Просроченная задолженность (NPL) и финансовый результат кредитной организации: актуализация методологии оценки и совершенствование управления кредитными рисками в современных условиях (2020-2025 гг.)

метки: Кредитный, Банковский, Россия, Резерв, Сектор, Проблемный, Качество, Корпоративный

Кризисы последнего десятилетия доказали, что кредитный риск является не просто одним из факторов, а главным детерминантом финансовой устойчивости и доходности банковского сектора. Если в начале 2020-х годов основное внимание регулятора было сосредоточено на предотвращении системного кризиса ликвидности, то к 2025 году фокус сместился на качество активов и управление контрциклическими рисками. Этот сдвиг обусловлен тем, что, несмотря на рекордную чистую прибыль российского банковского сектора, достигшую 3,8 трлн рублей по итогам 2024 года, структурные дисбалансы, скрытые за высокими процентными доходами, продолжают накапливаться.

Главный из этих дисбалансов — потенциальный рост просроченной задолженности (Non-Performing Loans, NPL), особенно в корпоративном сегменте, где доля проблемной задолженности (NPL 90+) увеличилась до 3,7% к октябрю 2024 года. И что из этого следует? Это означает, что для сохранения текущего уровня рентабельности банкам потребуется не только наращивать доход, но и радикально улучшать качество корпоративного портфеля, поскольку рост NPL напрямую ведет к формированию колоссальных резервов.

Настоящая работа посвящена актуализации и углублению анализа взаимосвязи NPL и финансового результата кредитных организаций в современных экономических и регуляторных условиях (2020–2025 гг.).

• Объект исследования – система управления кредитным риском в российских кредитных организациях.
• Предмет исследования – взаимосвязь между динамикой просроченной задолженности (NPL) и ключевыми показателями финансового результата (ROA, ROE, чистая прибыль) банковского сектора РФ.
• Цель исследования – разработка практически применимых рекомендаций по совершенствованию системы управления кредитным риском на основе комплексного анализа влияния регуляторных мер и внедрения современных предиктивных моделей.

---

Теоретические и регуляторные основы управления кредитным риском в Российской Федерации

В период с 2017 по 2025 год Банк России существенно перестроил архитектуру риск-менеджмента, сместив акцент с формального соблюдения нормативов на профессиональное суждение и макропруденциальное регулирование. Актуальные нормативные требования, прежде всего, Положение ЦБ РФ от 28.06.2017 № 590-П, определяют методологический каркас для оценки качества ссудных операций и формирования адекватных резервов, что напрямую влияет на финансовый результат. Следовательно, от степени освоения и точного исполнения этого положения зависит не только регуляторное соответствие, но и реальная финансовая устойчивость каждой кредитной организации.

Оценка кредитоспособности физических лиц в условиях цифровой ...

... в совокупности с беспрецедентной цифровой трансформацией банковского сектора, создают совершенно новую парадигму для оценки кредитоспособности физических лиц. Настоящее исследование ставит своей целью не просто описать ... строго соблюдать все условия его погашения, что напрямую влияет на устойчивость банковской системы. Кредитный риск — обратная сторона медали. Это вероятность того, что заемщик не ...

Эволюция и современная методология оценки кредитного риска по Положению ЦБ РФ № 590-П

Основополагающим документом для расчета резервов на возможные потери по ссудам (РВПС) является Положение № 590-П, которое заменило собой менее гибкое Положение № 254-П. В соответствии с современными стандартами, РВПС формируются в пассивах банка за счет его собственного капитала, что делает их создание прямым вычетом из капитала, тем самым снижая показатель достаточности капитала (Н1.0, Н1.1, Н1.2).

