики» полностью зависит от точной калибровки скоринговых моделей. Модели должны быть настроены не только на минимизацию дефолта, но и на максимальное соответствие регуляторным требованиям (например, не превышать установленные ЦБ РФ лимиты выдач с высоким ПДН).

Калибровка на базе Big Data позволяет учитывать особенности различных сегментов (например, самозанятых, которые ранее были сложны для оценки).

Виды скоринга в практике российских банков

Для комплексного управления кредитным риском банки используют не одну, а систему скоринговых моделей, каждая из которых решает свою задачу на определенном этапе жизненного цикла кредита:

1. Заявочный (Application-скоринг): Применяется на этапе рассмотрения заявки. Использует данные, предоставленные клиентом, и информацию из БКИ. Его задача — быстро определить, попадает ли заемщик в допустимый диапазон риска.
2. Поведенческий (Behavioral-скоринг): Применяется к уже действующим клиентам банка. Оценивает вероятность дефолта на основе текущей платежной дисциплины, использования других продуктов банка и транзакционной активности.
3. Мошеннический (Fraud-скоринг): Направлен на выявление признаков мошенничества, поддельных документов или попыток обхода системы.
4. Коллекторский (Collection-скоринг): Используется для управления просроченной задолженностью. Определяет наиболее эффективную стратегию взыскания для конкретного клиента (например, кому стоит звонить, а кому отправить СМС).

Анализ качества кредитного портфеля и финансовой устойчивости банковского сектора

Несмотря на макроэкономические вызовы и жесткое регулирование, российский банковский сектор в 2023–2024 гг. продемонстрировал высокую устойчивость и рекордные финансовые результаты, хотя в структуре кредитного портфеля сохраняются системные риски.

Финансовые результаты крупнейших банков РФ (2023–2024 гг.)

Совокупная чистая прибыль банковского сектора РФ в 2023 году достигла исторического максимума, составив 3,3 трлн рублей, превысив предыдущий максимум 2021 года (2,4 трлн рублей).

Это восстановление стало важным индикатором адаптивности финансовой системы.

Ключевые факторы восстановления прибыли:

1. Сокращение расходов на резервы: В 2022 году банки создали значительные объемы резервов под потенциальные убытки. В 2023 году, по мере стабилизации ситуации, часть этих резервов была расформирована, что привело к положительному эффекту на финансовый результат.
2. Рост доходов: Восстановление основных видов доходов (процентный и комиссионный) за счет роста кредитного портфеля в I полугодии 2023 года.
3. Валютная переоценка: Разовый положительный эффект от переоценки валютных активов.

Лидером по финансовым показателям остается Сбербанк, который по итогам 2023 года заработал около 1,49 трлн рублей. Этот результат свидетельствует о том, что крупнейшие игроки эффективно адаптировались к условиям высоких ставок, переложив основное бремя стоимости фондирования на заемщиков.

Анализ качества портфеля и рисков закредитованности населения

Качество кредитного портфеля является лакмусовой бумажкой эффективности как банковского риск-менеджмента, так и регуляторной политики. Анализ динамики просроченной задолженности показывает двойственный результат.

Просроченная задолженность NPL 90+ (кредиты с просрочкой более 90 дней) в сегменте микрофинансовых организаций (МФО) снизилась до 28% к концу 2024 года, что являлось минимумом с начала 2021 года. Однако к середине 2025 года этот показатель вновь начал расти, составив 28,3% на 30 июня 2025 года.

Краткосрочная просрочка. Гораздо более тревожным сигналом является рост краткосрочной просрочки (NPL 1–90 дней), которая по итогам IV квартала 2024 года выросла до 11%. Это свидетельствует о том, что, несмотря на снижение объемов выдачи высокорисковых кредитов, финансовое положение части заемщиков остается напряженным, и они испытывают трудности с обслуживанием долга в первые месяцы.

Системный риск закредитованности. Главный системный риск связан не только с новыми выдачами, но и с существующим портфелем. На 1 июля 2024 года значительная ча��ть существующего портфеля необеспеченных потребительских кредитов — 53% — приходилась на заемщиков, которые направляют более 50% своего ежемесячного дохода на обслуживание долга (ПДН > 50%).

Эта критически высокая доля закредитованных заемщиков создает структурную уязвимость для банковского сектора в случае падения реальных доходов населения или дальнейшего роста ставок.

