Управление кредитным риском в коммерческом банке: теоретические основы, анализ практики и пути совершенствования в современных условиях российского рынка

метки: Кредитный, Потеря, Article, Модель, Например, Анализ, Положение, Резерв

К 01 сентября 2025 года задолженность по кредитам юридическим лицам и индивидуальным предпринимателям (ЮЛ и ИП) в Российской Федерации достигла почти 80 трлн рублей (79,7 трлн рублей), демонстрируя годовой темп прироста 10,3%. Эта впечатляющая цифра является не только индикатором экономической активности, но и крупнейшим источником риска для финансовой стабильности всей банковской системы. В условиях замедления темпов роста и перманентного ужесточения макропруденциального регулирования со стороны Центрального Банка РФ, управление кредитным риском перестает быть рутинной процедурой и трансформируется в стратегический императив, определяющий выживаемость и конкурентоспособность коммерческих банков.

Настоящая работа посвящена комплексному анализу теоретических основ управления кредитным риском, изучению современной регуляторной среды, сформированной стандартами «Базель III» и Положениями ЦБ РФ, а также разработке обоснованных предложений по совершенствованию риск-менеджмента с учетом последних достижений в области цифровых технологий и актуальной экономической динамики российского рынка.

Теоретические и регуляторные основы управления кредитным риском

Экономическая сущность и классификация кредитного риска

Кредитный риск является краеугольным камнем банковского риск-менеджмента, поскольку лежит в основе основной операционной деятельности большинства коммерческих банков — предоставления ссуд и размещения средств. Для того чтобы успешно управлять портфелем, банки должны понимать ключевые угрозы, которые он несет. Именно поэтому управление риском перестало быть просто административной задачей, а стало ключевой стратегической функцией.

В академической и регуляторной практике кредитный риск определяется как риск возникновения у кредитной организации финансовых потерь вследствие неисполнения, несвоевременного или неполного исполнения должником (контрагентом) своих обязательств перед банком в соответствии с условиями договора.

Это определение подчеркивает двойственную природу кредитного риска: он может проявиться как полный дефолт (невозврат основной суммы), так и как ухудшение качества обслуживания долга (невыплата процентов, просрочка).

Для унифицированного измерения и управления кредитным риском, как на уровне отдельной сделки, так и на уровне всего кредитного портфеля, используются четыре ключевых параметра, закрепленных в международных стандартах (Базель III) и продвинутых подходах оценки (IRB-подход):

Добровольное медицинское страхование (ДМС) как стратегический ...

... Корпоративное ДМС выступает не просто как пассивный расход, но как активный инструмент управления человеческими ресурсами (HRM), способный решать стратегические задачи, особенно актуальные в период острого ...

1. PD (Probability of default) – Вероятность дефолта. Это оценка вероятности того, что заемщик не выполнит свои обязательства в течение определенного временного горизонта (обычно одного года).
2. LGD (Loss Given Default) – Уровень потерь при дефолте. Этот показатель отражает долю убытков, которую понесет банк от непогашенного остатка ссуды в случае дефолта, после реализации обеспечения и покрытия судебных издержек. LGD выражается в процентах от величины требования.
3. EAD (Exposure at Default) – Величина кредитного требования, подверженная риску дефолта. Это оценка суммы, которую банк должен будет потерять в момент дефолта (включая неиспользованные кредитные линии и прочие обязательства).
4. M (Maturity) – Эффективный срок погашения. Учитывает влияние временного горизонта на риск, поскольку чем дольше срок, тем выше неопределенность и потенциальный риск.

Таким образом, кредитный риск может быть классифицирован по различным признакам: по типу заемщика (риск корпоративного, розничного, суверенного дефолта), по географии, по валюте и, что наиболее важно, по степени концентрации.

Международные стандарты и их имплементация в России

Система управления кредитным риском в России неразрывно связана с международными регуляторными реформами, прежде всего, с документами Базельского комитета по банковскому надзору (BCBS). Хотя Российская Федерация не является полноправным членом BCBS, она активно участвует в его работе и полностью имплементирует стандарты «Базель III» в национальное банковское законодательство. Эти стандарты направлены на то, чтобы сделать банковский сектор более устойчивым к глобальным экономическим потрясениям.

Целью пакета реформ «Базель III: Завершение посткризисных реформ» стало повышение способности банковского сектора выдерживать финансовый и экономический стресс за счет ужесточения требований к капиталу, ликвидности и, что критически важно, к управлению рисками.