Положение № 590-П устанавливает пять классификационных категорий качества ссуд, которые определяют требуемый уровень резервирования:

Категория качества ссуды	Характеристика качества обслуживания долга и фин. положения заемщика	Диапазон расчетного резерва (РВПС)
I. Стандартные	Своевременное обслуживание, отличное фин. положение	0%
II. Нестандартные	Присутствие незначительных факторов риска	1% – 20%
III. Сомнительные	Очевидные факторы риска, возможность потерь	21% – 50%
IV. Проблемные	Высокая вероятность потерь, неплатежеспособность	51% – 99%
V. Безнадежные	Устойчивая неплатежеспособность, полная потеря	100%

Определение размера РВПС базируется на профессиональном суждении кредитной организации, выносимом по результатам комплексного анализа финансового положения заемщика и качества обслуживания долга.

Детализированный анализ последних изменений в 590-П

Последние изменения в регуляторной базе демонстрируют стремление ЦБ РФ устранить лазейки, которые могли бы позволить банкам занижать кредитный риск. Два ключевых изменения, принятых в 2024 году, имеют прямое влияние на чистую прибыль и капитал:

1. Рефинансирование проблемных ссуд: В случае, когда финансовое положение заемщика не может быть оценено лучше, чем среднее, и банк принимает решение о рефинансировании старого долга путем выдачи новой ссуды, кредитная организация обязана формировать расчетный резерв в размере не менее 21%. Это соответствует III категории качества (Сомнительные ссуды). Эта мера направлена на предотвращение так называемого «вечнозеленого» кредитования (evergreening), когда банк избегает признания убытка путем циклической пролонгации или рефинансирования проблемных обязательств.

2. Формирование резерва по невозмещаемым заблокированным активам (НЗА): В ответ на геополитические риски и заморозку активов, Решение Совета директоров ЦБ РФ от 24.12.2024 обязало банки классифицировать невозмещаемые заблокированные активы (НЗА) в V категорию качества (Безнадежные) и формировать резервы в размере не менее 20%. Этот резерв может быть использован для покрытия потенциальных потерь, хотя ЦБ РФ отмечает, что негативный эффект от роста резервов должен компенсироваться высокой прибылью банков. Однако для отдельных организаций, имеющих значительные НЗА, это может стать существенным фактором снижения чистой прибыли в 2025 году.

Инструменты макропруденциального регулирования и их влияние на структуру кредитного портфеля

Макропруденциальная политика ЦБ РФ является ключевым контрциклическим инструментом, направленным на снижение системных рисков в финансовом секторе.

Анализ МПЛ и надбавок к коэффициентам риска

Банк России активно использует макропруденциальные лимиты (МПЛ) и надбавки к коэффициентам риска (Н1.0, Н1.1, Н1.2) для ограничения выдачи высокорискованных кредитов, прежде всего, необеспеченных потребительских займов заемщикам с высокой долговой нагрузкой (ПДН – Показатель Долговой Нагрузки).

Повышение коэффициентов риска означает, что банку требуется больше собственного капитала для покрытия потенциальных потерь по таким ссудам. Это делает выдачу рискованных кредитов капиталоемкой и невыгодной операцией.

Количественная оценка эффекта МПЛ

Макропруденциальные меры доказали свою высокую эффективность в регулировании структуры розничного кредитования. Введение МПЛ привело к значимому улучшению качества новых выдач.

Доля выдаваемых необеспеченных потребительских кредитов с ПДН более 50% снизилась с 60% во II квартале 2023 года до 22% во II квартале 2025 года.

Это означает, что кредитный риск перемещается от наиболее уязвимых групп заемщиков к более устойчивым, что создает значительный макропруденциальный буфер в системе. Не следует ли банкам использовать этот буфер как стратегическое преимущество, направляя высвободившийся капитал на более перспективные сегменты, например, на развитие кредитования МСП?

