Методология оценки кредитоспособности корпоративных заемщиков в ПАО Сбербанк в условиях макроэкономической волатильности (2024–2025 гг.)

метки: Анализ, Сбербанк, Заемщик, Оценка, Кредитный, Экономический, Система, Корпоративный

Введение: Актуальность, цели и задачи исследования

На фоне нарастающей макроэкономической волатильности, обусловленной геополитическими факторами и высокой ключевой ставкой Центрального банка Российской Федерации в 2024–2025 годах, управление кредитным риском стало не просто ключевым, а критически важным элементом устойчивости банковского сектора. В этих условиях оценка кредитоспособности корпоративных заемщиков требует не только строгого следования регуляторным нормам, но и внедрения передовых аналитических инструментов, способных прогнозировать финансовую устойчивость в динамично меняющейся среде.

Актуальность темы обусловлена двумя взаимосвязанными факторами. Во-первых, ужесточением требований Банка России к формированию резервов по проблемным ссудам (Положение № 590-П), что повышает цену ошибки при оценке заемщика. Во-вторых, необходимостью адаптации крупнейшего игрока рынка, ПАО Сбербанк, к новым экономическим реалиям посредством внедрения технологий Big Data и машинного обучения, способных обрабатывать огромные массивы неструктурированных данных для более точного прогнозирования дефолта. Именно эти факторы определяют вектор развития кредитных систем на ближайшие годы.

Цель работы — провести комплексный, академически выверенный анализ действующей методики оценки кредитоспособности корпоративных заемщиков в ПАО Сбербанк, оценить ее эффективность на основе актуальных статистических данных (2022–2024 гг.) и разработать конкретные рекомендации по ее совершенствованию с учетом трендов финтех-индустрии и планируемых изменений регуляторной базы.

Для достижения поставленной цели в работе последовательно решаются задачи: анализ нормативной базы ЦБ РФ, детальное раскрытие количественных и качественных критериев оценки Сбербанка, анализ динамики корпоративного портфеля и разработка предложений по интеграции предиктивной аналитики.

Ключевые понятия: Четкое разграничение понятий «кредитоспособность» и «платежеспособность»

В финансовом анализе критически важно проводить различие между двумя тесно связанными, но не тождественными категориями: кредитоспособностью и платежеспособностью.

Платежеспособность — это операционная характеристика предприятия. Она отражает способность заемщика своевременно и в полном объеме погашать все свои текущие обязательства и задолженности за счет ликвидных активов. Платежеспособность измеряется на определенную дату и зависит от структуры активов и пассивов.

Комплексный анализ кредитоспособности корпоративного заемщика: ...

... -методологической базы для курсовой работы по анализу кредитоспособности корпоративных заемщиков. Мы стремимся заменить устаревшие практические материалы ... кредитоспособности. Теоретико-методологические основы оценки кредитоспособности Сущность и факторы кредитоспособности В банковской практике критически важно провести различие между платежеспособностью и кредитоспособностью. Платежеспособность ...

Кредитоспособность, в свою очередь, является прогностической характеристикой. Это возможность заемщика погасить только кредитные обязательства (основной долг и проценты) перед конкретным банком в установленный срок и с соблюдением всех условий договора. Оценка кредитоспособности направлена на минимизацию кредитного риска, который определяется как вероятность невозврата долга (дефолта) заемщиком. Таким образом, кредитоспособность — это оценка будущего финансового здоровья клиента в контексте кредитных отношений, а платежеспособность — оценка текущего положения. И что из этого следует? Банк при выдаче займа всегда смотрит вперед, прогнозируя способность компании выдержать стресс-сценарии, а не только ее текущее состояние.

Нормативно-правовая и теоретическая основа управления кредитным риском

Управление кредитным риском в России жестко регламентировано Центральным банком. Именно регулятор задает методологическую рамку, в пределах которой коммерческие банки, включая Сбербанк, разрабатывают и применяют свои внутренние рейтинговые системы.

