Оценка качества кредитного портфеля коммерческого банка в условиях IFRS 9, Базеля III и макропруденциального регулирования ЦБ РФ (2023–2025 гг.)

метки: Кредитный, Обращение, Портфель, Россия, Https, Качество, Кредит, Проблемный

Введение: От методологии понесенных убытков к ожидаемым кредитным потерям

Стремительное изменение макроэкономической конъюнктуры и беспрецедентное ужесточение регуляторных требований за последние десять лет привели к тому, что традиционные подходы к оценке кредитного портфеля, доминировавшие до 2013 года, стали не просто устаревшими, но и неадекватными текущим рыночным реалиям. Если в начале 2010-х годов банки оперировали относительно стабильной и предсказуемой средой, ориентируясь в основном на модель понесенных убытков (incurred loss), то к 2025 году финансовый сектор России функционирует в условиях высокой волатильности, санкционного давления и жесткого макропруденциального регулирования. Из этого следует ключевой вывод: сегодня успешное управление кредитным риском требует не реактивного, а проактивного подхода, интегрированного в стратегическое планирование.

Целью данного исследования является разработка и обоснование современной методологии оценки качества кредитного портфеля коммерческого банка. Эта методология должна органично сочетать требования международных стандартов (IFRS 9, Базель III) и действующую, высокодетализированную нормативную базу Центрального банка Российской Федерации (ЦБ РФ), а также учитывать специфические вызовы российской экономики 2023–2025 годов.

Исторический переход от реактивной модели (оценка убытка после его наступления) к проактивной (прогноз ожидаемых потерь) был формализован в российском банковском секторе с принятием новых нормативных актов. На смену устаревшей Инструкции № 139-И пришло Положение Банка России от 28.06.2017 № 590-П, которое, наряду с внедрением МСФО (IFRS) 9 «Финансовые инструменты» с 2019 года, кардинально изменило философию резервирования. Если ранее банк мог ждать просрочки, чтобы создать резерв, то теперь резерв должен быть создан на основе ожидаемых кредитных убытков (ECL), что требует более сложного моделирования и прогностических способностей.

Таким образом, модернизация подходов к анализу кредитного портфеля требует не только расчета классических коэффициентов, но и глубокого понимания регуляторных механизмов ЦБ РФ, включая макропруденциальные надбавки, а также освоения цифровых инструментов, позволяющих управлять риском превентивно.

Современная регуляторная и методологическая основа оценки кредитного риска

Оценка качества кредитного портфеля современного российского коммерческого банка представляет собой двухуровневый процесс, основанный на сложном взаимодействии между международными стандартами финансовой отчетности (МСФО) и национальным регуляторным учетом (ЦБ РФ).

Отчет о производственной практике в ПАО «Московский кредитный ...

... потенциальные убытки «одним махом» для очистки баланса. Отрицательная переоценка портфеля ценных бумаг: Ужесточение денежно-кредитной политики Банка России ... сравнению с рекордными показателями предыдущего года, что требует детального изучения. Что именно привело к такому ... Увеличение стоимости риска Операционные расходы (млрд руб.) 40,3 (оценка) 41,5 ↑ на 3,0% Инвестиции в цифровизацию Ключевые ...

Оба стандарта преследуют схожую цель — обеспечение финансовой устойчивости, но используют различные подходы к классификации и формированию резервов.

Применение модели ожидаемых кредитных убытков (ECL) по IFRS 9

Внедрение Международного стандарта финансовой отчетности (IFRS) 9 стало революционным шагом для банковского сектора, заменив модель понесенных убытков на модель ожидаемых кредитных убытков (ECL). Эта концепция требует от банка прогнозирования потенциальных потерь на протяжении всего срока действия финансового инструмента, что делает оценку кредитного риска превентивной и зависящей от макроэкономических прогнозов.

Согласно IFRS 9, оценка и признание оценочного резерва (Expected Credit Losses) осуществляется в рамках трех стадий (Stages):

Стадия (Stage)	Характеристика кредита	Признание резерва (ECL)
Stage 1	Кредит с низким кредитным риском или без значительного увеличения риска с момента первоначального признания.	Резерв признается в размере ожидаемых потерь за 12 месяцев.
Stage 2	Кредитный риск значительно увеличился с момента первоначального признания, но дефолт еще не наступил.	Резерв признается в размере ожидаемых потерь за весь срок действия финансового инструмента.
Stage 3	Кредит является обесцененным (наступил дефолт).	Резерв признается в размере ожидаемых потерь за весь срок, как и в Stage 2, но банк также признает чистый процентный доход на амортизированную стоимость (Net Interest Income) после вычета кредитного убытка.