Особое внимание в контексте кредитного риска уделяется ограничению рисков кредитной концентрации. Стандарт Базеля по крупным кредитным рискам (Large Exposures, LEX) устанавливает лимит на размер риска на одного заемщика (или группу связанных заемщиков).

Этот лимит не должен превышать 25% от основного капитала банка.

В России данный международный стандарт был имплементирован через систему обязательных нормативов Центрального Банка РФ.

Российская Имплементация: Норматив Н6

Российским аналогом стандарта LEX является Норматив Н6 (максимальный размер риска на одного заемщика или группу связанных заемщиков), который регулируется Инструкцией ЦБ РФ № 199-И.

Параметр	Стандарт Базеля (LEX)	Российское Регулирование (Норматив Н6)
Регулирующий документ	Базельский комитет, LEX	Инструкция ЦБ РФ № 199-И
Максимальный лимит	25% от основного капитала	25% от величины собственных средств (капитала) банка
Цель	Ограничение риска концентрации; защита капитала от дефолта крупного контрагента	Обеспечение финансовой надежности и устойчивости банка

Норматив Н6 является ключевым механизмом для обеспечения диверсификации кредитного портфеля и предотвращения ситуаций, когда дефолт одного крупного клиента способен поставить под угрозу всю устойчивость банка. Несоблюдение этого норматива влечет за собой применение мер надзорного реагирования со стороны ЦБ РФ, поэтому его соблюдение является не просто формальностью, а основой для сохранения лицензии.

Регулирование и количественная оценка кредитного риска в РФ

Формирование резервов в соответствии с Положением ЦБ РФ № 590-П

Центральным звеном в системе управления кредитным риском в России является система обязательного резервирования. Она призвана создать финансовый буфер, который банк может использовать для покрытия ожидаемых (прогнозируемых) и неожиданных (непредвиденных) потерь по ссудам.

Основным нормативным актом, регулирующим формирование этих резервов, является Положение Банка России № 590-П от 28.06.2017 «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности».

Положение № 590-П обязывает банки оценивать кредитный риск по каждой ссуде, начиная с момента ее выдачи, на основе как формальных признаков (своевременность погашения, наличие обеспечения), так и профессионального суждения банка о финансовом состоянии заемщика.

Классификация ссуд и нормативы резервирования

В соответствии с 590-П, ссуды классифицируются по пяти категориям качества, которые напрямую определяют требуемый размер резерва на возможные потери.

Категория качества	Описание	Размер Резерва (РВПС) по портфелям однородных ссуд (при отсутствии обеспечения)
I	Высшая. Отсутствие кредитного риска, устойчивое финансовое положение заемщика.	0%
II	Стандартная. Умеренный кредитный риск, несущественные факторы риска.	Не более 3%
III	Нестандартная. Повышенный кредитный риск, требующий внимания, но заемщик способен обслуживать долг.	Свыше 3% до 20%
IV	Проблемная. Высокий кредитный риск. Обслуживание долга зависит от внешних факторов, высокая вероятность дефолта.	Свыше 20% до 100%
V	Безнадежная. Дефолт или высокая степень его вероятности, потери практически неизбежны.	100%

Эта система резервирования базируется на концепции ожидаемых кредитных потерь (ECL), которая требует от банков не просто реагировать на уже наступивший дефолт, а проактивно оценивать будущие потери, используя параметры PD, LGD и EAD. Таким образом, Положение 590-П является прямым отражением принципов МСФО (IFRS 9), интегрированных в национальную систему учета. Если банк ошибается в оценке, он либо излишне блокирует капитал, либо рискует финансовой устойчивостью при наступлении кризиса.

Современные количественные модели оценки риска

Успешное управление кредитным риском невозможно без применения сложных количественных моделей, которые позволяют перевести качественные характеристики заемщика и макроэкономическую среду в измеримые финансовые показатели.

Кредитный скоринг

Кредитный скоринг представляет собой статистический и математический аппарат, предназначенный для прогнозирования вероятности дефолта (PD) заемщика. В современной практике скоринг использует методы машинного обучения (ML) для анализа обширных массивов данных (Big Data), включая финансовую отчетность, кредитную историю, а также нефинансовые и поведенческие характеристики.