Макропруденциальный буфер и перспективы резервирования

Для покрытия потенциальных потерь, возникающих из-за рискованных выдач, ЦБ РФ требует от банков создавать макропруденциальный буфер. По состоянию на конец 2024 года, банки накопили значительный буфер по потребительским кредитам в размере 827 млрд рублей (что составляет около 6,5% от общего портфеля).

Наличие этого буфера повышает устойчивость банков к шокам, но в то же время прогнозируется, что в 2025 году объемы резервирования в розничном сегменте будут повышенными. Это связано как с общим охлаждением экономики и ростом кредитного риска, так и с тем, что банки вынуждены создавать дополнительные резервы под кредиты, выданные до введения жестких МПЛ, когда риск в портфеле был выше. Повышенное резервирование будет сдерживать темпы роста чистой прибыли в 2025 году, несмотря на общее снижение конкуренции за фондирование.

Рекомендации по оптимизации кредитных процессов и управлению рисками

Для поддержания эффективности и доходности в условиях жестких макропруденциальных лимитов и высокой стоимости фондирования, коммерческим банкам необходимо сместить акцент с экстенсивного роста на интенсивную оптимизацию процессов и прецизионный риск-менеджмент.

Оптимизация скоринговых моделей и прогнозирование ПДН

Ключевая рекомендация для коммерческого банка (например, крупного игрока, использующего модель «Кредитная фабрика») — это глубокая перенастройка (калибровка) скоринговых моделей с целью прямого прогнозирования Показателя Долговой Нагрузки (ПДН) потенциального заемщика.

1. Интеграция ПДН в ИИ-скоринг: Стандартный PD-скоринг (вероятность дефолта) должен быть дополнен модулем прогнозирования ПДН. Использование ИИ позволяет не просто рассчитать ПДН на момент подачи заявки, но и спрогнозировать его изменение в краткосрочной перспективе, используя данные о сезонности доходов и обязательных расходах.
2. Автоматическое управление МПЛ: Скоринговая система должна автоматически распределять заявки по «корзинам» ПДН (до 50%, 50–60%, 60–70% и т.д.) и сравнивать объем потенциальной выдачи в каждой корзине с установленными лимитами ЦБ РФ. Это позволяет банку оперативно корректировать политику одобрения и избегать превышения регуляторных лимитов, минимизируя необходимость применения высоких надбавок.
3. Использование Digital Score: Активное сотрудничество с НБКИ и внедрение инновационных моделей (например, Digital Score) для повышения точности оценки на 15–20% позволит банку более уверенно выдавать кредиты менее рисковым клиентам, избегая излишнего резервирования.

Повышение доходности «Кредитной фабрики» через персонализацию

В условиях, когда массовое кредитование ограничено, повышение доходности достигается за счет персонализации и эффективного управления уже существующим портфелем.

1. Дифференциация процентной ставки: Необходимо максимально использовать возможности ИИ для точной оценки риска и установления персонализированной ставки. Для заемщиков с низким ПДН (до 30%) и высоким кредитным рейтингом банку выгодно предлагать ставку ниже рыночной, чтобы привлечь качественный поток и снизить риск конкуренции. Это повышает чистую процентную маржу за счет минимизации дефолтов.
2. Стратегическое использование кредитных карт: Продвижение кредитных карт с длительным и привлекательным грейс-периодом (например, 100 или 120 дней) является эффективным инструментом привлечения высококачественных клиентов, которые используют карту для краткосрочных нужд и вносят платеж до истечения грейс-периода. Это позволяет банку наращивать комиссионный доход и собирать Big Data о клиенте без немедленного увеличения рискового портфеля.
3. Снижение операционных расходов: Продолжение автоматизации «Кредитной фабрики» за счет минимизации ручного труда на всех этапах (верификация документов, проверка залога) позволит снизить операционные расходы на единицу выданного кредита, что критически важно в условиях сужения процентной маржи.

Инициативы по снижению закредитованности населения

Поскольку высокий уровень закредитованности (53% портфеля с ПДН > 50%) является системной проблемой, банкам и регулятору необходимо работать над снижением рисков со стороны спроса.

• Обучающие программы: Банки должны проактивно запускать программы по повышению финансовой грамотности заемщиков, четко объясняя механизм расчета ПДН, последствия превышения оптимального уровня долговой нагрузки и принципы ответственного кредитования.
• Светофор ПДН: На этапе оформления кредита банк должен предоставлять клиенту наглядный «светофор» ПДН, показывающий, в какую категорию риска он попадает и каковы последствия дальнейшего увеличения долга.
• Регуляторные инициативы: Поддержание жесткого курса ЦБ РФ по МПЛ должно быть приоритетом. Важно также рассмотреть возможность введения более прозрачных механизмов реструктуризации долга для заемщиков, попавших в сложную ситуацию, чтобы предотвратить переход краткосрочной просрочки (NPL 1–90 дней) в долгосрочную (NPL 90+), тем самым повышая общую стабильность банковской системы.