Таким образом, IFRS 9 требует от банка постоянного мониторинга заемщиков и динамического перерасчета резервов при любом значительном увеличении кредитного риска. Это повышает прозрачность отчетности, но требует значительных инвестиций в системы моделирования и сбора данных.

Положение Банка России № 590-П: Классификация и формирование резервов (РВПС)

Параллельно с МСФО, для целей национального регулирования и расчета обязательных нормативов (например, Н1.0) коммерческие банки обязаны формировать резервы на возможные потери по ссудам (РВПС) в строгом соответствии с Положением Банка России № 590-П.

Оценка кредитного риска по индивидуальным ссудам (например, крупному корпоративному кредиту) осуществляется на основе профессионального суждения банка, которое, согласно 590-П, опирается на комбинацию двух ключевых критериев:

1. Финансовое положение заемщика.
2. Качество обслуживания долга.

На основе этих критериев ссуды классифицируются по пяти категориям качества, каждая из которых имеет строго регламентированный минимальный процент резервирования.

Категория качества ссуды (Положение № 590-П)	Экономическая характеристика	Минимальный процент резервирования (РВПС)
I категория	Хорошие (низкий риск, финансово устойчивый заемщик).	0%
II категория	Стандартные (умеренный риск, устойчивое финансовое положение).	Не более 3%
III категория	Сомнительные (повышенный риск, финансовое положение нестабильно).	Свыше 3% до 20%
IV категория	Проблемные (высокий риск, неудовлетворительное финансовое положение).	Свыше 20%
V категория	Безнадежные (максимальный риск, отсутствие шансов на возврат).	100%

Для ссуд, сгруппированных в Портфель однородных ссуд (ПОС) — в основном розничные продукты, — классификация производится не по индивидуальному суждению, а на основе статистических методов, с использованием данных о просрочке и скоринга.

Макропруденциальное сдерживание: Роль МПН и ПДН/ПСК

В условиях высокой закредитованности населения и быстрого роста необеспеченного потребительского кредитования (2023–2024 гг.), ЦБ РФ активно использует макропруденциальные надбавки (МПН) к коэффициентам риска в рамках подхода Базель III (Указание № 6960-У).

Это один из ключевых инструментов, который оказывает прямое влияние на стоимость кредитного портфеля банка и его капиталоемкость. Скрытый вопрос, на который здесь отвечает регулятор: «Как быстро остудить рынок, не прибегая к прямому запрету?» Ответ: путем резкого увеличения требований к капиталу банка, что делает выдачу рискованных кредитов экономически невыгодной.

МПН работают как регуляторный механизм, требующий от банков держать больше капитала под высокорисковые кредиты. ЦБ РФ дифференцирует надбавки по двухмерной матрице, учитывающей:

1. Показатель долговой нагрузки (ПДН) заемщика — отношение ежемесячных платежей по всем кредитам к его среднемесячному доходу.
2. Полную стоимость кредита (ПСК) — обобщенный показатель стоимости кредита для заемщика.

Эта детализированная матрица, действующая с конца 2024 года, позволяет точечно сдерживать выдачу наиболее рискованных займов.

Пример применения МПН (фрагмент матрицы):

ПДН (Показатель долговой нагрузки)	ПСК (Полная стоимость кредита) 10–15% годовых	ПСК 25%+ годовых
До 50%	0	0.4
70% – 80%	0.9	1.8
Свыше 80%	1.5	2.5

Примечание: Надбавка применяется как коэффициент к сумме основного долга при расчете взвешенных по риску активов.

Важным нюансом, введенным с 01.02.2025, является установление сниженных надбавок для задолженности по кредитным картам, находящейся в льготном периоде. Это отражает признание ЦБ РФ того факта, что такие обязательства имеют пониженный уровень дефолтности, поскольку они часто гасятся в срок, до начисления процентов. Таким образом, современные регуляторные требования требуют от банка не просто учета просрочки, но и сложного прогнозирования макроэкономических рисков (IFRS 9), профессионального суждения (590-П) и постоянного контроля за уровнем закредитованности клиентов (МПН).

Актуальные показатели и аналитические индикаторы качества кредитного портфеля

Оценка качества кредитного портфеля выходит за рамки простого подсчета просроченной задолженности. Современный анализ требует использования комплекса взаимосвязанных показателей, которые отражают как степень покрытия потерь (резервирование), так и эффективность управления риском (доходность).