Действующие требования Банка России к оценке кредитного риска (на основе 590-П и 611-П)

Основным камнем преткновения в области оценки кредитного риска является Положение Банка России № 590-П от 28.06.2017 «О порядке формирования кредитными организациями резервов на возможные потери по ссудам…». Этот документ обязывает банки классифицировать ссуды по пяти категориям качества (от I до V), исходя из сочетания двух ключевых факторов: финансового положения заемщика и качества обслуживания долга.

Регулятор требует от кредитных организаций руководствоваться принципом приоритета экономического содержания над формой. Это означает, что при оценке рисков нельзя полагаться исключительно на формальные показатели отчетности (например, наличие залога), а необходимо формировать профессиональное суждение, учитывающее реальную способность заемщика генерировать денежные потоки.

Важным требованием является и консервативный подход к оценке. В условиях, когда финансовая отчетность может быть неполной или искаженной, банк обязан выбрать более осторожную оценку, которая ведет к формированию большего объема резервов, тем самым минимизируя системные риски.

Положение № 611-П, в свою очередь, регулирует порядок расчета кредитного риска по методологии стандартизированного подхода и, в более сложных случаях, на основе внутренних рейтингов (ПВР-подход), что позволяет Сбербанку как системно значимому банку использовать более точные внутренние модели для определения достаточности капитала.

Прогнозные изменения в регуляторной среде на 2025-2029 гг.

Несмотря на текущую стабильность регуляторной базы, Банк России активно работает над ее совершенствованием, чтобы повысить устойчивость сектора и снизить возможности для формального подхода к оценке. Эти изменения критически важны для стратегического планирования Сбербанка.

1. Ужесточение требований к резервам по ссудам II категории качества.

Наиболее значимое изменение касается формирования резервов по ссудам, отнесенным ко II категории качества (необесцененные ссуды, несущие умеренный риск).

Планируется поэтапное ужесточение минимального размера резерва для ссуд, которые не обеспечены долгосрочной устойчивостью заемщика.

Дата вступления в силу	Минимальный размер резерва для II категории качества
1 октября 2025 года	1%
1 октября 2026 года	2%
1 октября 2027 года	3%
1 октября 2029 года	5%

Такое ужесточение, по сути, увеличивает стоимость кредитования умеренно рискованных заемщиков и стимулирует банки к более тщательной работе с портфелем, требуя от них либо улучшения финансового состояния клиента, либо более агрессивного отнесения ссуды к III категории (обесцененные).

2. Введение обязательного набора финансовых показателей.

В настоящее время банки обладают определенной свободой в выборе финансовых коэффициентов. Однако ЦБ РФ планирует конкретизировать обязательный набор финансовых показателей для оценки, чтобы унифицировать подход и исключить излишнюю формальность. Ожидается, что в обязательный перечень будет включен показатель Долг/EBITDA.

Использование показателя Долг/EBITDA (отношение чистого долга к прибыли до вычета процентов, налогов, износа и амортизации) позволяет оценить способность компании обслуживать свой долг за счет операционных денежных потоков, что соответствует принципу приоритета экономического содержания. Введение этого показателя в качестве обязательного элемента регуляторного анализа потребует от Сбербанка синхронизировать свои внутренние модели с новыми стандартами.

Комплексная методика оценки кредитоспособности корпоративных клиентов в ПАО Сбербанк

Методика Сбербанка представляет собой гибридный рейтинговый подход, который позволяет получить максимально объективную картину рисков. Она основана на присвоении заемщику баллов по строго регламентированной системе, где результат количественного анализа корректируется профессиональным суждением, полученным в ходе качественного анализа.

Количественный анализ финансового состояния заемщика: детализация коэффициентов

Количественный анализ в Сбербанке базируется на расчете системы из шести ключевых финансовых коэффициентов (К₁–К₆), которые традиционно делятся на три группы: ликвидность, финансовая устойчивость и эффективность (рентабельность).

1. Коэффициенты ликвидности (К₁, К₂, К₃)

Ликвидность определяет способность компании быстро мобилизовать средства для погашения краткосрочных обязательств.

• Коэффициент абсолютной ликвидности (К₁): Показывает, какую часть краткосрочных обязательств можно погасить немедленно.