Результатом работы скоринговой модели является скоринговый балл, который соотносится с уровнем риска. Чем ниже балл, тем выше вероятность дефолта и тем меньше резервный капитал требуется банку. Сегодня скоринговые системы применяются не только для оценки розничных заемщиков, но и активно внедряются для малого и микробизнеса, позволяя принимать до 80-90% решений в автоматическом режиме.

Методология VaR (Value-at-Risk)

Методология VaR (Value-at-Risk) является стандартом в риск-менеджменте. Она позволяет оценить максимально возможный убыток, который банк может понести по своему кредитному портфелю в течение заданного временного горизонта (T) с определенной вероятностью (уровнем доверия α).

Расчет Параметрического VaR

В простейшем (параметрическом) виде, при допущении нормального распределения потерь, VaR рассчитывается по формуле:

VaR = |P| ⋅ σ ⋅ α ⋅ √T

Где:

• $P$ — Размер позиции (например, всего кредитного портфеля).
• $\sigma$ — Волатильность (стандартное отклонение) потерь по портфелю.
• $\alpha$ — Квантиль функции нормального распределения для заданного уровня доверия (например, для 99% доверия $\alpha \approx 2.33$).
• $T$ — Временной горизонт (например, 1 год).

Критический Анализ VaR и переход к Expected Shortfall (ES)

Несмотря на широкое распространение, VaR обладает существенным недостатком: он не оценивает размер убытков в случае, если потери превысят рассчитанный порог. VaR игнорирует так называемый «хвост» распределения, где сосредоточены катастрофические, но маловероятные события (например, системный кризис).

Для устранения этого недостатка регуляторы, в частности в рамках Базельских соглашений, активно продвигают использование более совершенной меры риска — Expected Shortfall (ES), также известной как Conditional VaR (CVaR). Разве не является стратегической ошибкой полагаться только на VaR, когда речь идет о капитале, предназначенном для покрытия действительно экстремальных, но не исключаемых потерь?

Expected Shortfall (ES) — это средняя величина потерь, при условии, что эти потери превысили пороговое значение VaR. Математически, ES является средневзвешенной величиной всех VaR, соответствующих уровням доверия, превышающим выбранный уровень $\alpha$.

Для непрерывного распределения ожидаемых потерь $X$, ES может быть представлено в интегральном виде:

ESα = 1 / (1 - α) ⋅ ∫1α VaRγ (X) dγ

Где:

• ES_α — Expected Shortfall на уровне доверия $\alpha$.
• VaR_γ(X) — VaR на уровне доверия $\gamma$.

Использование ES позволяет банку более адекватно резервировать капитал на покрытие неожиданных, экстремальных потерь, что является критически важным в условиях высокой макроэкономической волатильности, характерной для российского рынка.

Анализ текущей практики и влияние макроэкономических факторов на кредитный риск (на примере российского банковского сектора)

Динамика кредитного портфеля ЮЛ и ИП в 2024-2025 гг.

Анализ динамики кредитного портфеля российских банков показывает, что в 2024–2025 годах наметилось существенное замедление темпов роста, особенно в корпоративном сегменте.

Согласно официальным данным Банка России, к 01 сентября 2025 года общая задолженность по кредитам юридическим лицам и индивидуальным предпринимателям (ЮЛ и ИП) достигла 79 685 млрд рублей.

Показатель	Значение на 01.09.2025	Динамика
Задолженность ЮЛ и ИП	79 685 млрд руб.	+10,3% (Годовой прирост)
Темп прироста (август 2025)	10,3%	Замедление (Против 10,5% на 01.08.2025)
Рост портфеля ЮЛ (2024 г.)	+21%	Существенный рост в предыдущем периоде

Резкий рост корпоративного кредитного портфеля в 2024 году (21%) был обусловлен льготными программами, импортозамещением и потребностью предприятий в оборотных средствах на фоне геополитических изменений. Однако в 2025 году ситуация кардинально изменилась:

1. Высокая ключевая ставка: Длительное сохранение ключевой ставки ЦБ РФ на высоком уровне сделало кредиты дорогими и снизило инвестиционную привлекательность проектов, напрямую влияя на спрос.
2. Ужесточение нормативов: Банки стали более осторожно подходить к оценке заемщиков из-за общего роста неопределенности и ужесточения требований регулятора.

