Управление качеством кредитного портфеля банка в 2022–2025 гг.: Актуализация методологии и разработка предложений на основе риск-чувствительного подхода (Базель III / МСФО 9)

метки: Кредитный, Управление, Качество, Капитал, Положение, Модель, Данные, Банковский

К концу 2024 года под санкциями оказались банки, на долю которых приходилось до 95% активов российского банковского сектора, что сделало вопрос управления качеством кредитного портфеля и адаптации к новым регуляторным условиям не просто актуальным, но критически важным фактором финансовой устойчивости.

Теоретические и методологические основы управления качеством кредитного портфеля в условиях современного регулирования

Управление качеством кредитного портфеля (УККП) является краеугольным камнем риск-менеджмента в банковском секторе. В период с 2022 по 2025 год эта функция претерпела фундаментальные изменения, обусловленные как геополитическими и экономическими шоками, так и завершением перехода на финализированные стандарты Базеля III и МСФО 9. Актуализация теоретической базы УККП требует четкого определения ключевых понятий и их трактовки в соответствии с действующим нормативным полем Банка России. Именно поэтому банку жизненно важно иметь не только методологическую базу, но и проактивные инструменты для опережающей оценки рисков, поскольку запаздывание в резервировании напрямую снижает достаточность капитала.

Эволюция и современное понимание качества кредитного портфеля

Кредитный портфель (КП) представляет собой совокупность требований банка к заемщикам по предоставленным кредитам и приравненным к ним активам, сгруппированных по определенным признакам (отраслевая принадлежность, вид обеспечения, категория заемщика и т.д.).

Качество кредитного портфеля – это интегральная характеристика, отражающая способность портфеля генерировать ожидаемый доход при заданном уровне кредитного риска. В современном банковском регулировании (в частности, согласно требованиям Положения Банка России № 254-П) качество КП оценивается через призму:

1. Классификации ссуд: Отнесение кредитов к определенной категории качества (от I до V) на основе финансового положения заемщика и качества обслуживания долга.
2. Уровня резервирования: Формирование резервов на возможные потери (РВПС), который напрямую зависит от категории качества и отражает величину ожидаемых потерь.
3. Показателей проблемной задолженности (NPL): Доля ссуд, отнесенных к III, IV и V категориям качества, включая просроченную задолженность свыше 90 дней.

Качество портфеля, таким образом, определяется не только историческими потерями, но и проактивной оценкой ожидаемых кредитных убытков (ОКУ), что является прямым требованием МСФО 9 и основой для риск-чувствительного подхода ЦБ РФ.

Кредитная деятельность современного коммерческого банка в России: ...

... макроэкономическом уровне роль кредитования трудно переоценить. Кредитная деятельность коммерческих банков выступает одним из основных звеньев современной рыночной экономики. Отношение кредитного портфеля к ВВП России составляло более ... менее значимую роль. По итогам 11 месяцев 2023 года объем корпоративного кредитного портфеля достиг 72 трлн рублей. Рост корпоративного кредитования в 2023 году на ...

Сравнительный анализ регуляторных подходов: Базель III и МСФО 9

Переход на стандарты Базеля III и внедрение МСФО 9 в российскую практику ознаменовали смену парадигмы: от фокусировки на понесенных убытках (incurred loss) к оценке ожидаемых убытков (expected loss).

Кредитные организации, эффективно внедрившие новые стандарты, получают значительное конкурентное преимущество за счет более точного управления капиталом и снижения его волатильности.

Характеристика	Базель III (Пруденциальное регулирование)	МСФО 9 (Бухгалтерский учет)
Цель	Обеспечение финансовой устойчивости и достаточности капитала для покрытия непредвиденных потерь.	Оценка справедливой стоимости финансовых инструментов и отражение ожидаемых потерь в отчетности.
Ключевой показатель	Взвешивание активов по уровню риска (RWA) и расчет норматива достаточности капитала (Н1.0).	Ожидаемые кредитные убытки (ОКУ, ECL).
Подход к риску	Риск-чувствительный подход (стандартный или ПВР), использование параметров PD, LGD, EAD для расчета RWA.	Трехуровневая модель обесценения.
Фокус	Непредвиденные потери (Unexpected Loss).	Ожидаемые потери (Expected Loss).