  Расчет К₁ производится как отношение наиболее ликвидных активов к скорректированным краткосрочным обязательствам:

  К₁ = (ДС + ФВкр) / (КО - ДБП - ОР)

  где: ДС — денежные средства; ФВ_кр — высоколиквидные краткосрочные финансовые вложения; КО — краткосрочные обязательства; ДБП — доходы будущих периодов; ОР — оценочные резервы.

• Коэффициент текущей ликвидности (К₃): Это общий коэффициент покрытия, сопоставляющий все текущие активы (включая запасы и дебиторскую задолженность) с текущими обязательствами. Он является ключевым индикатором краткосрочной платежеспособности.

  Нормативы для К₃, используемые Сбербанком для присвоения категорий кредитоспособности:

  Категория кредитоспособности	Нормативное значение К3
  1-я категория (Высокая)	2,0 и выше
  2-я категория (Удовлетворительная)	1,0 – 2,0
  3-я категория (Неудовлетворительная)	Менее 1,0

2. Коэффициент наличия собственных средств (К₄)

Этот показатель отражает финансовую устойчивость и степень независимости предприятия от заемного капитала. Что находится между строк? Чем выше этот коэффициент, тем меньше зависимость компании от внешнего фондирования и тем выше ее способность пережить кризисные периоды без экстренного привлечения кредитов.

Нормативы для К₄ (для большинства предприятий, кроме торговых):

Категория кредитоспособности	Нормативное значение К4
1-я категория (Высокая)	1,0 и выше
2-я категория (Удовлетворительная)	0,7 – 1,0
3-я категория (Неудовлетворительная)	Менее 0,7

3. Показатели рентабельности (К₅, К₆)

Коэффициенты рентабельности (К₅ – рентабельность продукции/продаж; К₆ – рентабельность деятельности) показывают эффективность использования активов и способность генерировать прибыль.

Нормативы для К₅:

Категория кредитоспособности	Нормативное значение К5
1-я категория (Высокая)	0,15 и выше
2-я категория (Удовлетворительная)	Менее 0,15, но > 0
3-я категория (Неудовлетворительная)	Нерентабельное предприятие (≤ 0)

По результатам сравнения фактических значений с нормативами, каждому из шести коэффициентов присваивается одна из трех категорий (1, 2 или 3 балла).

Качественный анализ рисков и рейтинговая система Сбербанка

Количественный анализ, основанный на отчетности, имеет существенные ограничения: он отражает прошлое, а не будущее, и может быть подвержен влиянию манипуляций. Поэтому Сбербанк дополняет его глубоким качественным анализом, который также называют оценкой «мягких» факторов.

Качественный анализ («Мягкие» факторы):

1. Качество управления (Менеджмент): Оценивается опыт и квалификация высшего руководства, прозрачность структуры собственности, наличие системы внутреннего контроля и способность быстро адаптироваться к рыночным изменениям. Низкое качество управления может быть «красным сигналом» даже при хороших финансовых показателях.
2. Деловая репутация и кредитная история: Проверяется история выполнения прошлых обязательств, отсутствие просрочек, судебных и арбитражных дел, а также наличие негативной информации в СМИ.
3. Отраслевые и региональные риски: Анализируется степень конкуренции в отрасли, зависимость от государственных заказов или сырьевых поставок, а также чувствительность отрасли к макроэкономическим шокам.
4. Среда окружения: Оценка политического и юридического климата, а также анализ рисков, связанных с бенефициарами и аффилированными лицами.

Рейтинговая система и расчет рейтингового числа S

Сбербанк использует взвешенную рейтинговую систему, где количественным показателям присваиваются веса, отражающие их значимость для оценки кредитного риска. На основе присвоенных категорий по К₁–К₆ рассчитывается предварительное рейтинговое число S (сумма баллов).

Формула расчета суммы баллов (S) является взвешенной:

S = 0,05 · Кат. К₁ + 0,1 · Кат. К₂ + 0,4 · Кат. К₃ + 0,2 · Кат. К₄ + 0,15 · Кат. К₅ + 0,1 · Кат. К₆

В этой формуле коэффициент текущей ликвидности (К₃) имеет наибольший вес (0,4), что подчеркивает его решающее значение для краткосрочной устойчивости заемщика.