Анализ крайних мер и накопление буфера

Ужесточение политики, особенно во второй половине 2024 года, достигло своего пика:

1. Максимальная надбавка 600% (6.0): С 1 сентября 2025 года для необеспеченных потребительских кредитов с ПДН свыше 80% и Полной Стоимостью Кредита (ПСК) свыше 60% установлен максимальный коэффициент надбавки к коэффициентам риска (Н1.0, Н1.1, Н1.2) в размере 6,0 (600%). По сути, это делает выдачу таких кредитов запретительной мерой, поскольку капитал, требуемый для их покрытия, становится астрономическим.

2. Накопление буфера: В результате применения надбавок банки накопили значительный капитал для покрытия потенциальных убытков. Макропруденциальный буфер по потребительским кредитам к февралю 2025 года достиг 827 млрд рублей (6,5% от портфеля).

   Этот буфер является важнейшим стабилизирующим элементом, который может быть использован для поглощения потерь в случае реализации системного риска.

---

Эмпирический анализ взаимосвязи NPL и финансового результата российского банковского сектора

Анализ финансового результата банковского сектора за период 2020–2024 гг. показывает парадоксальную картину: высокие темпы роста прибыли на фоне нарастающих рисков в отдельных сегментах кредитования.

Динамика и структура NPL российского банковского сектора (2020-2024 гг.)

Российский банковский сектор продемонстрировал впечатляющую устойчивость, чему способствовало как макропруденциальное регулирование, так и высокие ставки, которые увеличили чистый процентный доход.

Ключевые финансовые достижения (2024 г.):

• Чистая прибыль: 3,8 трлн рублей (новый рекорд).
• NPL ratio (в среднем по сектору): Находится на исторически низких уровнях, благодаря списаниям и контрциклическим мерам.

Однако при анализе структуры портфеля обнаруживаются зоны повышенного риска, которые могут стать основным фактором снижения прибыли в 2025 году.

Анализ ключевого риска: Рост проблемной задолженности в корпоративном сегменте

В то время как розничный сегмент стабилизируется благодаря МПЛ, корпоративное кредитование демонстрирует тревожные тенденции.

Основным риском является рост проблемной задолженности (NPL 90+) в корпоративном портфеле, которая достигла 3,7% по состоянию на 01.10.2024. Этот рост во многом обусловлен двумя факторами:

1. Усиление концентрации: Доля Топ-10 банков в активах достигла 79%, и именно эти крупные игроки интенсивно наращивали корпоративное кредитование (рост на 21% в Янв-Ноя 2024), что увеличивает риск концентрации NPL.
2. Рискованные реструктуризации: Ключевым источником роста NPL стали ранее проведенные рискованные реструктуризации кредитов, которые к 01.01.2025 достигли 3,1% корпоративного портфеля. Эти реструктуризации, призванные предотвратить немедленное признание убытков, лишь откладывают проблему, требуя от банков создания дополнительных резервов в будущем.

Эконометрическое доказательство влияния NPL на ключевые финансовые показатели

Взаимосвязь между NPL и финансовым результатом является отрицательной, но нелинейной. Увеличение проблемной задолженности требует увеличения РВПС, что напрямую снижает чистую прибыль (ЧП) и, следовательно, ключевые показатели эффективности: рентабельность активов (ROA) и рентабельность собственного капитала (ROE).

Рентабельность собственного капитала (ROE) – ключевой показатель эффективности, рассчитываемый по формуле:

ROE = Чистая Прибыль / Собственный Капитал

Эмпирический анализ показывает, что несмотря на общий рекорд прибыли, структурные проблемы и необходимость резервирования уже начали влиять на доходность крупных банков.

Демонстрация структурных проблем

По состоянию на 01.07.2024 года, рентабельность капитала (ROE) Топ-10 крупнейших банков снизилась до 20%, по сравнению с 29% годом ранее. Это снижение является индикатором структурных проблем и опережающего роста пассивов, но также отражает увеличение операционных и кредитных рисков, требующих большего капитала. Рост NPL в корпоративном сегменте (3,7%) и необходимость создания резервов по НЗА будут оказывать усиливающееся давление на ROE в 2025 году.