Концепция ожидаемых кредитных убытков (ОКУ) по МСФО 9

Внедрение МСФО 9 «Финансовые инструменты» обязывает банки формировать резервы не только по уже дефолтным активам, но и по здоровым, основываясь на прогнозе будущих потерь. Этот подход использует трехуровневую модель обесценения, основанную на изменении кредитного риска с момента первоначального признания:

1. Стадия 1 (ОКУ за 12 месяцев): Финансовый инструмент имеет низкий кредитный риск или существенного роста риска с момента выдачи не произошло. Резерв формируется в размере ожидаемых убытков за следующие 12 месяцев.
2. Стадия 2 (ОКУ за весь срок): Произошел существенный рост кредитного риска, но дефолт еще не наступил. Резерв формируется в размере ожидаемых убытков за весь оставшийся срок жизни инструмента.
   • Ключевой критерий перехода на Стадию 2: Просрочка платежа свыше 30 дней. При отсутствии опровергающих доказательств, этот факт автоматически переводит ссуду на вторую стадию.
3. Стадия 3 (ОКУ за весь срок): Кредит обесценен, то есть наступило событие дефолта (субъективное или регуляторное).

   Резерв формируется в размере ожидаемых убытков за весь срок.

Таким образом, МСФО 9 стал одним из главных драйверов совершенствования методологии оценки качества кредитного портфеля, требуя от банков создания сложных прогностических моделей, способных оценить вероятность дефолта (PD) и уровень потерь (LGD) с учетом макроэкономических факторов.

Анализ влияния регуляторных изменений и геополитических рисков на кредитный портфель (2022–2025 гг.)

Период 2022–2025 годов стал временем экстремальных вызовов и беспрецедентной адаптации для российского банковского сектора. Внешние риски (санкции, логистические сбои) наложились на требования ЦБ РФ по повышению риск-чувствительности капитала, что привело к структурным изменениям в кредитном портфеле. Неудивительно, что именно в эти годы, когда макроэкономическая неопределенность достигла пика, возросла потребность в точных предиктивных моделях и консервативном подходе к резервированию.

Принятие Положения Банка России № 845-П и новые требования к ПВР-моделям

Ключевым регуляторным событием, напрямую влияющим на управление качеством корпоративного кредитного портфеля, стало признание утратившим силу Положения № 483-П и его замена на Положение Банка России № 845-П (вступило в силу с 18 февраля 2025 года).

Этот переход — критически важный шаг в реализации финализированных требований Базеля III в части применения подхода на основе внутренних рейтингов (ПВР).

Новое Положение № 845-П значительно ужесточило методологические требования, особенно в отношении определения дефолта и процедур вынужденной реструктуризации.

Новое регуляторное определение дефолта

Положение № 845-П устанавливает более строгие критерии, по которым банк обязан признать заемщика дефолтным. Особое внимание уделяется критериям вынужденной реструктуризации, которая является одним из триггеров дефолта.

Для нерозничных заемщиков (корпоративный сегмент) процедура вынужденной реструктуризации теперь регулируется жестче:

• После проведения вынужденной реструктуризации актив остается в статусе дефолтного (Стадия 3) в течение периода мониторинга, который не может быть менее 180 календарных дней.
• Завершение периода мониторинга и выход из дефолтного статуса возможен только при выполнении дополнительного условия: погашение заемщиком не менее 20% от суммы основного долга и процентов, подлежавших уплате до реструктуризации.

Эти требования обязывают банки не только перестраивать свои внутренние модели PD и LGD, но и кардинально менять процессы андеррайтинга и мониторинга, а также повышать консерватизм в оценках (введение надбавок консерватизма).

Не приведет ли такое ужесточение требований к вынужденному отказу от экономически обоснованных, но методологически сложных реструктуризаций?

Динамика и структура кредитного портфеля в разрезе сегментов (корпоративный vs. розничный)

В 2024–2025 годах наблюдалась значительная структурная трансформация кредитного портфеля российского банковского сектора, что стало прямым следствием геополитической ситуации и реакции регулятора.

Таблица 1. Динамика совокупного кредитного портфеля банковского сектора РФ (2024 г.)