После расчета S, заемщику присваивается итоговый класс кредитоспособности (см. Таблицу ниже).

Качественный анализ позволяет банку повысить или понизить первоначальный класс, полученный на основе S, используя профессиональное суждение. Разве не стоит автоматизировать эту субъективную часть?

Класс заемщика	Диапазон рейтингового числа S	Вывод
Первый класс	S ≤ 1,05	Кредитование не вызывает сомнений, минимальный риск дефолта.
Второй класс	1,05 < S < 2,42	Требуется взвешенный подход, умеренный риск, необходим дополнительный контроль.
Третий класс	S ≥ 2,42	Кредитование связано с повышенным риском.

Таким образом, методика Сбербанка выгодно отличается от унифицированных подходов тем, что использует детальную, локально адаптированную систему коэффициентов, интегрированную с мощным механизмом качественного суждения.

Анализ кредитного портфеля ПАО Сбербанк и оценка эффективности методики (Кейс-анализ 2022-2024 гг.)

Для оценки эффективности действующей методики Сбербанка необходимо проанализировать фактическую динамику кредитного портфеля в период существенной макроэкономической волатильности (2022–2024 гг.).

Если система оценки адекватна, она должна обеспечивать устойчивый рост портфеля при одновременном сохранении его высокого качества.

Динамика и структура корпоративного кредитного портфеля

ПАО Сбербанк сохранил позицию лидера на рынке корпоративного кредитования, демонстрируя уверенный рост даже на фоне ужесточения монетарной политики ЦБ РФ в 2024 году.

Ключевые показатели корпоративного портфеля (2024 г.):

Показатель	Значение (на конец 2024 г.)	Динамика за 2024 г.
Объем корпоративного портфеля (по МСФО)	27,7 трлн рублей	+19,0%
Доля Сбербанка на рынке корпоративного кредитования	32,4%	Стабильно высокая
Кредитование МСБ	6,7 трлн рублей	+19%
Доля корпоративного сегмента в активах банка	~62%	Доминирующая

Рост корпоративного кредитного портфеля на 19,0% (или 18,0% без учета валютной переоценки) свидетельствует о высокой активности банка и доверии со стороны крупнейших заемщиков. При этом корпоративный сегмент продолжает оставаться доминирующим, составляя около 62% от всех активов банка.

Качество портфеля: Снижение доли обесцененных ссуд

Наиболее убедительным доказательством адекватности методики оценки Сбербанка является сохранение и даже улучшение качества портфеля в условиях экономического замедления в начале 2024 года.

Согласно Международным стандартам финансовой отчетности (МСФО 9), кредиты третьей стадии — это обесцененные ссуды, по которым ожидаются значительные кредитные потери (фактически, эквивалент неработающих кредитов).

Динамика кредитов III стадии в корпоративном портфеле:

На конец 2024 года, несмотря на высокие процентные ставки и волатильность, доля кредитов третьей стадии в корпоративном кредитном портфеле Сбербанка снизилась за IV квартал на 0,2 п.п. и составила всего 3,2%.

Этот показатель является исключительно низким для российского банковского сектора и демонстрирует высокую эффективность кредитной политики и системы оценки. Стабильность качества портфеля достигается за счет:

1. Консервативного резервирования: Совокупная доля кредитов третьей стадии (для всего кредитного портфеля) на конец IV квартала 2024 года составила 3,7%, что соответствует высокому уровню резервирования, предусмотренному Положением № 590-П.
2. Глубокой проверки заемщиков: Комплексное использование количественных коэффициентов (К₁–К₆) и детального качественного анализа («мягкие» факторы) позволяет Сбербанку отсеивать потенциально неблагонадежных клиентов на ранних стадиях.
3. Активного мониторинга: Постоянный мониторинг заемщиков с использованием внутренней рейтинговой системы позволяет оперативно реагировать на ухудшение финансового состояния, предотвращая переход ссуд из I или II стадии в III.