Прогноз на конец 2025 года подтверждает тренд на замедление: ожидается, что корпоративный портфель вырастет не более чем на 11%, что почти вдвое ниже показателей предыдущего года. Замедление роста портфеля снижает доходность банков, но одновременно позволяет им сконцентрироваться на улучшении качества уже выданных активов и более тщательном управлении кредитным риском. Следовательно, в условиях стагнации рынка, фокус смещается с объема на качество, делая риск-менеджмент ключевым конкурентным преимуществом.

Влияние макропруденциальных мер ЦБ РФ

Ключевым фактором, определяющим управление кредитным риском в России в 2024–2025 годах, является активная макропруденциальная политика Центрального Банка РФ. Эти меры направлены на снижение системных рисков, связанных с перегревом отдельных сегментов кредитования, в первую очередь, необеспеченного розничного.

ЦБ РФ использует макропруденциальные надбавки к коэффициентам риска (risk weights), устанавливаемые, в частности, Указанием ЦБ РФ № 6411-У. Суть механизма заключается в том, чтобы сделать выдачу рискованных кредитов капиталоемкой и невыгодной для банков.

Механизм надбавок и его воздействие:

Надбавки дифференцируются в зависимости от двух ключевых параметров:

1. ПДН (Показатель долговой нагрузки): Соотношение ежемесячных платежей заемщика по всем кредитам к его среднемесячному доходу.
2. ПСК (Полная стоимость кредита): Общая стоимость кредита, выраженная в процентах годовых.

Для сегмента необеспеченных потребительских кредитов с высоким риском (например, ПДН более 80% и ПСК свыше 60% годовых) совокупный коэффициент риска (базовый 100% + надбавка) может достигать 400% и выше.

Экономический эффект:

Увеличение коэффициента риска с 100% до 400% означает, что для покрытия одного и того же объема ссуды банку требуется в четыре раза больше регулятивного капитала.

• Пример: Если банк выдает 1 млрд рублей высокорисковых кредитов, то при базовом коэффициенте риска (100%) и требовании к достаточности капитала Н1.0 в 8% он должен зарезервировать 80 млн рублей капитала. При коэффициенте 400% он должен зарезервировать уже 320 млн рублей капитала.

Данная политика вынуждает банки:

1. Сокращать выдачи в наиболее рискованных сегментах (особенно розничное кредитование, которое прогнозируется как околонулевое в 2025 году).
2. Ужесточать скоринг и требования к заемщикам, особенно с высоким ПДН.
3. Переориентироваться на менее рискованные и капиталоемкие продукты (ипотека, обеспеченное корпоративное кредитование).

Таким образом, макропруденциальные меры ЦБ РФ выступают в качестве мощного внешнего регулятора кредитного риска, напрямую влияя на структуру кредитного портфеля и потребность банков в капитале.

Перспективы и предложения по совершенствованию системы управления кредитным риском

Эффективная система управления кредитным риском должна быть не только реактивной (реагировать на уже возникшие просрочки), но и проактивной, используя передовые технологии и финансовые инструменты для прогнозирования и хеджирования.

Внедрение цифровых технологий (ИИ/ML)

Искусственный интеллект (ИИ) и машинное обучение (ML) являются важнейшими драйверами совершенствования риск-менеджмента. Российские банки-лидеры уже активно внедряют эти технологии, прежде всего, в скоринг и системы раннего предупреждения.

1. Автоматизация скоринга и принятия решений.

ИИ-алгоритмы способны обрабатывать неструктурированные большие данные (Big Data), включая информацию из социальных сетей, транзакционные данные, данные ФНС, ГИС и прочие источники, которые традиционные скоринговые модели игнорируют. Это позволяет повысить точность прогнозирования PD и существенно сократить время на принятие решения. Особенно эффективно это в сегменте малого и микробизнеса (МСБ), где ИИ позволяет автоматизировать до 90% кредитных решений.

2. Системы раннего предупреждения (Early Warning Systems).

ML-модели могут анализировать динамику поведения клиента после выдачи кредита, выявляя аномалии, которые предшествуют дефолту: снижение оборотов, изменение структуры расходов, частые задержки платежей поставщикам и т.д. В отличие от традиционных систем, которые реагируют на просрочку, ИИ-модели способны предсказать ухудшение кредитоспособности за 3–6 месяцев до официального дефолта, что дает банку время для реструктуризации долга или усиления работы с обеспечением. Практическая выгода здесь очевидна: проактивное вмешательство за полгода до дефолта многократно снижает потенциальные потери LGD.