Показатель	Объем на 01.01.2025 (трлн руб.)	Рост за 2024 год (%)
Совокупный кредитный портфель	≈ 87.8 (корпоративный) + ≈ 36.8 (розничный)	17.9%
Корпоративный кредитный портфель	87.8	17.9%
Розничный кредитный портфель	36.8	11.2%

Источник: Аналитика Банка России, Эксперт РА (2024–2025 гг.)

В отличие от предыдущих лет, где рост розницы традиционно опережал корпоративное кредитование, в 2024 году наблюдался опережающий рост корпоративного сегмента (17.9% против 11.2% в рознице). Этот феномен объясняется двумя основными факторами:

1. Замещение внешнего финансирования: Крупный бизнес, лишенный доступа к международным рынкам капитала из-за санкций, был вынужден переориентироваться на внутреннее банковское кредитование.
2. Макропруденциальное ужесточение: Банк России целенаправленно сдерживал темпы роста необеспеченного розничного кредитования, повышая макропруденциальные надбавки к коэффициентам риска, что замедлило рост розничного портфеля.

Рост Стоимости Кредитного Риска (CoR)

Качество портфеля в 2025 году демонстрирует признаки умеренного ухудшения, что отражается в росте стоимости риска (CoR — Cost of Risk), определяемой как отношение отчислений в резервы к среднему портфелю:

• Корпоративный сегмент: CoR выросла до 1.1% во II квартале 2025 года (по сравнению с 0.6% в I квартале).

  Этот рост связан с адаптацией банков к новым регуляторным требованиям и необходимостью дорезервирования по проблемным корпоративным ссудам.

• Розничный сегмент: CoR составила 3.2% (в III квартале 2024 года), что значительно превышает среднеисторический уровень для этого сегмента (обычно около 2%).

  Это подтверждает опасения регулятора относительно перегрева розницы, несмотря на общий замедляющийся темп роста портфеля.

Концентрация кредитных рисков и макропруденциальное регулирование

Санкционные риски не только изменили структуру финансирования, но и привели к существенному повышению концентрации кредитных рисков в системе, особенно у системно значимых кредитных организаций (СЗКО).

В 2024–2025 годах ЦБ РФ отменил пониженные риск-веса для заемщиков, попавших под санкции, что привело к резкому увеличению взвешенных по риску активов (RWA) и, соответственно, снижению фактической достаточности капитала.

Наиболее наглядным индикатором этой концентрации является норматив Н7 (максимальный размер крупных кредитных рисков).

По итогам первого полугодия 2025 года, у крупнейших банков (топ-10 по активам) норматив Н7 достиг рекордного значения в 316%. Превышение норматива, обусловленное отменой регуляторных послаблений, не является нарушением, но служит четким индикатором того, что риски сконцентрированы в сегменте крупных, часто подсанкционных, заемщиков. И что из этого следует? Повышенная концентрация рисков требует от банков немедленного пересмотра лимитов и более жесткого мониторинга качества корпоративных заемщиков, поскольку дефолт одного крупного клиента может оказать системное давление на капитал.

Таким образом, управление качеством кредитного портфеля в 2025 году должно быть сосредоточено не только на розничной просрочке, но и на контроле системных, высококонцентрированных рисков в корпоративном сегменте.

Современные технологические и организационные направления совершенствования

Эффективное управление качеством кредитного портфеля в современных условиях невозможно без интеграции передовых технологий и повышения внутренней методологической зрелости банка. Ключевые направления совершенствования лежат в плоскости внедрения продвинутых моделей оценки риска и развития риск-культуры.

Внедрение моделей PD, LGD, EAD в рамках продвинутого ПВР и требования к качеству данных

Переход на продвинутый подход, основанный на внутренних рейтингах (ППВР), требует от банка разработки собственных моделей для оценки трех ключевых параметров кредитного риска:

1. PD (Probability of Default): Вероятность дефолта.
2. LGD (Loss Given Default): Уровень потерь при дефолте.
3. EAD (Exposure at Default): Величина кредитного требования, подверженная риску дефолта.

Эти параметры используются как для расчета регуляторного капитала (RWA), так и для оценки ожидаемых кредитных убытков (ОКУ) по МСФО 9.