Направления совершенствования системы оценки кредитоспособности на основе Big Data и финтех-технологий

В условиях цифровой трансформации и растущего объема данных, дальнейшее совершенствование методики Сбербанка невозможно без интеграции передовых технологий. Сбербанк уже является лидером в этой области, но существуют резервы для более глубокого использования предиктивной аналитики.

Интеграция предиктивной аналитики и использование Big Data

ПАО Сбербанк активно использует свои технологические возможности, но переход к полной предиктивной аналитике в корпоративном сегменте остается приоритетной задачей.

Конкретные шаги по внедрению Big Data:

1. Эксплуатация Huge Data Platform (HDP). Сбербанк уже разработал платформу «Облако данных» на базе Apache Hadoop для хранения и обработки больших данных. Рекомендация заключается в максимальном использовании этой платформы для:
   • Расчета риск-метрик. Разработка и калибровка моделей AI/Machine Learning для более точного прогнозирования ключевых риск-метрик, которые лежат в основе ПВР-подхода:
     • Probability of Default (PD) – вероятность дефолта.
     • Loss Given Default (LGD) – величина потерь при дефолте.
   • Прогнозирование Долг/EBITDA. С учетом планируемого ужесточения требований ЦБ РФ, модели Big Data могут использоваться для прогнозирования будущих значений показателя Долг/EBITDA, что позволит банку проактивно управлять кредитным риском заемщиков II категории качества.
2. Использование нетрадиционных данных. Модели AI/ML должны быть обучены на расширенном спектре данных: не только на традиционных финансовых отчетах, но и на данных о транзакциях клиента, его взаимодействии с дочерними структурами Сбербанка (экосистема), а также данных из внешних кредитных бюро и государственных реестров.

Автоматизация качественного анализа и расширение источников данных

Качественный анализ, который традиционно требовал большого объема ручного труда и профессионального суждения, может быть значительно автоматизирован с помощью ИИ. Какая практическая выгода последует из этой автоматизации?

Внедрение ИИ позволит снизить операционные расходы на кредитный анализ и сократить время принятия решения по крупным корпоративным заявкам с нескольких недель до нескольких дней, что критически важно в условиях высокой рыночной конкуренции.

1. Автоматизация оценки «мягких» факторов:

Необходимо разработать специализированные ИИ-модели для анализа неструктурированных текстовых данных:

• Репутационный скоринг: Автоматический анализ публикаций в СМИ и социальных сетях, а также результатов поиска по арбитражным и судебным делам. ИИ способен выявлять тонкости, связанные с коррупционными скандалами или частой сменой менеджмента, которые могут быть пропущены при ручной проверке.
• Оценка качества менеджмента: Анализ профессионального бэкграунда руководства, их связей и истории корпоративных изменений (например, анализ паттернов сделок M&A), для формирования объективной оценки квалификации и добросовестности управленческой команды.

2. Расширение использования финтех-данных:

Для оценки небольших и средних корпоративных заемщиков, чья финансовая отчетность может быть менее прозрачна, рекомендуется расширить использование цифрового профиля клиента и данных о его операционной деятельности:

• Транзакционный анализ: Использование данных о ежедневных транзакциях (поступлениях и платежах) для оценки реальной платежеспособности в режиме реального времени, а не раз в квартал по отчетности.
• Операционные данные: Анализ нефинансовых метрик (например, количество активных пользователей цифровых сервисов, объем логистических операций, загрузка производственных мощностей), которые служат ранними индикаторами ухудшения или улучшения экономического состояния предприятия.

Таким образом, дальнейшее совершенствование системы оценки кредитоспособности в Сбербанке должно идти по пути гибридизации: сохранение строгой методологической базы ЦБ РФ и К₁–К₆, дополненной гибкими, предиктивными моделями, основанными на Big Data и AI/ML.

Заключение и выводы

Проведенный анализ подтверждает, что методология оценки кредитоспособности корпоративных заемщиков, применяемая в ПАО Сбербанк, является высокоэффективной, комплексной и адаптивной системой, соответствующей как текущим, так и перспективным требованиям Банка России. Насколько же далеко вперед ушел Сбербанк в сравнении с остальными участниками рынка?