Ожидаемый экономический эффект:

• Снижение операционных расходов на кредитный анализ.
• Снижение уровня просроченной задолженности (NPL) за счет проактивного вмешательства.
• Повышение точности оценки PD, что ведет к более оптимальному формированию резервов (согласно Положению № 590-П) и более эффективному использованию регулятивного капитала.

Развитие инструментов хеджирования: Кредитные деривативы

Несмотря на широкое применение кредитных деривативов (Credit Derivatives) на развитых финансовых рынках, в России этот сегмент остается на неразвитом уровне.

Кредитные деривативы — это финансовые инструменты, предназначенные для передачи (хеджирования) кредитного риска от одного участника рынка другому без передачи базового актива (ссуды).

Наиболее распространенным видом является кредитный дефолтный своп (Credit Default Swap, CDS), где покупатель свопа платит премию, а продавец обязуется компенсировать ему убытки в случае наступления кредитного события (дефолта) по базовому активу.

Проблемы неразвитости рынка в РФ:

1. Отсутствие ликвидности и стандартизации: Недостаток унифицированных контрактов и низкая ликвидность затрудняют формирование стабильного рынка.
2. Регуляторные барьеры: Сложность методологии учета и регуляторного признания деривативов для целей снижения капитала.
3. Недостаток информационных систем: Отсутствие централизованной, надежной информационной базы для расчета справедливой стоимости деривативов и мониторинга кредитного качества.

Предложения по совершенствованию:

Для повышения эффективности управления кредитным риском путем его хеджирования, коммерческим банкам совместно с регулятором необходимо предпринять следующие шаги:

1. Развитие методологии ценообразования: Банкам необходимо разработать и внедрить внутренние модели для оценки кредитных деривативов, используя, например, Модель Мертона, которая позволяет оценить PD компании, исходя из стоимости ее акций и структуры капитала.
2. Создание централизованной инфраструктуры: ЦБ РФ может стимулировать создание централизованной информационно-торговой платформы (например, на базе Московской Биржи) для стандартизированных CDS, что повысит прозрачность и ликвидность рынка.
3. Использование для диверсификации: Крупные банки могут использовать CDS для снижения риска концентрации в определенных отраслях или по крупным заемщикам, которые уже достигли предела Норматива Н6 (25%).

   Это позволит освободить регулятивный капитал для нового кредитования.

Развитие внутреннего рынка кредитных деривативов позволит российским банкам не только более гибко управлять риском, но и выполнять требования «Базеля III» по минимизации кредитного риска с помощью инструментов секьюритизации и передачи риска.

Заключение

Управление кредитным риском остается стержнем финансовой устойчивости коммерческого банка. Настоящий анализ подтвердил, что в современных условиях российского рынка, характеризующихся высокими процентными ставками, замедлением темпов роста корпоративного кредитования и жесткой макропруденциальной политикой ЦБ РФ (включая надбавки к коэффициентам риска до 400%+), традиционные методы уже недостаточны.

Основные выводы по работе:

1. Регуляторная основа строга и проактивна: Российское регулирование полностью интегрировало ключевые принципы «Базеля III», что отражено в Нормативе Н6 (25% лимит концентрации) и, в особенности, в Положении ЦБ РФ № 590-П, которое требует формирования резервов на основе концепции ожидаемых потерь (ECL).
2. Квантитативный анализ требует углубления: Для адекватной оценки риска «хвоста» распределения и соответствия продвинутым стандартам, банкам необходимо критически пересмотреть использование VaR и перейти к более надежной метрике Expected Shortfall (ES/CVaR).
3. Цифровая трансформация — императив: Внедрение технологий ИИ и ML в скоринг, особенно для МСБ, и создание систем раннего предупреждения позволяет повысить точность прогнозирования дефолта, снизить операционные издержки и проактивно управлять качеством портфеля.
4. Хеджирование как стратегический резерв: Неразвитость рынка кредитных деривативов в РФ представляет собой упущенный потенциал для диверсификации. Разработка внутреннего рынка CDS и внедрение моделей ценообразования (например, Модели Мертона) являются необходимыми шагами для эффективного хеджирования крупных кредитных рисков и оптимизации использования капитала.