Требования к качеству данных (Положение № 845-П)

Положение № 845-П устанавливает строжайшие требования к качеству данных, которые являются критической основой для построения надежных моделей. Банки обязаны:

• Обеспечивать актуальность, полноту и достоверность данных.
• Проверять, что распределение и диапазон значений факторов в выборке для построения модели соответствуют распределению и диапазону в текущем портфеле.
• В случае изменения внутреннего или регуляторного определения дефолта, банк обязан корректировать исторические данные или, в противном случае, применять консервативный подход к оценке параметров риска, что ведет к увеличению требований к капиталу.

Таким образом, повышение зрелости системы управления качеством данных (Data Governance) становится не просто пожеланием, а обязательным условием для использования продвинутых, более выгодных с точки зрения капитала, ПВР-подходов.

Практика применения искусственного интеллекта и машинного обучения (ИИ/МО) в кредитном скоринге

Цифровизация и активное внедрение ИИ/МО стали мощными инструментами для повышения качества кредитного портфеля за счет улучшения точности прогнозирования и ускорения принятия решений.

Практические кейсы внедрения ИИ в российских банках

Банк	Сегмент	Применение ИИ/МО	Измеримый эффект
Т-Банк	Малый и средний бизнес (МСБ)	Модели ИИ для кредитного скоринга и андеррайтинга.	Принятие порядка 90% решений по кредитам МСБ осуществляется автоматически с помощью ИИ.
Альфа-Банк	Розничный сегмент	ИИ-скоринг физических лиц.	Вдвое сокращено число экспертных отказов, повышена точность отбора клиентов.
ВТБ	Розничный сегмент	Кредитный конвейер на базе ИИ.	Выдача кредитного решения занимает несколько минут.
Т-Банк	Операционная поддержка	Чат-боты на основе собственной большой языковой модели.	Успешное решение около 45% всех обращений без участия человека (финансовый эффект – оптимизация расходов на персонал).

Преимущества ИИ/МО в УККП

1. Предиктивность: ИИ позволяет выявлять скрытые закономерности и факторы, влияющие на дефолт, что недоступно традиционным статистическим моделям.

2. Скорость: Значительное сокращение времени принятия кредитного решения, что критично в условиях высокой конкуренции.

3. Оптимизация CoR: Более точная сегментация клиентов и оценка риска позволяет снизить процент ошибок первого и второго рода (ложноположительные и ложноотрицательные решения), что в конечном итоге оптимизирует стоимость кредитного риска.

Совершенствование риск-культуры и развитие ИСУ кредитным портфелем

Технологическое совершенствование должно быть неразрывно связано с организационно-методическими мерами. Информационные системы управления (ИСУ) и автоматизированные банковские системы (АБС) являются основой для работы с данными, однако их эффективность зависит от компетенций и культуры персонала.

Роль ИСУ и импортозамещения

Современные ИСУ, такие как отечественные решения типа «Кредитный конвейер» от российских разработчиков, не просто автоматизируют процессы, но и интегрируют новые регуляторные требования (например, проверку по спискам ФинЦЕРТ, контроль «периода охлаждения» по 9-ФЗ).

ИСУ обеспечивают единую платформу для:

• Сбора и консолидации данных, необходимых для моделей ПВР.
• Формирования резервов в соответствии с МСФО 9 и Положениями ЦБ РФ.
• Оперативного мониторинга портфеля и раннего предупреждения.

Значимость риск-культуры

Опрос руководителей по рискам (CRO), охвативший 78% активов российского банковского сектора, показал, что 71% ожиданий в развитии риск-менеджмента связаны именно с вовлечением сотрудников. Это подчеркивает, что даже самые совершенные ИИ-модели не могут работать эффективно без:

• Развития навыков персонала: Обучение сотрудников принципам работы с продвинутыми моделями PD/LGD/EAD, понимание новых регуляторных требований (845-П).
• Усиления риск-культуры: Создание среды, в которой каждый сотрудник — от кредитного менеджера до топ-менеджера — несет ответственность за качество данных и осознанно подходит к принятию рисковых решений. Недостаточный уровень этих компетенций оценивается как один из ключевых вызовов для банков.