Ключевые выводы:

1. Соответствие регуляторным требованиям и консерватизм: Методика Сбербанка полностью соответствует действующим Положениям ЦБ РФ (№ 590-П, № 611-П), основываясь на обязательном профессиональном суждении и консервативном подходе. Внутренняя рейтинговая система, использующая взвешенную оценку шести ключевых финансовых коэффициентов (К₁–К₆), обеспечивает высокую степень детализации финансового состояния заемщика.
2. Эффективность в условиях волатильности: Кейс-анализ за 2022–2024 гг. продемонстрировал высокую устойчивость и адекватность системы оценки. Несмотря на рост корпоративного портфеля на 19,0% в 2024 году, доля обесцененных кредитов (III стадии) в корпоративном сегменте снизилась до 3,2%, что является прямым доказательством способности методики эффективно управлять кредитным риском.
3. Адаптация к будущим изменениям ЦБ РФ: Сбербанку необходимо проактивно реагировать на планируемое ужесточение регуляторных требований (рост резервов до 5% для II категории к 2029 году и введение обязательного показателя Долг/EBITDA).

   Это требует интеграции предиктивных моделей Big Data для прогнозирования долговой нагрузки.

4. Перспективы цифровой трансформации: Ключевым направлением совершенствования является интеграция Huge Data Platform и моделей AI/ML для автоматизации расчета риск-метрик (PD, LGD) и, что особенно важно, для объективизации качественного анализа. Использование ИИ для оценки «мягких» факторов (репутация, менеджмент) на основе неструктурированных данных позволит свести к минимуму субъективность профессионального суждения и повысить точность окончательного кредитного рейтинга.

В целом, Сбербанк демонстрирует переход от традиционного, реактивного анализа к проактивному, предиктивному управлению кредитным риском, что закрепляет его технологическое и методологическое лидерство в российском банковском секторе.