Экономический эффект предложений: Внедрение предложенных мер (ИИ/ML и развитие деривативов) позволит коммерческим банкам не только повысить устойчивость к шокам, но и сократить неэффективное использование регулятивного капитала. Повышение точности оценки PD за счет ИИ и возможность передачи риска через деривативы освободят капитал, который может быть направлен на кредитование менее рискованных, но более прибыльных сегментов, способствуя росту и стабильности финансовой системы в целом.

Список использованной литературы

1. Федеральный закон от 02.12.1990 N 395-1 «О банках и банковской деятельности». Доступ из справ.-правовой системы «КонсультантПлюс».
2. Гражданский Кодекс Российской Федерации от 26 января 1996 г. (с изм. и доп. от 01.01.01 г.).
3. Положение Банка России от 28.06.2017 N 590-П (ред. от 15.03.2023) «О порядке формирования кредитными организациями резервов на возможные потери по ссудам…».
4. Положение от 01.01.01 г. «О порядке формирования кредитными организациями резервов на возможные потери».
5. Положение ЦБ РФ от 01.01.01 г. «О порядке предоставления (размещения) кредитными организациями и их возврата (погашения)» (с изм. и доп. от 01.01.01г. ).
6. Положение ЦБ РФ от 01.01.01 г. «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» (с изм. и доп. от 01.01.01г. ).
7. Федеральный закон от 01.01.01 г. «О залоге».
8. Федеральный закон от 01.01.01г. «О кредитных историях» (с изм. и доп. от 01.01.01 г. ).
9. Федеральный Закон от 01.01.01 г. «О и валютном контроле » (с изм. и доп. от 01.01.01г. ).
10. Письмо ЦБ РФ от 01.01.01г. «О типичных ».
11. Банковское дело: Современная система кредитования: Учебное пособие / Финансовая академия при правительстве РФ; , , . — М.: КноРус, 2007.
12. Банковское дело: Учебник / Под ред. проф. , проф. . – М.: Финансы и статистика, 2001.
13. Банковское дело: Учебник для вузов / Под ред. . – М.: Экономистъ, 2005.
14. , Лунева формирования методики оценки предприятия-заемщика коммерческим банком // Аудитор. – 2004. — № 9.
15. Готовчиков раз о надежности коммерческих банков//Бизнес и банкиN 21.
16. Драккер , нацеленное на результаты. — М., 2006.
17. Ефимова сделки: право и практика. — М., 2005.
18. Ларичев , совершаемые в сфере банковского кредитования//Деньги и кредитN 4.
19. Лямин анализ проблем инспектирования кредитных организаций//Деньги и кредитN 8.
20. Взгляд на труды А. Ноткина с позиций сегодняшнего дня//Вопросы экономикиN 3.
21. Предписания о собственном : от Базеля I к Базелю II//Бизнес и банкиN 1-2.
22. Моисеев кредитор последней инстанции//Бизнес и банкиN 49.
23. Москвин реструктуризации и банковские болезни//Деньги и кредитN 3.
24. Муравьев природа //Бухгалтерия и банкиN 3.
25. Кредитная алхимия//Время МНфевр.
26. Новиков : банков или протекционизма?//Бизнес и банкиN 48.
27. Опыт преодоления банковских кризисов в США//Деньги и кредитN 10.
28. О системе рисков банковской деятельности//Деньги и кредитN 4.
29. Не допустить нового кризиса//Время новостейянв.
30. Парамонова развития России//Деньги и кредитN 11.
31. Финансовый менеджмент: Учебное пособие / , , .- М.: Экзамен, 2004.
32. Шахов . Теоретический аспект//ФинансыN 7.
33. Серебряков А. Кредитные деривативы как инструмент управления рисками // Гарант. URL: https://www.garant.ru/products/prime/doc/5858639/ (дата обращения: 08.10.2025).
34. ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ НОВЫХ ЦИФРОВЫХ ТЕХНОЛОГИЙ В СФЕРЕ УПРАВЛЕНИЯ КРЕДИТНЫМ РИСКОМ И ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ // Киберленинка. URL: https://cyberleninka.ru/article/n/perspektivy-ispolzovaniya-novyh-tsifrovyh-tehnologiy-v-sfere-upravleniya-kreditnym-riskom-i-otsenki-kreditosposobnosti (дата обращения: 08.10.2025).
35. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ФИНАНСОВОМ РЫНКЕ. Аналитический материал Банка России. 30.10.2023. URL: https://www.cbr.ru/Content/Document/File/154425/07_analitika_30102023.pdf (дата обращения: 08.10.2025).
36. Как банки используют искусственный интеллект в обслуживании бизнеса // Ведомости. 15.04.2024. URL: https://www.vedomosti.ru/finance/articles/2024/04/15/1031383-kak-banki-ispolzuyut-iskusstvennii-intellekt (дата обращения: 08.10.2025).
37. Кредитные деривативы как метод управления кредитным риском // Киберленинка. URL: https://cyberleninka.ru/article/n/kreditnye-derivativy-kak-metod-upravleniya-kreditnym-riskom (дата обращения: 08.10.2025).
38. Российский банковский сектор — прогноз на 2025 год — Ассоциация банков России. URL: https://asros.ru/analytics/prognoz-bank-2025/ (дата обращения: 08.10.2025).
39. Практика применения VaR-методологии для оценки и управления кредитным риском в «Альфа-Банке» // Гребенников. URL: https://grebennikon.ru/article-9r5m.html (дата обращения: 08.10.2025).
40. Стоимость под риском (Value at Risk) // Википедия. URL: https://ru.wikipedia.org/wiki/Стоимость_под_риском (дата обращения: 08.10.2025).
41. Метод Value at Risk // 1fin.ru. URL: https://1fin.ru/financial-analysis/value-at-risk/ (дата обращения: 08.10.2025).
42. Методика оценки рисков VaR ДЛЯ КРЕДИТНОГО ПОРТФЕЛЯ БАНКА // Вестник АТУ. URL: https://vestnik-atu.kz/downloads/2019/2/22.pdf (дата обращения: 08.10.2025).
43. Риск-менеджмент – оценка VaR, ES “Количественные финансы”. URL: https://quantviews.github.io/risk_management/ (дата обращения: 08.10.2025).
44. ОЦЕНКА БАНКОВСКОГО КРЕДИТНОГО РИСКА // Прикладные исследования. URL: https://applied-research.ru/ru/article/view?id=7277 (дата обращения: 08.10.2025).
45. Кредитование юридических лиц и индивидуальных предпринимателей в августе 2025 года // Банк России. URL: https://www.cbr.ru/statistics/bank_sector/credits_ul_ip/ (дата обращения: 08.10.2025).
46. Методы оценки кредитного риска // Киберленинка. URL: https://cyberleninka.ru/article/n/metody-otsenki-kreditnogo-riska (дата обращения: 08.10.2025).
47. Рынок кредитования МСБ по итогам 2024 года и прогноз на 2025-й // Эксперт РА. URL: https://raexpert.ru/researches/banks/msb_2025/ (дата обращения: 08.10.2025).
48. Банковский сектор. Прогнозы и лучшие акции // Альфа-Банк. URL: https://alfabank.ru/investments/analytics/bank_sector_forecasts_and_best_stocks/ (дата обращения: 08.10.2025).
49. РЕГУЛИРОВАНИЕ РИСКОВ КРЕДИТНОЙ КОНЦЕНТРАЦИИ. Аналитический материал Банка России. 28.06.2024. URL: https://www.cbr.ru/Content/Document/File/165063/Analitika_28062024.pdf (дата обращения: 08.10.2025).
50. Ретроспектива подходов к оценке кредитного риска: Базель I, II, III // Киберленинка. URL: https://cyberleninka.ru/article/n/retrospektiva-podhodov-k-otsenke-kreditnogo-riska-bazel-i-ii-iii (дата обращения: 08.10.2025).
51. МЕТОДЫ АНАЛИЗА И ОЦЕНКИ КРЕДИТНОГО РИСКА БАНКА В РОССИЙСКОЙ ФЕДЕРАЦИИ // Вестник РЭУ. URL: https://www.rea.ru/ru/org/managements/nauka/PublishingImages/PublishingSite/30_03_2022/vestnik_3_2020.pdf (дата обращения: 08.10.2025).
52. БАЗЕЛЬСКИЕ СОГЛАШЕНИЯ О БАНКОВСКОМ КАПИТАЛЕ И ЛИКВИДНОСТИ: АНАЛИЗ 30-ЛЕТНЕЙ ПРАКТИКИ РЕГУЛИРОВАНИЯ // Киберленинка. URL: https://cyberleninka.ru/article/n/bazelskie-soglasheniya-o-bankovskom-kapitale-i-likvidnosti-analiz-30-letney-praktiki-regulirovaniya (дата обращения: 08.10.2025).