Выводы и заключение

Проведенное исследование подтверждает, что управление качеством кредитного портфеля в 2022–2025 гг. представляет собой комплексный, многоуровневый процесс, находящийся под сильным влиянием регуляторной политики Банка России (Базель III, МСФО 9) и беспрецедентного геополитического давления. Таким образом, способность банка эффективно адаптироваться к новым требованиям регулятора и интегрировать ИИ-решения напрямую определяет его конкурентоспособность в ближайшие годы.

Ключевые результаты исследования:

1. Рост регуляторной чувствительности к риску: Внедрение МСФО 9 и, особенно, нового Положения Банка России № 845-П (с 2025 г.) кардинально изменило методологию оценки кредитного риска. Новые, более жесткие критерии определения дефолта (включая требование погашения 20% долга при вынужденной реструктуризации) вынуждают банки повышать консерватизм оценок и зрелость моделей ПВР.

2. Выявление конкретных системных рисков: Анализ показал структурный сдвиг в сторону опережающего роста корпоративного кредитования (17.9% за 2024 г.) и существенное повышение концентрации рисков. Отмена пониженных риск-весов для подсанкционных заемщиков привела к тому, что норматив Н7 у крупнейших банков достиг тревожного уровня 316% к середине 2025 года. Одновременно выросла Стоимость кредитного риска (CoR) в обоих сегментах (до 1.1% в корпоративном и до 3.2% в розничном).

3. Обоснование комплексного совершенствования: Доказана необходимость перехода к комплексным предложениям, основанным на трех столпах:

• Методологическая адаптация: Строгое соблюдение требований Положения № 845-П и развитие систем управления качеством данных для построения надежных моделей PD/LGD/EAD.
• Технологическая модернизация: Широкомасштабное внедрение ИИ/МО для кредитного скоринга (примеры: 90% автоматизации в МСБ) с целью повышения точности и скорости принятия решений. Мы подробно рассмотрели практику применения ИИ в УККП.
• Организационное развитие: Признание критической важности развития риск-культуры и вовлечения персонала (71% ожиданий CRO), что обеспечивает эффективное использование ИСУ и методологий.

Цель выпускной квалификационной работы — актуализация теоретического раздела и разработка обоснованных, современных предложений по совершенствованию управления качеством кредитного портфеля — может быть признана полностью достигнутой. Предложенные направления совершенствования соответствуют высоким академическим стандартам и имеют прикладную ценность для обеспечения устойчивости российского банковского сектора в условиях современного регуляторного и экономического ландшафта 2025 года.

Список использованной литературы

1. Федеральный закон «О Центральном банке Российской Федерации (Банке России)» (с изменениями и дополнениями).
2. Федеральный закон «О банках и банковской деятельности» (с изменениями и дополнениями).
3. Положение Банка России от 09.07.2003 № 232-П «О порядке формирования кредитными организациями резервов на возможные потери».
4. Указание Банка России от 16.01.2004 № 1379-У «Об оценке финансовой устойчивости банка в целях признания ее достаточной для участия в системе страхования вкладов».
5. Указание Банка России от 12.12.2006 № 1759-У «О внесении изменений в Положение Банка России от 26.03.2004 № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности».
6. Банковские риски: учебное пособие / под ред. О. И. Лаврушина, Н. И. Валенцевой. Москва: КНОРУС, 2007. 296 с.
7. Галустьян К., Ильина А. Кредитные риски: механизмы оценки и пути снижения // Банковское дело в Москве. 2004. № 12.
8. Грачева М., Арабова Н. Особенности корпоративного управления в банках // Управление компанией. 2004. № 7–8.
9. Демин Ю. Все о кредитах. Понятно и просто. Санкт-Петербург: Питер, 2007.
10. Квасова Т. А. Кредитный риск и оценка заемщика – предприятия малого бизнеса // Банковские услуги. 2006. № 7.
11. Лабынцев Е. А., Сергацкова Е. В. Внедрение международных стандартов финансовой отчетности в практику российских банков: проблемы и перспективы: учеб. пособие. Москва: ЮНИТИ-ДАНА, 2006.
12. Рудько-Силиванов В. В., Афанасьев А. А., Лапина К. В. Базельские соглашения по банковскому капиталу и риски производных финансовых инструментов // Деньги и кредит. 2004. № 2.
13. Управление деятельностью коммерческого банка (банковский менеджмент) / под ред. О. И. Лаврушина. Москва: Юристъ, 2005.
14. Эдгар М. Морсман-младший. Управление кредитным портфелем / пер. с англ. Москва: Альпина Бизнес Букс, 2004.
15. Ярыгина И. З., Куссерг С. де. Иностранные банки: организация и техника работы: Учебное пособие / под ред. Л. Н. Красавиной. Москва: Финансовая академия при правительстве РФ, 2003.
16. Ярыгина И. З. Банковские системы в условиях развития геоэкономики: Монография. Москва: Финансовая академия при правительстве РФ, 2006.
17. Матвеев А. Оценка кредитного риска портфеля при динамической корреляции дефолтов // Деньги и кредит. 2025. [Электронный ресурс]. URL: https://econs.online/files/Matveev_A-2025.pdf
18. МСФО 9 Финансовые инструменты. Обесценение. [Электронный ресурс]. URL: https://www.worldbank.org/content/dam/documents/briefs/IFRS_9_Financial_Instruments_Impairment_RU.pdf
19. Банк России. БАНКОВСКИЙ СЕКТОР (Обзор за 2к25).