Список использованной литературы

1. Федеральный Закон от 02.12.1990 № 395-1 «О банках и банковской деятельности» (в ред. от 01.07.2011 г. № 148-ФЗ).
2. Федеральный закон от 10.07.2002 г. № 86-ФЗ «О Центральном банке Российской Федерации» (в ред. от 03.11.2011 № 291-ФЗ).
3. Федеральный Закон от 30.12.2004 г. №218- ФЗ «О залоге» (в ред. от 03.12.2011 № 389-ФЗ).
4. Федеральный Закон от 07.02.1992 г. № 2300-1 «О защите прав потребителей» (в ред. от 03.06.2009 № 121-ФЗ).
5. Федеральный Закон от 30.12.2004 г. № 218-ФЗ «О кредитных историях» (в ред. от 24.07.2007 № 214-ФЗ).
6. Положение ЦБ РФ от 31.08.1998 г. № 54-П «О порядке предоставления (размещения) кредитными организациями денежных средств и их возврата (погашения)» (с изм. от 27.07.2001).
7. Положение Банка России от 26.03.2004 г. № 2355-У «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» (редакция от 04.12.2009).
8. Указание Банка России от 03.06.2011 г. 2459-У «Об особенностях оценки кредитного риска по отдельным выданным ссудам, ссудной и приравненной к ней задолженности».
9. Инструкция ЦБ РФ от 16.01.2004 г. № 110-И «Об обязательных нормативах банков» (в редакции от 03.11.2011).
10. Аглицкий И.К. Состояние и перспективы информационного обеспечения российских банков // Финансы и кредит. 2006. № 8 (176).
11. Агафонов К., Влавсов О., Щебалин С. Жизнь в займы: Кредитование физических лиц становиться магистральным направлением развития банковского бизнеса. Рынок – в ожидании бума // Эксперт-Урал. 2009. № 42. С. 24-31.
12. Андреев А.А., Быстрова Е.Л. Пластиковые карты. М.: БДЦ-Пресс, 1999. 413 с.
13. Ананьев Д. Н. Банковский сектор России: итоги и перспективы развития // Деньги и кредит. 2009. № 3. С. 3-8.
14. Андрюшин С. А. Состояние банковского сектора и антикризисные меры правительства России // ЭКО Всероссийский экономический журнал. 2009. № 4. С. 39-52.
15. Ауриемма, Майкл Дж., Коли, Роберт С. Индустрия банковских пластиковых карточек / пер. с англ. А.А. Кошкина. М.: ИНФРА-М, 1996. 240 с.
16. Бабич А.М., Павлова Л.Н. Финансы: учебник. М.: НД ФБК – ПРЕСС, 2007. 760 с.
17. Бадалова Л.А. Управление риском потребительского кредитования в кредитных организациях // Банковские услуги. 2010. № 6. С. 40-42.
18. Бажан А.И., Масленников А.А. Состояние российской банковской системы и проблемы ее реструктуризации / Институт Экономики РАН. М.: Издательский дом «21 век – Согласие», 2005. 67 с.
19. Бахтин Д.В. Принципы системной методологии оценки показателей для определения кредитоспособности заемщика // Финансы и кредит. 2002. № 11 (101).
20. Белоглазова Г.Н., Кроливецкой Л.П. Банковское дело: учебник. М.: Финансы и статистика, 2007. 592 с.
21. Буркова А.Ю. Процентная ставка по кредиту // Бизнес и банки. 2010. № 28. С. 1.
22. Букато В.И., Головин В.И. Банки и банковские операции в России. М.: Финансы и статистика, 2007. 366 с.
23. Валитов Ш.М. Стимулирование кредитных вложений в реальный сектор экономики // Финансы и кредит. 2006. № 7(145).
24. Васин А.С. Развитие электронных банковских услуг // Финансовое право. 2005. № 6.
25. Васин А.С. Моделирование и оценка параметров распределения длительности обслуживания клиентов банка // Финансы и кредит. 2004. № 12(150).
26. Ведеев А., Лаврентьева И., Шарикова Е. и др. Банковская система, кризис и перспективы развития. М.: Аналитическая лаборатория «Веди», 1999. 135 с.
27. Едронова В.Н., Хасянова С.Ю. Анализ кредитоспособности заемщика // Финансы и кредит. 2001. № 18 (90).