Для количественной оценки влияния роста проблемной задолженности на чистую прибыль (ЧП) используется метод факторного анализа, который показывает, как изменение объема РВПС (функция NPL) влияет на ЧП:

Δ ЧП = Δ ЧП Операционная - Δ РВПС

Где Δ РВПС — это изменение резервов, которое обратно пропорционально уровню NPL. Таким образом, любое умеренное увеличение проблемной задолженности в корпоративном сегменте способно серьезно повлиять на размер создаваемых резервов, став главным фактором значительного снижения чистой прибыли в следующем отчетном периоде.

---

Современные предиктивные модели и практические инструменты минимизации NPL

В условиях ужесточения конкуренции и регуляторных требований, банки переходят от реактивного управления просрочкой к проактивному прогнозированию рисков, используя современные достижения в области машинного обучения.

Применение моделей машинного обучения (ML) для кредитного скоринга и прогнозирования просрочки

Традиционные статистические модели, основанные на логистической регрессии, постепенно вытесняются ML-моделями (например, Random Forest, Gradient Boosting), которые способны обрабатывать значительно больший объем неструктурированных данных и выявлять нелинейные зависимости.

Сравнительный анализ эффективности моделей

Для доказательства превосходства ML-моделей в академической практике используются такие метрики, как AUC-ROC (Площадь под кривой рабочей характеристики приемника) и связанный с ним Gini-индекс.

1. AUC-ROC: Измеряет способность модели правильно классифицировать добросовестных заемщиков и дефолтеров при разных пороговых значениях. Значение 1.0 означает идеальный классификатор.

2. Gini-индекс: Ключевая метрика прогностической силы в скоринге, рассчитываемая по формуле:

   Gini = 2 × AUC - 1

Эмпирические исследования показывают, что точность прогнозов моделей на основе машинного обучения в оценке финансовой неустойчивости в среднем выше на 10-20% по сравнению с традиционными моделями. Например, в одном из банков внедрение ML-модели позволило увеличить показатель Gini-индекса с 65% (для старой модели) до 82%.

Практический кейс: эффективность ML-моделей в *pre-collection*

Процесс pre-collection направлен на предотвращение возникновения просрочки на самой ранней стадии. Внедрение предиктивной ML-модели, которая оценивает вероятность выхода на просрочку в ближайшие 7-30 дней, позволило банку-кейсу сократить общий выход на просрочку на 22%. Это достигается за счет персонализации коммуникации и применения профилактических мер (например, напоминаний или предложений о частичной реструктуризации) до того, как задолженность станет безнадежной.

Оптимизация взыскания и реструктуризации задолженности в регуляторных рамках

Эффективное взыскание требует не только технической точности, но и строгого соблюдения регуляторных норм.

Разработка оптимальной стратегии взыскания

Взыскание (Collection) оптимизируется с помощью ML-моделей, которые определяют оптимальный инструмент взаимодействия (звонок, сообщение, выезд) и его формат (робот/оператор).

Это критически важно в контексте Федерального закона № 230-ФЗ, устанавливающего строгие ограничения на частоту и способы контактов с должником. Collection-скоринг позволяет банку максимизировать возврат при минимальном юридическом риске, используя роботизированные и интеллектуальные колл-центры для автоматизации рутинных процессов.

Анализ инструментов реструктуризации для ЮЛ/ИП

Для корпоративного сегмента и МСП ключевым инструментом предотвращения роста NPL является реструктуризация.

Одним из наиболее эффективных государственных инструментов является «Площадка реструктуризации долга» ФНС России. Этот механизм, запущенный в 2022 году, помогает предприятиям в анализе возможностей и выборе оптимального способа урегулирования (рассрочка, мировое соглашение).

По состоянию на 01.01.2025, площадка предоставила меры поддержки 8,3 тыс. предприятий, реструктурировав долг на сумму более 1 трлн рублей, что прямо снижает объем NPL в банковском секторе и позволяет сохранить рабочие места.