Классические коэффициенты (NPL, K_чкп, K_покр)

Проблемная задолженность (NPL)

Ключевым индикатором является уровень проблемной задолженности (Non-Performing Loans, NPL).

В российской практике к NPL относят ссуды, классифицированные как обесцененные (II–V категории качества по 590-П), а также задолженность с просрочкой платежа свыше 90 дней (NPL 90+).

Коэффициент чистого кредитного портфеля (K_чкп)

Данный коэффициент отражает реальный, очищенный от резервов, объем кредитного портфеля банка. Его рост в динамике, при прочих равных условиях, свидетельствует о снижении кредитного риска или достаточности созданных резервов.

Чистый кредитный портфель (ЧКП) рассчитывается как:

$$
\text{ЧКП} = \text{КП} — \text{Р}
$$

Где:

• КП — Кредитный портфель (совокупная балансовая стоимость ссуд);
• Р — Резерв на возможные потери по ссудам (РВПС).

Коэффициент чистого кредитного портфеля:

$$
K_{\text{чкп}} = \frac{\text{ЧКП}}{\text{КП}}
$$

Коэффициент покрытия (K_покр)

Коэффициент покрытия (Coverage Ratio) является критически важным индикатором, демонстрирующим, насколько адекватно сформированный банком резерв (РВПС) покрывает потенциальные убытки. Традиционная формула:

$$
K_{\text{покр}} = \frac{\text{РВПС}}{\text{КП}}
$$

Однако в контексте анализа достаточности резервов ключевым индикатором является отношение резервов к проблемной задолженности (NPL):

$$
K_{\text{покр (NPL)}} = \frac{\text{РВПС}}{\text{NPL}}
$$

Этот показатель показывает, какую часть проблемных кредитов банк готов списать за счет уже сформированных резервов. Например, на 01.07.2024 проблемные розничные кредиты (NPL 90+) были покрыты резервами на 93%, что свидетельствует о высоком запасе прочности сектора. Ипотечные NPL 90+ традиционно имеют более низкий коэффициент покрытия (60%) из-за наличия высоколиквидного залогового обеспечения.

Аналитические индикаторы, ориентированные на МСФО (CoR и NIM)

Для оценки эффективности кредитного портфеля в рамках МСФО используются два современных аналитических индикатора, которые связывают риск-менеджмент с финансовым результатом.

Cost of Risk (CoR) — Стоимость риска

Cost of Risk — это отношение чистых отчислений в резервы к среднему размеру работающего кредитного портфеля. Он показывает, сколько прибыли банк «теряет» на формирование резервов для покрытия потенциальных убытков. Чем ниже Cost of Risk, тем более эффективна политика управления кредитным риском.

$$
\text{CoR} = \frac{\text{Чистые отчисления в РВПС за период}}{\text{Средний кредитный портфель}} \times 100\%
$$

Рост CoR напрямую отражает ухудшение макроэкономической ситуации или агрессивную кредитную политику. Например, в корпоративном сегменте Cost of Risk в 2025 году прогнозируется на уровне 1% (против 0,3% годом ранее), что является прямым следствием повышенного кредитного риска на фоне санкций и замедления экономики.

Net Interest Margin (NIM) — Чистая процентная маржа

NIM показывает рентабельность активов, генерирующих процентный доход, после вычета процентных расходов. Это мера эффективности основного бизнеса банка.

$$
\text{NIM} = \frac{\text{Чистый процентный доход}}{\text{Средние процентные активы}} \times 100\%
$$

Качественный анализ требует сопоставления NIM и CoR. Высокий NIM, сопровождаемый низким CoR, указывает на эффективное управление риском и ценообразованием. Если же NIM высок, а CoR стремительно растет, это сигнал о том, что банк, возможно, слишком агрессивно кредитовал высокорисковых заемщиков (высокая доходность, но и высокие потери).

Разве не является основной задачей риск-менеджеров — найти оптимальный баланс между этими двумя критически важными показателями?

Влияние макроэкономической конъюнктуры 2023–2025 гг. на качество портфеля

Период 2023–2025 годов ознаменовался уникальным сочетанием макроэкономических факторов, которые оказали беспрецедентное влияние на качество кредитных портфелей российских банков: от ужесточения денежно-кредитной политики до усиления санкционного давления.

