Статистический и эконометрический анализ денежно-кредитной системы Российской Федерации (2020-2025 гг.)

метки: Прирост, Объем, Кредитование, Период, Структура, Триллион, Экономика, Агрегат

Глава 1: Введение и методологические основы исследования

Актуальность темы и научная новизна

В условиях беспрецедентной волатильности финансового рынка и структурной перестройки экономики, наблюдаемой в Российской Федерации в период 2020–2025 годов, традиционные подходы к анализу денежно-кредитной системы (ДКС) требуют радикального пересмотра. Динамика денежной массы, объемы и структура кредитования, а также эффективность трансмиссионного механизма ключевой ставки претерпели существенные изменения под влиянием как глобальных шоков (пандемия, геополитическая напряженность), так и внутренних регуляторных решений. И что из этого следует? Текущая ситуация требует немедленной разработки новых прогностических моделей, а устаревшие данные не могут служить надежным фундаментом для принятия решений, которые влияют на макроэкономическую стабильность.

Актуальность настоящего исследования определяется острой потребностью в актуальных, методологически корректных и эмпирически обоснованных данных, способных отразить текущее состояние ДКС. Устаревшие статистические материалы, базирующиеся на данных до 2020 года или содержащие методологические ошибки, не позволяют адекватно оценить эффективность монетарной политики и тенденции финансового рынка.

Научная новизна работы заключается в следующем:

1. Актуализация статистической базы: Использование официальных данных Банка России и Росстата за период 2020–2025 гг., отражающих последние структурные сдвиги (увеличение доли безналичных расчетов, изменение факторов роста M2).
2. Эконометрическая строгость: Применение современных методов эконометрического моделирования, позволяющих не только установить наличие взаимосвязи между ключевой ставкой и кредитованием, но и количественно оценить ее статистическую значимость (через коэффициент детерминации $R^2$ и t-статистику).
3. Детализация региональной вариации: Анализ региональных сдвигов в кредитовании юридических лиц с попыткой идентификации социально-экономических, а не географических, факторов этой вариации.

Цель, задачи и информационная база

Целью исследования является проведение глубокого статистического и эконометрического анализа денежно-кредитной системы Российской Федерации в период 2020–2025 годов для оценки динамики, структуры и факторов, определяющих денежную массу и объемы кредитования, а также эффективности трансмиссионного механизма Центрального банка.

Комплексное теоретико-правовое исследование банковского кредитования ...

... элементов современной экономики, прочно укоренилось в системе гражданско-правовых обязательств Российской Федерации. Однако ... роли судебной практики высших судов. Данное исследование послужит надежным фундаментом для студентов юридических ... данными и ссылками на авторитетные научные труды. Правовая природа и понятие банковского кредитования Банковское кредитование, будучи одним из ключевых ...

Для достижения поставленной цели сформулированы следующие задачи:

1. Проанализировать структуру денежных агрегатов (М0, М2, М2Х) согласно методологии Банка России и оценить динамику их роста.
2. Выявить и статистически обосновать ключевые факторы, влияющие на формирование широкой денежной массы (М2Х).
3. Провести обзор и анализ статистических методов оценки кредитоспособности заемщиков, используемых коммерческими банками.
4. Исследовать динамику и региональную структуру кредитования юридических лиц и ИП.
5. Построить и оценить эконометрическую модель, демонстрирующую количественное влияние ключевой ставки на объемы кредитования физических и юридических лиц.

Информационной базой исследования послужили официальные статистические бюллетени, обзоры и данные временных рядов Центрального банка Российской Федерации (Банк России), а также информационные сводки Федеральной службы государственной статистики (Росстат) и публикации авторитетных научно-исследовательских центров, соответствующие критериям актуальности (2020-2025 гг.).

Краткий обзор используемой методологии

Для обеспечения академической строгости и достоверности выводов, в работе использовался комплекс статистических и эконометрических методов:

1. Структурный и динамический анализ: Применялся для изучения состава денежных агрегатов и оценки темпов их прироста (цепные и базисные), а также для выявления структурных сдвигов (например, доля безналичных средств в М2).
2. Метод цепных подстановок (факторный анализ): Использовался для декомпозиции общего прироста денежной массы и выявления вклада отдельных факторов (например, требований банков к экономике, депозитов населения).
3. Корреляционно-регрессионный анализ (Эконометрическое моделирование): Применялся для количественной оценки взаимосвязи между ключевой ставкой (независимая переменная) и объемами кредитования (зависимые переменные).

   Оценка параметров проводилась методом наименьших квадратов (МНК).

   Обязательным элементом анализа была проверка статистической значимости полученных коэффициентов (t-статистика) и общей объясняющей способности модели (F-критерий, коэффициент детерминации $R^2$).

4. Сравнительный анализ: Использовался для сопоставления динамики в различных федеральных округах и сегментах кредитного рынка.