---

Специфика управления NPL в корпоративном сегменте и МСП в условиях санкций

Управление просроченной задолженностью в корпоративном и МСП-сегментах в текущих условиях (2022-2025 гг.) осложняется внешними экстерналиями, требующими от банков адаптации риск-политик.

Влияние внешних факторов и регуляторных мер на кредитный риск МСП

Санкционное давление привело к разрыву логистических цепочек, сокращению клиентской базы и удорожанию финансирования, что напрямую повысило вероятность дефолта МСП.

Операционные риски и SWIFT

Одним из значимых регуляторных решений, повлиявших на операционный риск, стал запрет ЦБ РФ на использование SWIFT для передачи финансовой информации при переводах средств, осуществляемых исключительно на территории России, с 01.10.2023. Это форсировало переход на российские сервисы, в частности, СПФС (Систему передачи финансовых сообщений). Хотя мера направлена на повышение финансового суверенитета, она временно увеличила операционные риски для тех МСП, которые ранее полагались на привычные каналы расчетов, и требует от банков обеспечения бесперебойного функционирования отечественных систем.

Оценка эффективности государственных программ поддержки

Для стабилизации сегмента МСП и предотвращения массовых дефолтов Правительство РФ и ЦБ РФ запустили ряд программ. Ключевой мерой поддержки в 2024-2025 гг. является возобновленная Программа льготного кредитования (Программа 1764) Минэкономразвития.

Эта программа предусматривает инвестиционное кредитование в приоритетных отраслях с максимальной ставкой Ключевая ставка – 3,5%. На 2025–2030 годы по этой программе ежегодно выделяется лимит в 100 млрд рублей. Эффективность данной программы заключается в том, что она не просто откладывает дефолт, а стимулирует инвестиционную активность, формируя долгосрочный позитивный эффект на финансовую устойчивость заемщиков и, как следствие, на качество кредитного портфеля банков.

Рекомендации по совершенствованию системы риск-менеджмента в части кредитной политики

Для обеспечения баланса между доходностью кредитного портфеля и уровнем риска, современное Руководство по кредитной политике должно быть актуализировано с учетом следующих рекомендаций:

1. Интеграция предиктивного анализа: Включить обязательное использование ML-скоринга для оценки кредитоспособности новых корпоративных заемщиков и МСП, а также для проактивного мониторинга существующих клиентов. В политике должны быть закреплены целевые метрики эффективности (например, минимальный Gini-индекс 75% для скоринговых моделей).
2. Усиление контроля за реструктуризациями: Ввести строгие внутренние лимиты и критерии для проведения реструктуризаций корпоративных кредитов. Учитывая рост проблемной задолженности, связанной с рискованными реструктуризациями (3,1% портфеля), необходимо требовать от кредитных комитетов строгого обоснования, почему реструктуризация может улучшить финансовое положение заемщика, а не просто отложить формирование РВПС.
3. Учет геополитических рисков: Требовать от кредитных аналитиков обязательной оценки рисков, связанных с санкционным давлением: устойчивость логистических цепочек, зависимость от импорта/экспорта в недружественные юрисдикции и готовность к переходу на СПФС.

---

Выводы и практические рекомендации

Сводный тезис

Анализ динамики просроченной задолженности и финансового результата российского банковского сектора в период 2020–2025 гг. однозначно доказывает, что, несмотря на рекордные показатели чистой прибыли (3,8 трлн руб. в 2024 г.), неадекватное управление кредитным риском, особенно в корпоративном сегменте, представляет собой ключевой источник системного риска. Усиление регуляторного давления (МПЛ, надбавка 600%, резервирование НЗА) направлено на формирование буфера прочности, но не отменяет необходимости совершенствования внутренних систем риск-менеджмента.