28. Едронова В.Н., Хасянова С.Ю. Кредитный договор как основа взаимоотношений банка и заемщика // Финансы и кредит. 2008. № 2 (92).
29. Ендронова В.Н., Хасянова С.Ю. Классификация Банковских кредитов и методов кредитования // Финансы и кредит. 2005. №1 (91).
30. Ендронова В.Н., Хасянова С.Ю. Пути совершенствования кредитной политики // Финансы и кредит. 2006. № 4 (94).
31. Ендронова В.Н., Хасянова С.Ю. Стимулирование повышения спроса на кредитные услуги банков: направления маркетинговых усилий по оптимизации клиентской базы // Финансы и Кредит. 2007. №12 (150).
32. Едронова В.Н. Кредитный продукт как категория рыночной экономики // Финансы и кредит. 2004. № 21(159).
33. Жарковская Е.П., Арендс И.О. Банковское дело. М.: Омега-Л, 2006. 400 с.
34. Желтоносов В.М. Рынок сбережений // Финансы и кредит. 2003. № 24 (138).
35. Жуков Е.Ф. Банки и банковские операции. С-Пб, 2008. 234 с.
36. Игнатьева Д.А. Овердрафт в практике российских банков // Финансы и кредит. 2002. № 23(113).
37. Каджаева М. Р., Дубровская С.В. Банковские операции. М.: Академия, 2008. 400 с.
38. Казимагомедов А.А. Операции и услуги коммерческих банков для населения. СПб.: Издательство СПб. Ун-та Экономики и финансов, 1994. 129 с.
39. Киселев В.В. Управление банковским капиталом: теория и практика. М.: Экономика, 1997. 256 с.
40. Ковалева Е.А. Финансы и кредит. М., 2008. 512 с.
41. Костерина Т.М. Банковское дело: учебно-практическое пособие. М.: Изд. центр ЕАОИ, 2009. 360 с.
42. Кхоков И. Потребительский кредит никому не повредит // Российская газета. 2012. №3. С. 5.
43. Ключников М.В. Анализ показателей, характеризующих финансовую деятельность коммерческих банков // Финансы и кредит. 2006. № 20 (134).
44. Курманова Л.Р. Вопросы развития рынка банковских услуг // Финансы и кредит. 2004. № 12 (150).
45. Масленников В.В. Зарубежные банковские системы. М.: Элит-2000, 2001. 389 с.
46. Миловидов В.Д. Современное банковское дело. Опыт США. М.: Приор, 2000. 351 с.
47. Моисеев С.Р. Модели анализа кредитоспособности заемщика // Финансы и кредит. 2008. № 6(96).
48. Молчанов А.В. Коммерческий банк в современной России: теория и практика. М.: Финансы и статистика, 1996. 269 с.
49. Неволина Е.В. Об оценке кредитоспособности заемщиков // Деньги и кредит. 2008. № 10.
50. Осадчий М. Национальный банковский сектор: итоги года, тенденции и прогнозы // Рынок ценных бумаг. 2012. № 2. С. 32-36.
51. Перехожев В.А. Пути совершенствования кредитной политики // Финансы и кредит. 2007. № 4 (94).
52. Пещанская И.В. Организация деятельности коммерческого банка: учеб. Пособие. М.: ИНФРА М, 2008. 320 с.
53. Понамарева Т.А. Качество обслуживания в коммерческом банке – актуальный вопрос современного рынка // Финансы и кредит. 2004. № 26 (164).
54. Романова М. В. Банковская деятельность. М.: БДЦ Пресс, 2009. 312 с.
55. Свиридов О.Ю. Деньги, кредит, банки: учеб. Пособие. М.: ИКЦ «Март», 2007. 480 с.
56. Семибратова О.И. Банковское дело: учебник. М.: Издательский центр «Академия», 2009. 224 с.
57. Смулов А.М. Проблемы кредитной политики и пути их решения // Банковское дело. 2011. № 2. С. 18-22.
58. Скопино И.В. Развитие региональных потребительских рынков // Финансы и кредит. 2004. № 22 (160).
59. Смирнова О.С. Анализ банковских ресурсов методом коэффициентов // Финансы и кредит. 2003. № 1(115).
60. Смирнова О.С. Институциональная роль банков в процессе трансформации сбережений населения в инвестиции // Финансы и кредит. 2004. № 25(163).