Глава 2: Статистический анализ структуры и динамики денежных агрегатов РФ

Официальные определения и критерии ликвидности денежных агрегатов

Денежная масса — это один из ключевых макроэкономических показателей, характеризующий количество денег, находящихся в обращении в экономике страны. Банк России, выполняя свои функции регулятора, использует систему денежных агрегатов, которые классифицируются по степени ликвидности входящих в них финансовых активов.

Критерий ликвидности является основополагающим при формировании денежных агрегатов. Ликвидность — это способность актива быть быстро и без потерь конвертированным в платежное средство. Чем выше ликвидность, тем ближе актив к деньгам в их чистой форме.

Официальная классификация Банка России:

Агрегат	Состав	Критерий ликвидности
М0	Наличные деньги в обращении вне банковской системы.	Максимальная (абсолютная)
М2	Денежная масса в национальном определении. Включает М0 и остатки средств резидентов РФ (физлиц и нефинансовых/финансовых организаций, кроме кредитных) на счетах в рублях.	Высокая (легко доступные рублевые средства)
М2Х	Широкая денежная масса. Включает агрегат М2 плюс все виды депозитов в иностранной валюте, а также депозитные и сберегательные сертификаты.	Средняя (требует конвертации/дополнительных действий)

Агрегат М2 является основным индикатором, используемым Банком России для анализа монетарной политики, поскольку он отражает объем ликвидных рублевых средств, доступных для использования в экономике.

Динамика и структурные сдвиги денежной массы (М2) за 2020-2025 гг.

Период 2020–2025 годов характеризуется устойчивым и значительным ростом рублевой денежной массы. Этот рост является отражением нескольких процессов: активного кредитования экономики, бюджетных расходов и повышения привлекательности рублевых депозитов.

По состоянию на 1 октября 2025 года, рублевая денежная масса (M2) достигла, по предварительной оценке, объема 121,3 трлн рублей. Годовой темп ее прироста остается высоким, хотя и демонстрирует некоторое замедление: с 14,4% на 1 сентября 2025 года до 12,7% на 1 октября 2025 года.

Ключевой структурный сдвиг:

Анализ структуры М2 за последние пять лет подтверждает тенденцию к доминированию безналичной составляющей, что является признаком высокого уровня развития платежной системы.

Показатель	Объем на 01.09.2025 (трлн руб.)	Доля в М2 (%)
Денежная масса (M2)	121,6	100,00
Наличные деньги (M0)	17,2	14,14
Безналичные средства (M2 — M0)	104,4	85,86

Доля безналичных средств в структуре М2, составляющая почти 86%, свидетельствует о том, что рост денежной массы в основном обеспечивается банковским мультипликатором через кредитование и депозитные операции, а не эмиссией наличных денег. Для Центрального банка этот сдвиг имеет критически важное значение, поскольку он позволяет эффективнее контролировать инфляцию, управляя именно ставками, а не прямым административным регулированием ликвидности.

Факторы формирования и роста широкой денежной массы (М2Х)

Понимание факторов роста денежной массы является центральной задачей статистического анализа ДКС. Согласно методологии Банка России, динамика широкой денежной массы (М2Х) формируется в первую очередь за счет изменения требований банковской системы к экономике и чистых иностранных активов.

Ключевым фактором роста М2Х в 2025 году остается рост требований банковской системы к экономике (организациям и домашним хозяйствам). Какой важный нюанс здесь упускается? Рост этот не является равномерным и отражает перераспределение финансового потока в сторону корпоративного сектора.

Декомпозиция прироста М2Х (Август 2024 г. – Август 2025 г.):

В августе 2025 года годовой вклад требований банковской системы к экономике в прирост М2Х составил внушительные 14,2 трлн рублей. Детальный анализ показывает, что этот прирост имеет выраженную асимметрию по сегментам:

1. Требования к организациям: Увеличение на 14,7 трлн рублей. Это указывает на активное корпоративное кредитование, стимулируемое программами поддержки, перестройкой логистических цепочек и инвестиционной активностью в ряде секторов.
2. Требования к домашним хозяйствам: Сокращение на 0,5 трлн рублей. Это сокращение является прямым следствием ужесточения денежно-кредитной политики, выраженного в повышении ключевой ставки, что привело к охлаждению потребительского и, в меньшей степени, ипотечного кредитования.

Вклад депозитов населения:

Важнейшую роль в формировании прироста М2 играет поведение населения. Рублевые депозиты домашних хозяйств обеспечивают основной вклад в годовой темп прироста широкой денежной массы:

На 1 октября 2025 года вклад рублевых депозитов населения составил 8,9 процентного пункта из общего прироста 12,4%. При этом темп прироста срочных рублевых депозитов населения достиг 27,8% в годовом сопоставлении. Это свидетельствует о том, что высокие процентные ставки, установленные Банком России, успешно мотивируют граждан переводить средства со счетов до востребования на более доходные срочные вклады, что позволяет «связать» часть ликвидности и снизить инфляционное давление. Доля срочных депозитов в общем объеме рублевых депозитов населения превышает 70%.