Доказанное негативное влияние: Прямая связь между ростом проблемной задолженности (особенно в корпоративном сегменте, где NPL 90+ достиг 3,7%) и необходимостью формирования РВПС является главным фактором снижения рентабельности собственного капитала (ROE Топ-10 банков снизилось с 29% до 20%).

Практические рекомендации

На основе проведенного анализа предлагается комплексный набор мер для совершенствования системы управления кредитным риском в кредитных организациях:

1. Методологическое и техническое совершенствование (Предиктивный риск-менеджмент)

• Внедрение ML-скоринга: Переход от традиционных моделей к системам машинного обучения для оценки кредитного риска и pre-collection. Обязательным требованием при валидации новых моделей должно стать достижение минимальных академических метрик: AUC-ROC > 0.85 и, соответственно, Gini-индекс > 70%.
• Оптимизация Collection-стратегии: Использование Collection-скоринга для определения оптимального канала и времени контакта с должником, что позволит максимизировать возврат при строгом соблюдении ФЗ № 230-ФЗ об ограничениях на частоту взаимодействия.

2. Интеграция новейших регуляторных требований в расчет капитала

• Учет НЗА и 600% надбавки: Необходимо интегрировать последние решения ЦБ РФ (резерв не менее 20% по невозмещаемым заблокированным активам) и максимальный коэффициент риска 6.0 (600%) для высокорисковых кредитов в ежедневный расчет нормативов достаточности капитала. Это предотвратит накопление скрытых рисков, которые могут быть реализованы в виде резкого списания капитала.
• Строгий контроль рефинансирования: Установить внутренний контроль, обеспечивающий формирование резерва не менее 21% по любой новой ссуде, выданной для погашения проблемного долга, в соответствии с требованием 590-П, чтобы избежать «вечнозеленого» кредитования.

3. Антикризисная стратегия управления корпоративным NPL

• Приоритизация реабилитации МСП: Активно использовать государственные инструменты, такие как «Площадка реструктуризации долга» ФНС (особенно для предприятий, получивших поддержку на сумму более 1 трлн руб.), и программы льготного кредитования (Программа 1764), чтобы перевести проблемную задолженность из V и IV категорий качества в III и II.
• Разработка специализированных кредитных политик для МСП: В Руководстве по кредитной политике должны быть четко прописаны механизмы оценки операционного риска, связанного с санкционным давлением и переходом на СПФС, с целью адекватного резервирования рисков, не связанных напрямую с финансовым состоянием, но обусловленных экстерналиями.

Эти меры позволят кредитной организации не только соответствовать постоянно ужесточающимся требованиям ЦБ РФ, но и повысить качество активов, тем самым обеспечив устойчивый и прогнозируемый финансовый результат в долгосрочной перспективе.