Ужесточение ДКП и динамика Ключевой ставки

Одним из наиболее мощных факторов, сдерживающих рост кредитования и влияющих на риск, стало резкое ужесточение денежно-кредитной политики (ДКП) ЦБ РФ. В рамках цикла борьбы с инфляцией ключевая ставка была значительно повышена, достигнув в конце 2024 года максимального значения в 21,00%. По состоянию на 07.10.2025, ставка была снижена, но все еще оставалась на высоком уровне в 17,00% годовых.

Последствия ужесточения ДКП:

1. Повышение процентного риска: Рост стоимости фондирования для банков и повышение ставок по кредитам для конечных заемщиков. Это напрямую снижает доступность кредитов и увеличивает долговую нагрузку на заемщиков с плавающими ставками.
2. Замедление кредитования: Высокие ставки неизбежно приводят к замедлению роста кредитных портфелей, особенно в чувствительных сегментах (например, ипотека без господдержки, крупный инвестиционный корпоративный кредит).
3. Ухудшение качества обслуживания долга: Для компаний и граждан, чьи доходы не успевают за ростом стоимости обслуживания кредитов, увеличивается вероятность возникновения просрочки.

Кредитный риск в корпоративном сегменте на фоне санкций

Санкционное давление продолжает оставаться одним из наиболее значимых вызовов для корпоративного кредитного портфеля. Оно влияет на финансовое положение заемщиков через нарушение логистических цепочек, ограничение доступа к зарубежному оборудованию и рост себестоимости.

Как следствие, происходит существенный рост кредитного риска. Объем проблемных кредитов юридическим лицам достиг 9,1 трлн рублей в I полугодии 2025 года, что составляет около 10,5% от общего корпоративного портфеля. При этом, несмотря на снижение доли просрочки, абсолютный объем проблемных активов продолжает расти, что демонстрирует структурное ухудшение качества заемщиков.

Показатель	Значение (I полугодие 2025 г.)	Динамика
Объем проблемных кредитов ЮЛ	9,1 трлн руб.	Рост
Доля проблемных кредитов (от портфеля)	~10,5%	Значительный рост
Прогнозируемый Cost of Risk (CoR)	1% (по итогам 2025 г.)	Рост с 0,3% годом ранее
Доля просроченной задолженности ЮЛ	3,7% (на 01.09.2024)	Снижение доли, но рост абсолютного объема

Наиболее высокие риски роста просроченной задолженности концентрируются в секторах, наиболее чувствительных к внешнеэкономической конъюнктуре и внутреннему спросу, включая добычу полезных ископаемых, металлургию, строительство и торговлю автотранспортными средствами.

Усиление закредитованности и меры ЦБ РФ в розничном сегменте

Розничный сегмент столкнулся с проблемой рекордной закредитованности населения. Объем просроченной задолженности по потребительским кредитам достиг 1,5 трлн рублей. Доля займов с просрочкой свыше 90 дней (NPL 90+) превысила 10,5% на начало апреля 2025 года, что является значительным ухудшением по сравнению с 7,7% годом ранее.

Для сдерживания этого риска ЦБ РФ использует макропруденциальные лимиты (МПЛ), которые ограничивают долю выдачи высокорисковых необеспеченных потребительских кредитов (с ПДН более 50%).

Эта мера показала свою высокую эффективность: доля таких кредитов снизилась с 63% в IV квартале 2022 года до 28% в III квартале 2024 года. Таким образом, на фоне ужесточения ДКП и роста кредитного риска, качество розничного портфеля поддерживается в первую очередь за счет жесткого регуляторного сдерживания.

Инновационные и стратегические подходы к управлению кредитным риском и проблемной задолженностью

В современной банковской практике управление качеством кредитного портфеля невозможно без внедрения цифровых техноло��ий и разработки сложных стратегических мер для очистки баланса от проблемных активов.

Применение AI/ML и Big Data в превентивном риск-менеджменте

Внедрение технологий искусственного интеллекта (ИИ) и машинного обучения (ML) стало критически важным для реализации проактивной модели ECL по IFRS 9. ИИ позволяет обрабатывать огромные массивы данных (Big Data), включая неструктурированные данные из социальных сетей, транзакционные данные и информацию из бюро кредитных историй, что существенно повышает точность прогнозирования кредитных рисков.