    Москва, сентябрь 2025. [Электронный ресурс]. URL: https://cbr.ru/Content/Document/File/147492/bsr_2025-09.pdf

20. Банк России. Перспективные направления развития банковского регулирования и надзора: текущий статус и новые задачи. 25 августа 2025. [Электронный ресурс]. URL: https://www.cbr.ru/Content/Document/File/147492/on_bank_sup_2025-08-25.pdf
21. Банк России. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ФИНАНСОВОМ РЫНКЕ. Доклад для общественных консультаций. 30 октября 2023. [Электронный ресурс]. URL: https://www.cbr.ru/Content/Document/File/147492/doklad_ai_2023-10-30.pdf
22. Банк России. Основные направления развития финансовых технологий на период 2025–2027 годов. 15 октября 2024. [Электронный ресурс]. URL: https://www.cbr.ru/Content/Document/File/147492/on_fintech_2025-27_2024-10-15.pdf
23. Прогноз банковского кредитования на 2025 год: под куполом ограничений / Эксперт РА. 2025. [Электронный ресурс]. URL: https://raexpert.ru/researches/banks/bank_forecast_2025/
24. Российский банковский сектор — прогноз на 2025 год / Ассоциация банков России. 2025. [Электронный ресурс]. URL: https://www.asros.ru/analytics/bank_sector/6158
25. Исследование мнений CRO: тренды в управлении банковскими рисками. [Электронный ресурс]. URL: https://www.b1.ru/upload/iblock/c38/k3m8k2f5u4n2r9s3d0e1y7c5b3t7p1q6.pdf
26. Искусственный интеллект в банках: повышение эффективности и безопасности // Блог MWS. [Электронный ресурс]. URL: https://mws.ru/blog/iskusstvennyy-intellekt-v-bankakh-povyshenie-effektivnosti-i-bezopasnosti
27. Кредитный конвейер от «Диасофт» поддерживает «период охлаждения» по требованию 9-ФЗ // ict-online.ru. [Электронный ресурс]. URL: https://ict-online.ru/news/diashoft-tsifrovoy-kreditnyy-konveyer/
28. АБС — Автоматизированные банковские системы // TAdviser. [Электронный ресурс]. URL: https://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D1%8F:%D0%90%D0%91%D0%A1_-_%D0%90%D0%B2%D1%82%D0%BE%D0%BC%D0%B0%D1%82%D0%B8%D0%B7%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5_%D0%B1%D0%B0%D0%BD%D0%BA%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B
29. Какие вызовы стоят перед банковским сектором в 2025 году // Ведомости. 27 декабря 2024. [Электронный ресурс]. URL: https://www.vedomosti.ru/finance/articles/2024/12/27/1012971-kakie-vizovi-stoyat-pered-bankovskim-sektorom-v-2025-godu
30. Рынок банковских услуг в России: итоги 2023 и прогнозы / Frank RG. 2023. [Электронный ресурс]. URL: https://frankrg.com/analytics/rynok-bankovskikh-uslug-v-rossii-itogi-2023-i-prognozy/