Список использованной литературы

1. Антонов Н.Г., Пессель М.А. Денежное обращение, кредит и банки. Москва: Финстатинформ, 2009. 165 с.
2. Бадмаева Д.Г. Платежеспособность коммерческой организации: финансовый анализ // Аудиторские ведомости. 2011. N 1. С. 6.
3. Банк России сохранил значения макропруденциальных лимитов по необеспеченным потребительским кредитам [Электронный ресурс] // Банк России. URL: cbr.ru.
4. Банк России установил более жесткие макропруденциальные лимиты на IV квартал [Электронный ресурс] // Интерфакс. URL: interfax.ru.
5. Банковское дело: Учебник / под ред. А.К. Лаврушина. Москва: Финансы и статистика, 2009. 125 с.
6. Банковское право: Учебник / под ред. Л.Г. Ефимовой. Москва: Бек, 2008. 145 с.
7. Банки и банковские операции / под ред. Е.Ф. Жуковой, Л.М. Максимова, О. Маркова. Москва: Банки и биржи, 2009. 327 с.
8. Банки и банковское дело / под ред. И.Т. Балабанова. Санкт-Петербург: Питер, 2009. 239 с.
9. БАНКОВСКИЙ СЕКТОР: Обзор от 10.03.2025 [Электронный ресурс] // Банк России. URL: cbr.ru.
10. Бобко А.В. Порядок работы клиентов банков с проблемной задолженностью // Юридическая работа в кредитной организации. 2010. N 2. С. 5.
11. Боровикова Е.В. Управление финансовым потенциалом банковского сектора: мониторинг и направления развития // Финансовый вестник: финансы, налоги, страхование, бухгалтерский учет. 2008. N 6.
12. Братко А.Г. Банковский кредит и концепция кредитных бюро // Бизнес и банки. 2009. N 219. С. 14.
13. Буздалин А. Новые горизонты ипотеки // Банки и деловой мир. 2010. N 12. С. 10.
14. Букато В.И. Банки и банковские операции в России. Москва: ФИС, 2010. 125 с.
15. Вишневский А.А. Банковское право: Краткий курс лекций. 2-е изд., перераб. и доп. Москва, 2010. 74 с.
16. Войлуков А.А., Пашковский Д.А. Риски проблемных активов в банковском секторе России // Управление в кредитной организации. 2010. N 1. С. 10.
17. Голубев С.С. Рейтинг филиалов на основе использования системы сбалансированных показателей // Факторинг и торговое финансирование. 2009. N 1.
18. Дарбека Е.М. Аудит операций кредитования в банках // Аудиторские ведомости. 2010. N 1.
19. Ефимова Л.Г. Банковское право. Банковская система Российской Федерации. Москва: Статут, 2010. 404 с.
20. Заварихин Н.М., Щербакова Е.В. Внутренний аудит в системе корпоративного управления коммерческого банка // Внутренний контроль в кредитной организации. 2010. N 1. С. 99–112.
21. Зинкевич В.А. Управление корпоративным портфелем: современные технологии кредитного анализа // Банковское кредитование. 2010. N 4. С. 10.
22. Ильенков Д.А. Совершенствование законодательной и нормативной базы в области внутреннего контроля кредитных организаций // Банковское право. 2009. N 3.
23. Ильин И.Е. 2010: в поисках оптимальных решений // Управление в кредитной организации. 2010. N 4. С. 7.
24. Итоги банковского сектора за 1-е полугодие 2024 года: обреченные на концентрацию [Электронный ресурс] // Эксперт РА. URL: raexpert.ru.
25. Кабушкин С.Н. Управление банковским кредитным риском. Москва: Новое знание, 2009. 127 с.
26. Как Бинбанк с помощью machine learning сократил выход на просрочку на 22% [Электронный ресурс] // futurebanking.ru.
27. Knauf не смог продать российский бизнес из-за отказа потенциального покупателя [Электронный ресурс] // dp.ru.
28. Лед и пламя. Российский банковский сектор: прогноз на 2025 год [Электронный ресурс] // АКРА. 2024. URL: acra-ratings.ru.
29. Макропруденциальные лимиты: влияние на МФО и долговую нагрузку заемщиков в 2023 году [Электронный ресурс] // tbank.ru.
30. Макаревич К.А. Обеспечение ликвидности банковской системы в условиях необходимости модернизации инфраструктурного комплекса: финансово-правовые аспекты // Банковское право. 2010. N 3. С. 4.