Ключевые области применения ИИ в риск-менеджменте:

1. Повышение точности скоринга: ИИ-модели позволяют выйти за рамки традиционных скоринговых карт, выявляя скрытые закономерности в поведении заемщиков, которые предвещают будущий дефолт.
2. Прогнозирование банкротства (Early Warning Systems): Применение моделей прогнозирования банкротства для раннего выявления проблемных активов, особенно в корпоративном сегменте. Это позволяет банку оперативно инициировать реструктуризацию или взыскание, минимизируя потери.
3. Автоматизация: ИИ и Low-code платформы берут на себя до 80% стандартизированных задач, включая первичный анализ кредитных заявок, контроль транзакций и обнаружение мошенничества, что снижает операционные расходы и ускоряет принятие решений.

Стратегии работы с проблемной задолженностью (Реструктуризация и Секьюритизация)

Управление проблемной задолженностью (NPL) требует не только классических мер, но и использования сложных финансовых инструментов для очистки баланса.

1. Классическая реструктуризация

В условиях макроэкономических шоков реструктуризация остается наиболее распространенным тактическим инструментом. В 2024 году банки получили 4,1 млн запросов на реструктуризацию потребительских кредитов (почти вдвое больше, чем годом ранее).

Общая сумма реструктурированной проблемной задолженности в розничном сегменте достигла 603,2 млрд рублей.

В корпоративном сегменте активно используются государственные меры поддержки, включая проект ФНС «Площадка реструктуризации долга», где объем мер поддержки превысил 1 трлн рублей с 2022 года.

2. Секьюритизация NPL (NPL-облигации)

Секьюритизация проблемных кредитов (NPL-секьюритизация) представляет собой стратегическую меру по выводу неликвидных и капиталоемких активов с баланса банка. Банк продает пулы проблемных кредитов специальной финансовой организации (СФО), которая выпускает под них облигации. Главный результат этого процесса заключается в высвобождении значительного объема капитала, который может быть направлен на новое, менее рискованное кредитование, что критически важно в условиях Базеля III.

• Преимущества: Очистка баланса, высвобождение капитала, привлечение ликвидности.
• Механизм: Крупнейшие российские банки (например, Совкомбанк) выступили организаторами в 7 выпусках NPL-облигаций к началу 2024 года. Объем облигаций, обеспеченных потребительскими кредитами (включая неипотечную секьюритизацию), находился в обращении на уровне 100 млрд рублей к середине 2025 года.
• Роль государства: Внедряются схемы, где государство (через госгарантии или прямое участие) может поддерживать старшие транши NPL-облигаций, делая этот инструмент более привлекательным для частных инвесторов и снижая риск, что критически важно в условиях повышенной волатильности.

Секьюритизация NPL является передовым методом, который позволяет банку не просто управлять просрочкой, а оптимизировать структуру капитала в соответствии с требованиями Базеля III.

Заключение и практические рекомендации

Современная оценка качества кредитного портфеля — это многоуровневый процесс, основанный на синтезе прогностического моделирования (ECL по IFRS 9), строгого национального регулирования (590-П, МПН) и адаптации к макроэкономическим шокам 2023–2025 годов. Только комплексное применение этих инструментов позволяет достичь финансовой устойчивости.

Синтез результатов:

1. Методологическая Модернизация: Ключевое отличие от устаревших подходов — переход к модели ожидаемых кредитных убытков, что требует непрерывного мониторинга кредитного риска и глубокого макроэкономического прогнозирования.
2. Регуляторная Детализация: ЦБ РФ эффективно использует макропруденциальные инструменты (МПЛ и МПН по двухмерной матрице ПДН/ПСК) для сдерживания рисков, особенно в розничном сегменте, что стабилизировало стандарты кредитования, несмотря на рекордный рост проблемной задолженности (NPL 90+ до 10,5%).
3. Прикладные Вызовы: В корпоративном сегменте санкционное давление и высокие процентные ставки привели к росту проблемных кредитов до 9,1 трлн рублей, требуя от банков повышения Cost of Risk и применения сложных стратегий работы с NPL (секьюритизация).

Рекомендации для банков по повышению качества кредитного портфеля:

1. Усиление прогностического моделирования (ECL): Инвестировать в системы Big Data и AI/ML для повышения точности прогнозирования дефолтов. Модели должны включать сценарный анализ, учитывающий высокую волатильность ключевой ставки и потенциальные макроэкономические шоки.
2. Проактивное управление NPL: Перейти от пассивной реструктуризации к активному использованию стратегических инструментов очистки баланса. Банкам рекомендуется разработать пилотные проекты по секьюритизации проблемных активов (NPL-облигаций), используя существующие прецеденты и, при возможности, государственные гарантии для повышения привлекательности траншей.
3. Интеграция регуляторных требований: Обеспечить полную интеграцию системы оценки кредитного риска с актуальными нормами ЦБ РФ, особенно в части расчета макропруденциальных надбавок (МПН).