61. Суворов А.В. Сравнительный анализ показателей и оценка устойчивости и эффективности финансовой деятельности банка // Финансы и кредит. 2010. № 16(88).
62. Суворов А.В. Стратегия и тактика коммерческих банков в области кредитования // Финансы и кредит. 2006. № 3(93).
63. Суворов А.В. Определение надежности банка в соответствии с требованиями МСФО // Финансы и кредит. 2003. № 20 (134).
64. Суржко А.В. Банковское кредитование и эмиссия ценных бумаг -конкуренция на рынке финансовых инструментов // Финансы и кредит. 2003. № 22(137).
65. Макропруденциальные лимиты [Электронный ресурс] // Банк России. URL: https://www.cbr.ru/faq/mp_limits/.
66. ЦБ видит явное влияние макропруденциальных мер на потребкредитование [Электронный ресурс] // interfax.ru. URL: https://www.interfax.ru/business/930064.
67. ЦБ РФ ужесточает макропруденциальные лимиты и ограничивает пути их обхода [Электронный ресурс] // expert.ru. 30.08.2024. URL: https://expert.ru/2024/08/30/tsb-uzhestochaet-makroprudentsialnyye-limity-i-ogranichivayet-puti-ikh-obkhoda/.
68. Банк России принял ряд решений по макропруденциальной политике [Электронный ресурс] // cbr.ru. URL: https://www.cbr.ru/press/pr/?file=31072025_150201mp.htm.
69. ЦБ РФ сохранил макролимиты по потребкредитам на II квартал на уровне I квартала [Электронный ресурс] // interfax.ru. URL: https://www.interfax.ru/business/947700.
70. ИИ «опрозрачил» кредитные истории россиян [Электронный ресурс] // comnews.ru. 01.03.2024. URL: https://www.comnews.ru/content/232470/2024-03-01/ii-oprozrachil-kreditnye-istorii-rossiyan.
71. Прибыль российских банков [Электронный ресурс] // tadviser.ru. URL: https://www.tadviser.ru/index.php/Статья:Прибыль_российских_банков.
72. Чего ожидать от отчёта Сбербанка за III квартал 2024 [Электронный ресурс] // alfabank.ru. URL: https://alfabank.ru/investments/analytics/posts/chego-ozhidat-ot-otchyota-sberbanka-za-iii-kvartal-2024.
73. Кредитный скоринг на базе ИИ: как нейросети помогают оценить кредитоспособность клиентов [Электронный ресурс] // iq-media.ru. URL: https://iq-media.ru/analitika/kreditnyy-skoring-na-baze-ii-kak-neyroseti-pomogayut-otsenit-kreditosposobnost-klientov/.
74. Что это такое POS-кредитование [Электронный ресурс] // fincult.info. URL: https://fincult.info/faqs/chto-eto-takoe-pos-kreditovanie/.
75. IV квартал 2024 года №1 (12) [Электронный ресурс] // asros.ru. URL: https://asros.ru/upload/iblock/d7c/d7ccb9f1d07b8b709564c7499696b998.pdf.
76. Проблемы и перспективы развития рынка потребительского кредитования [Электронный ресурс] // urfu.ru. URL: https://journals.urfu.ru/index.php/socgum/article/view/1749/1458.
77. КРЕДИТНЫЙ КОНВЕЙЕР КАК ЭФФЕКТИВНЫЙ ИНСТРУМЕНТ БАНКОВСКОЙ ДЕЯТЕЛЬНОСТИ [Электронный ресурс] // cyberleninka.ru. URL: https://cyberleninka.ru/article/n/kreditnyy-konveyer-kak-effektivnyy-instrument-bankovskoy-deyatelnosti.
78. Кредитная фабрика – BFC Credit Factory [Электронный ресурс] // bfconsulting.com. URL: https://www.bfconsulting.com/kreditnaya-fabrika/.
79. ЦБ сохранил прогнозы развития банковского сектора РФ на 2025 год [Электронный ресурс] // interfax.ru. URL: https://www.interfax.ru/business/965825.
80. Рынок банковских услуг в России: итоги 2023 и прогнозы [Электронный ресурс] // frankrg.com. URL: https://frankrg.com/49257.
81. Банковский сектор. Прогнозы и лучшие акции [Электронный ресурс] // alfabank.ru. URL: https://alfabank.ru/investments/analytics/posts/bankovskiy-sektor-prognozy-i-luchshie-aktsii.