31. Малышева А.С. Банки спасают корпоративных заемщиков // Банковское кредитование. 2009. N 6. С. 6.
32. Мовсумов К.Р. Мониторинг кредитов малому бизнесу: игра на опережение // Банковское кредитование. 2010. N 5. С. 8.
33. Мхитарян С.В. Отраслевой маркетинг. Москва: Эксмо, 2009. 368 с.
34. Об обязательных нормативах банков: Инструкция Центрального банка Российской Федерации от 16 января 2006 г. N 110-И // Вестник Банка России. 2006. N 28.
35. О банках и банковской деятельности: Федеральный Закон Российской Федерации от 02.12.1990 N 395-1 (ред. от 15.11.2010, с изм. 07.02.2011) // Собрание законодательства Российской Федерации. 2005. N 26.
36. Олейник О.М. Основы банковского права: Курс лекций. Москва: Юристъ, 2009. 314 с.
37. Оптимизация стратегии взыскания с помощью ML-моделей [Электронный ресурс] // Хабр. URL: habr.com.
38. Орехова Т.В. Контроль банковских рисков в целях повышения эффективности функционирования коммерческих банков // Налоги. 2008. N 3(2).
39. Письмо ФАС России N ИА/7235, ЦБ РФ N 77-Т от 26.05.2005 «О Рекомендациях по стандартам раскрытия информации при предоставлении потребительских кредитов».
40. Питер С. Роуз. Банковский менеджмент. Москва: Дело, 2009. 126 с.
41. Площадка реструктуризации долга [Электронный ресурс] // ФНС России. URL: nalog.gov.ru.
42. Поддержка бизнеса в условиях санкционных ограничений: льготы для IT, мораторий на проверки МСП и кредитные каникулы [Электронный ресурс] // duma.gov.ru.
43. Полежарова Л. Плохие кредиты // Финансовая газета. 2011. N 1. С. 16.
44. Положение ЦБ РФ от 27.03.2020 N 714-П (ред. от 30.09.2022) [Электронный ресурс] // Контур.Норматив. URL: kontur.ru.
45. Посадская М. Бухгалтерский учет и другие аспекты кредитных операций // Бухгалтерия и банки. 2010. N 11. С. 5.
46. ПРОГНОЗИРОВАНИЕ БАНКРОТСТВА МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ [Электронный ресурс] // iis.ru.
47. Проект Указания Банка России “О внесении изменений в Положение Банка России от 28 июня 2017 года № 590-П… [Электронный ресурс] // ГАРАНТ.
48. Решение Совета директоров Банка России о формировании кредитными организациями резервов… (от 24.12.2024) [Электронный ресурс] // Банк России. URL: cbr.ru.
49. Саркисянц А. Анализ ликвидности и рейтингование банков // Бухгалтерия и банки. 2011. N 3. С. 12–18.
50. Статья 213.11. Последствия введения реструктуризации долгов гражданина [Электронный ресурс] // КонсультантПлюс. URL: consultant.ru.
51. Тевзадзе И. Я знаю, что вы сделали с моим залогом! // Московский бухгалтер. 2010. N 21-22. С. 3.
52. Тони Райс, Брайн Койли. Финансовые инвестиции и риск. Москва: Инфра-М, 2007. 200 с.
53. Усоскин В.М. Современный коммерческий банк. Москва: Вазар-Ферро, 2009. 134 с.
54. Филимонова Е.М. Бухучет убытков // Главная книга. 2009. N 5. С. 10.
55. Фоевцов С. Реструктуризация кредитов: налоговый аспект // Налоговый учет для бухгалтера. 2010. N 9. С. 6.
56. Формирование резервов на возможные потери по ссудам (Положение Банка России от 28.06.2017 № 590-П) [Электронный ресурс] // Банк России. URL: cbr.ru.
57. Хаханов В. Прямые инвестиции // Ваши деньги. 2010. (94).

    № 2.

58. Чумаченко А. Ваши деньги // Прямые инвестиции. 2010. (95).

    № 2.

59. Чхутиашвили Л.В. Налогообложение коммерческих банков в условиях глобализации // Международный бухгалтерский учет. 2010. N 7. С. 33–47.
60. Шкляр И.Л. Опыт банка: работа с просроченной задолженностью и проблемы судебного производства // Банковское право. 2010. N 6. С. 8.
61. Экстерналии политики санкционного давления и ее последствия для развития российского малого и среднего бизнеса [Электронный ресурс] // Russian Journal of Economics and Law. URL: rusjel.ru.