   Автоматизированные системы должны позволять оперативно пересчитывать взвешенные по риску активы при изменении показателей ПДН и ПСК, а также при попадании кредитных карт в льготный период.

4. Секторальная диверсификация: Учитывая повышенный риск в секторах, чувствительных к внешней конъюнктуре (добыча, металлургия), банкам следует пересмотреть внутренние лимиты кредитования и увеличить залоговое покрытие по кредитам, выдаваемым этим отраслям.

Принятие этих мер позволит коммерческим банкам не только соответствовать жестким регуляторным требованиям, но и эффективно управлять капиталом, минимизируя потери в условиях непредсказуемой макроэкономической среды.

Список использованной литературы

1. Аксаков А. О ситуации на рынке потребительского кредитования. URL: http://bankir.ru/dom/threads/114697 (дата обращения: 08.10.2025).
2. Банкротство или реструктуризация // Информационный справочник «Занимаем.Ру». URL: http://www.zanimaem.ru/spravochnik-aemshika/interview/-bankrotstvo_ili_restrukturizatsiya_09_2009.php (дата обращения: 08.10.2025).
3. Банк России отметил снижение качества кредитного портфеля банков // Интерфакс. URL: https://www.interfax.ru/business/983377 (дата обращения: 08.10.2025).
4. БАНКОВСКАЯ СИСТЕМА И НАЦИОНАЛЬНАЯ ЭКОНОМИКА. Ассоциация банков России. URL: https://www.asros.ru/upload/iblock/d70/y4854y6h053351y877z9p67q0652702z.pdf (дата обращения: 08.10.2025).
5. Белова Т. Рейтинг банков России: итоги 2012 года // РБК.Рейтинг, Banks-Rate. URL: http://rating.rbc.ru/article.shtml?2013/02/21/33889469 (дата обращения: 08.10.2025).
6. Белоглазова Г.Н., Кроливецкая Л.П. Банковское дело. Организация деятельности коммерческого банка: учебник. М.: Высшее образование, 2011. 422 с.
7. Букирь M.Я. Кредитная работа в банке: методология и учет. М.: КНОРУС, ЦИПСиР, 2012. 240 с.
8. Главные банковские тренды 2025 года: статья по теме Инновации // Газпромбанк. URL: https://www.gazprombank.ru/press/55677/ (дата обращения: 08.10.2025).
9. Даль В.И. Толковый словарь русского языка. М.: Эксмо, 2010. 896 с.
10. Деньги, кредит, банки: учебник. М.: Высшее образование, 2007. 527 с.
11. Деньги. Кредит. Банки / под ред. Е.Ф. Жукова. М.: Высшее образование, 2010. 623 с.
12. Жариков В.В., Жарикова М.В., Евсейчев А.И. Управление кредитными рисками: Учебное пособие. Тамбов: ТГТУ, 2009. 244 с.
13. Запас прочности истощается: обзор долгового рынка 2024–2025 // Эксперт РА. URL: https://raexpert.ru/researches/banks/debt_market_2024-2025/ (дата обращения: 08.10.2025).
14. Информационный портал Banki.ru. Официальный сайт. Обзор деятельности банков в I квартале 2013 года. URL: http://www.banki.ru/news/research/?id=4849775 (дата обращения: 08.10.2025).
15. Автоматизированные риск-системы для банков на базе low-code // GreenData. URL: https://greendata.ru/blog/avtomatizirovannye-risk-sistemy-dlya-bankov-na-baze-low-code/ (дата обращения: 08.10.2025).
16. Какие вызовы стоят перед банковским сектором в 2025 году // Ведомости. 27.12.2024. URL: https://www.vedomosti.ru/finance/articles/2024/12/27/1012354-kakie-vizovi-stoyat-pered-bankovskim-sektorom-v-2025-godu (дата обращения: 08.10.2025).
17. Как внедрение МСФО (IFRS) 9 скажется на капитале российских банков. URL: https://www.fbk.ru/upload/iblock/f68/FBK_IFRS9_2017.pdf (дата публикации: 2017; дата обращения: 08.10.2025).
18. Кредитование юридических лиц и индивидуальных предпринимателей в августе 2025 года // Банк России. URL: https://www.cbr.ru/statistics/bank_sector/credits_corp/ (дата публикации: август 2025; дата обращения: 08.10.2025).