Список использованной литературы

1. Положение Банка России от 28 июня 2017 г. № 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности» (ред. от 15.03.2023) [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_219313/ (дата обращения: 08.10.2025).
2. Положение Банка России от 2 ноября 2024 года № 845-П [Электронный ресурс]. URL: http://www.cbr.ru/ (дата обращения: 08.10.2025).
3. Сокращенные результаты МСФО Q4 2024 год — СберБанк [Электронный ресурс]. URL: https://www.sberbank.com/ (дата обращения: 08.10.2025).
4. Сбербанк в 2024 году увеличил корпоративное кредитование по МСФО на 19%, розничное – на 12,7% // Интерфакс. [Электронный ресурс]. URL: https://www.interfax.ru/ (дата обращения: 08.10.2025).
5. Результаты работы ПАО Сбербанк за январь 2024 года [Электронный ресурс]. URL: https://www.sberbank.com/ (дата обращения: 08.10.2025).
6. ЦБ пропишет обязательный набор финпоказателей для оценки кредитных рисков заемщиков // Интерфакс. [Электронный ресурс]. URL: https://www.interfax.ru/ (дата обращения: 08.10.2025).
7. Как Big Data улучшает качество финтех-услуг и помогает компаниям эффективно использовать информацию о клиентах // Дело. [Электронный ресурс]. URL: https://delo.ru/ (дата обращения: 08.10.2025).
8. Батракова Л.Г. Экономический анализ деятельности коммерческого банка: учебник для вузов. 2-е изд., перераб. и доп. М.: Логос, 2007. 368 с.
9. Басовский Л.Е. Теория экономического анализа. М.: Инфра-М, 2008. 224 с.
10. Банковское дело: учебник / О.И. Лаврушин, И.Д. Мамонова, Н.И. Валенцева [и др.]; под ред. О.И. Лаврушина. 7-е изд., перераб. и доп. М.: КНОРУС, 2006. 768 с.
11. Банковское дело: учебник для вузов. 2-е изд. / Под ред. Г. Белоглазовой, Л. Кроливецкой. СПб.: Питер, 2006. 400 с.
12. Банковское дело: учебник для студентов вузов / Под ред. Е.Ф. Жукова, Н.Д. Ариашвили. М.: ЮНИТИ-ДАНА: Единство, 2007. 575 с.
13. Бердникова Т.Б. Анализ и диагностика финансово-хозяйственной деятельности предприятия: учеб. пос. 2007. 215 с.
14. Бородулин А., Кузнецов И., Мельник М. Теория экономического анализа: уч. пос. Тверь: ТГТУ, 2006. 148 с.
15. Герасимов Б.И., Иода Ю.В. Введение в экономику: Основы экономического анализа: учебное пособие. Тамбов: Изд-во ТГТУ, 2004. 140 с.
16. Дадашев А.З. Финансовая система России. М.: ИНФРА-М, 2007. 346 с.
17. Ковалев В.В., Волкова О.Н. Анализ хозяйственной деятельности предприятия: учеб. М.: ТК Велби, изд-во Проспект, 2006. 424 с.
18. Кредитоспособность: понятие, методы оценки, отличия от платёжеспособности [Электронный ресурс]. URL: https://www.rencredit.ru/ (дата обращения: 08.10.2025).
19. Лысенко Д.В. Комплексный экономический анализ хозяйственной деятельности: учебник. 2008. 320 с.
20. Мазурова И.И., Ярмахова Т.А., Быкова М.Б., Калинина А.П., Войтоловский Н.В. Экономический анализ: учебник. Изд-во Высшее образование, 2008. 513 с.
21. Мельник М.В., Герасимова Е.Б. Анализ финансово-хозяйственной деятельности предприятия: учебное пособие. 2008. 192 с.
22. МЕТОДЫ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ КОРПОРАТИВНЫХ КЛИЕНТОВ КОММЕРЧЕСКОГО БАНКА: РОССИЙСКИЙ И ЗАРУБЕЖНЫЙ ОПЫТ [Электронный ресурс]. URL: https://applied-research.ru/ (дата обращения: 08.10.2025).
23. Оценка кредитоспособности заемщика как инструмент управления кредитным риском [Электронный ресурс]. URL: https://elar.urfu.ru/ (дата обращения: 08.10.2025).
24. ОЦЕНКА КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА КОММЕРЧЕСКОГО БАНКА [Электронный ресурс]. URL: http://pnzgu.ru/ (дата обращения: 08.10.2025).
25. ОЦЕНКА КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА: ОТЕЧЕСТВЕННЫЙ И ЗАРУБЕЖНЫЙ ОПЫТ [Электронный ресурс]. URL: https://cyberleninka.ru/ (дата обращения: 08.10.2025).
26. Оценка кредитоспособности заемщика (методика СберБанка России) [Электронный ресурс]. URL: https://1fin.ru/ (дата обращения: 08.10.2025).
27. Оценка кредитоспособности заёмщика с учётом нейрокогнитивных факторов [Электронный ресурс]. URL: https://elar.urfu.ru/ (дата обращения: 08.10.2025).
28. Пивоваров К. В. Финансово-экономический анализ хозяйственной деятельности коммерческих организаций: учебник. Изд-во Дашков и К, 2007. 212 с.
29. Питер С. Роуз. Банковский менеджмент: учебник. М.: Дело, 2006. 486 с.
30. Пястолов С.М. Экономический анализ деятельности предприятий: учеб. пособие для вузов. М.: Академический Проект, 2002. 572 с.
31. Рейтинговые системы оценки кредитоспособности заемщиков банков: проблемы создания и перспективы развития [Электронный ресурс]. URL: https://moluch.ru/ (дата обращения: 08.10.2025).
32. Савицкая Г.В. Анализ хозяйственной деятельности предприятия: учебник. 2009. 536 с.
33. Шеремет А.Д., Негашев Е.В. Методика финансового анализа деятельности коммерческих организаций. 2-е изд., перераб. и доп. М.: ИНФРА-М, 2008. 208 с.
34. Шеремет А.Д. Теория экономического анализа: учебник. 2-е изд., доп. (Серия «Классический университетский учебник»), 2005.