19. Кредиты для избранных: зачем повышать резервы банков для заемщиков с низким доходом // Финансы Mail. URL: https://finance.mail.ru/article/58156 (дата обращения: 08.10.2025).
20. Комкина О.Е. К вопросу о понятии кредитного портфеля и кредитной политики коммерческого банка // Современные наукоемкие технологии. 2007. № 4. URL: http://main.isuct.ru/files/publ/snt/2007/04/6.pdf (дата обращения: 08.10.2025).
21. Котина О.В. Анализ кредитных операций банка и оценка качества кредитного портфеля. URL: http://bankir.ru/tehnologii/s/yroki-bankovskoi-analitiki-ili-laquoanalitika-s-nylyaraquo-prodoljenie-1373621/#ixzz2WZ1Xastr (дата обращения: 08.10.2025).
22. Куликов Н.И., Унанян И.Р., Тишина Л.С. Банковский менеджмент: Учебное пособие. Тамбов: ТГТУ, 2010. 80 с.
23. Лаврушин О. И., Валенцова Н.И. Банковские риски: учебное пособие. М.: КНОРУС, 2007. 232 с.
24. Лаврушин О.И. Основы банковского менеджмента. 2-е изд., перераб. и доп. М.: Кнорус, 2009. 560 с.
25. Масленченков Ю.С. Технология и организация работы банка. М.: ООО «ДеКА», 2008. 537 с.
26. Международный стандарт финансовой отчетности (IFRS) 9 «Финансовые инструменты» (ред. от 17.02.2021) // КонсультантПлюс. URL: http://www.consultant.ru/document/cons_doc_LAW_208070/ (дата обращения: 08.10.2025).
27. Методические подходы к анализу и оценке кредитного портфеля банка внешними пользователями // КиберЛенинка. URL: https://cyberleninka.ru/article/n/metodicheskie-podhody-k-analizu-i-otsenke-kreditnogo-portfelya-banka-vneshnimi-polzovatelyami (дата обращения: 08.10.2025).
28. Мищенко А.В., Чижова А.С. Методология управления кредитным риском и оптимальное формирование кредитного портфеля // Финансовый менеджмент. 2008. № 1. С. 7–11.
29. Надбавки к коэффициентам риска. Банк России. URL: https://www.cbr.ru/hd_base/mpr_instruments/surcharges/ (дата обращения: 08.10.2025).
30. О банках и банковской деятельности: Федеральный закон от 02.12.1990 № 395-1 (ред. от 04.08.2023).
31. Обзор финансовой стабильности. Банк России. URL: https://www.cbr.ru/press/event/?id=12140 (дата публикации: 2024–2025 гг.; дата обращения: 08.10.2025).
32. Общая схема заключения кредитного договора // Информационный сайт «Все о кредитах». URL: http://about-kredit.ru/zakl_krdog.html (дата обращения: 08.10.2025).
33. Ожегов С.И., Шведова Н.Ю. Толковый словарь русского языка. М.: Оникс, 2008. 736 с.
34. 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 № 254-П (ред. от 15.03.2023).
35. О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности: Положение Банка России от 28.06.2017 № 590-П (ред. от 15.03.2023) // КонсультантПлюс. URL: http://www.consultant.ru/document/cons_doc_LAW_274718/ (дата обращения: 08.10.2025).
36. Особенности кредитного договора // Информационный сайт «КредитоРус.Ру». URL: http://www.creditorus.ru/dogovora/spisok.php (дата обращения: 08.10.2025).
37. О типичных банковских рисках: Письмо Банка России от 23.06.2004 № 70-Т.
38. Официальный банковский сайт. Банкир. Ру. URL: http://www.bankir.ru (дата обращения: 08.10.2025).
39. Официальный сайт: Министерство финансов РФ. URL: http://www.minfin.ru/ru/ (дата обращения: 08.10.2025).
40. Официальный сайт: ОАО Коммерческий Банк «Акцепт». URL: http://akcept.ru/ (дата обращения: 08.10.2025).
41. Официальный сайт: Центральный банк РФ. URL: http://www.cbr.ru/ (дата обращения: 08.10.2025).
42. Панова Г.С. Кредитная политика коммерческого банка. М.: ИКЦ «Дис», 2006. 634 с.
43. Парушина Н.В. Налоговый анализ и его роль в управлении финансово-хозяйственной деятельностью организации // Налоговая политика и практика. 2009. № 12. С. 29–35.
44. Пашков А. И. Оценка качества кредитного портфеля // Бухгалтерия и банки. 1996. № 3. С. 29–30.
45. Пролонгация кредита // Информационный сайт «Инвестпрофит». URL: http://www.invest-profit.ru/banki/kreditovanie/1500-prolongaciya-kredita.html (дата обращения: 08.10.2025).
46. Реструктуризация кредита физических лиц // Информационный сайт «Инвестпрофит». URL: http://www.invest-profit.ru/banki/kreditovanie/1325-restrukturizaciya-kredita-fizicheskix-lic.html (дата обращения: 08.10.2025).
47. Российский рынок цифровизации банков. Обзор TAdviser 2025. URL: https://www.tadviser.ru/index.php/Статья:Российский_рынок_цифровизации_банков._Обзор_TAdviser_2025 (дата обращения: 08.10.2025).
48. Рынок банковских услуг в России: итоги 2023 и прогнозы // Frank RG. URL: https://frankrg.com/49257 (дата обращения: 08.10.2025).
49. Сальников К. Кредитоспособность и платежеспособность — есть ли разница? // Банковское дело в Москве. 2006. № 8.
50. Славянский А.В. Управление кредитным портфелем как один из элементов системы управления кредитным риском // Аудит и финансовый анализ. 2008. № 6.
51. Тавасиев А.М. Банковское дело. Управление и технологии. 3-е изд., перераб. и доп. М.: Юнити, 2012. 671 с.
52. Тавасиев А.М., Мазурина Т.Ю. Банковское кредитование: Учебное пособие для вузов. М.: ИНФРА-М, 2012. 656 с.
53. Тагирбеков К.Р. Основы банковской деятельности // Банковское дело. М.: ИНФРА-М, 2003. 720 с.
54. Тихомирова Е.В., Кроливецкая Л.П. Банковское дело: кредитная деятельность коммерческих банков: учебник. М.: Высшее образование, 2009. 280 с.
55. Трансформация системы управления рисками с использованием ИИ в финансовых организациях. Банк России. URL: https://www.cbr.ru/Content/Document/File/147047/pres-vopros_300323.pdf (дата публикации: 30.03.2023; дата обращения: 08.10.2025).
56. Турухин С.С. Методические аспекты оценки кредитоспособности физических лиц // Сиб. Фин. Шк. 2011. № 4. С. 89–90.
57. Украинская И.Д. Об организации системы управления рисками // Управление в кредитной организации. 2008. № 1. С. 15–18.
58. ФОРМЫ И МЕТОДЫ УЧАСТИЯ ГОСУДАРСТВА В СЕКЬЮРИТИЗАЦИИ ПРОБЛЕМНЫХ КРЕДИТОВ КОММЕРЧЕСКИХ БАНКОВ // КиберЛенинка. URL: https://cyberleninka.ru/article/n/formy-i-metody-uchastiya-gosudarstva-v-sekuritizatsii-problemnyh-kreditov-kommercheskih-bankov (дата обращения: 08.10.2025).
59. ФОРМИРОВАНИЕ ПРОЦЕДУРЫ СОПРОВОЖДЕНИЯ БАНКРОТСТВА КЛИЕНТОВ КРУПНОГО // Уральский федеральный университет. URL: https://elar.urfu.ru/bitstream/10995/137683/1/m_f_2024_102.pdf (дата публикации: 2024; дата обращения: 08.10.2025).
60. Ханина Т.М. Особенности управления отдельными сегментами кредитного портфеля. URL: http://journal.kfrgteu.ru/files/1/2012_8_16.pdf (дата обращения: 08.10.2025).
61. Хихлич Л. Специфика работы коллекторских фирм в России // Сайт по недвижимости и ипотеке «RealtyPress.ru». URL: http://www.realtypress.ru/-intervjyu/07-07-2008.html (дата обращения: 08.10.2025).
62. Цветкова Е.А. Анализ подходов к оценке кредитоспособности организаций // Международный бухгалтерский учет. 2011. № 24.
63. Шухрай О.А. Сущность кредитного портфеля, критерии его эффективности // Банковский вестник. 2010. № 2. С. 48–51.
64. Щербакова Г.Н. Анализ и оценка банковской деятельности. М.: Вершина, 2007. 264 с.
65. Яковенко С.Н. Разработка методики оценки качества кредитного портфеля в банковской сфере экономики России: дис. канд. экон. наук: 08.00.10. Краснодар, 1998. 162 c.