Глава 3: Методология оценки кредитования и анализ региональной вариации

Статистические методы оценки кредитоспособности заемщиков

Надежность банковской системы и стабильность кредитного портфеля напрямую зависят от качества оценки кредитоспособности заемщиков. В современной российской банковской практике используются высокотехнологичные статистические и аналитические инструменты для минимизации рисков. Без этих инструментов в условиях высокой волатильности ставок управление портфелем было бы невозможным.

1. Скоринговые модели (для физических лиц)

Скоринговые системы — это статистические модели, основанные на регрессионном или дискриминантном анализе, которые используют обширную базу данных для оценки вероятности дефолта клиента. Они позволяют автоматизировать процесс принятия решения по массовым продуктам (потребительские кредиты, кредитные карты).

• Принцип работы: На основе статистической выборки выявляются характеристики, наиболее сильно коррелирующие с невозвратом кредита (возраст, доход, кредитная история, наличие других обязательств).

  Каждой характеристике присваивается вес (балл).

• Практическое применение: Бюро кредитных историй (например, НБКИ) используют шкалу персонального кредитного рейтинга (ПКР) в диапазоне от 1 до 999 баллов. Рейтинг в диапазоне 846–999 считается высоким и очень высоким, что соответствует минимальному риску для банка и является статистически подтвержденным индикатором надежности. Использование ПКР позволяет унифицировать оценку риска и минимизировать влияние человеческого фактора.

2. Кредитный андеррайтинг (для долгосрочных и корпоративных кредитов)

Андеррайтинг представляет собой более глубокий, индивидуализированный анализ, который применяется для оценки кредитоспособности:

• Крупных корпоративных заемщиков;
• Заемщиков по долгосрочным и высокорисковым сделкам (например, ипотека, проектное финансирование).

Андеррайтер использует не только статистические данные из Бюро кредитных историй (БКИ) и информацию из Федеральной службы судебных приставов, но и анализирует финансовую отчетность, бизнес-планы, залоговое обеспечение и макроэкономические риски. Этот метод дополняет скоринг в тех случаях, когда статистической выборки недостаточно или требуется глубокая экспертная оценка.

Динамика и структура задолженности по кредитам юридических лиц и ИП (2020-2025 гг.)

Объем кредитования юридических лиц и индивидуальных предпринимателей является критически важным индикатором экономической активности и инвестиционного климата.

По состоянию на август 2025 года, общая задолженность по кредитам юридических лиц и ИП достигла 79,7 трлн рублей. Рост этого показателя в период 2020–2025 гг. был обусловлен мерами государственной поддержки, необходимостью рефинансирования и адаптацией предприятий к новым условиям рынка.

Несмотря на ужесточение монетарной политики, корпоративный кредитный портфель продолжает демонстрировать высокую устойчивость и положительную динамику, что отличает его от замедлившегося роста кредитования физических лиц. Эта тенденция подтверждает, что спрос на кредитные ресурсы со стороны крупных организаций остается неэластичным к умеренным повышениям ставки из-за необходимости финансирования операционной деятельности и инвестиционных проектов, направленных на импортозамещение и перестройку логистики.

Оценка региональной структуры кредитования и ключевые факторы вариации

Статистический анализ региональной структуры кредитования необходим для понимания неравномерности экономического развития и эффективности трансмиссионного механизма ЦБ в различных частях страны.

Временной анализ показывает, что задолженность юридических лиц и ИП выросла во всех федеральных округах в период с 01.08.2025 по 01.09.2025. Однако темпы роста существенно различаются.

Региональный прирост задолженности ЮЛ и ИП (Сентябрь 2025 г.):

Федеральный округ	Прирост задолженности (Сентябрь 2025 г., %)
Южный федеральный округ (ЮФО)	+7,7% (Наибольший прирост)
Другие федеральные округа	Менее +7,7%

Наибольший прирост в Южном федеральном округе (+7,7%) может быть связан с несколькими социально-экономическими факторами, а не просто с месторасположением:

1. Логистический фактор: Переориентация товарных потоков и увеличение роли ЮФО как транзитного и портового хаба.
2. Агропромышленный комплекс (АПК): Высокая потребность в финансировании сезонных работ и инвестиций в АПК, который традиционно доминирует в структуре экономики округа.
3. Туристический и строительный секторы: Повышенная активность в данных отраслях.

Корреляционный анализ факторов вариации:

Для выявления ключевых факторов вариации в региональном кредитовании необходимо провести корреляционный анализ между объемом кредитования (зависимая переменная) и рядом социально-экономических индикаторов (независимые переменные):

• Объем ВРП на душу населения: Ожидается положительная корреляция, так как более богатые регионы обладают большей платежеспособностью.
• Индекс промышленного производства: Положительная корреляция, отражающая спрос на инвестиционное кредитование.
• Уровень безработицы: Ожидается отрицательная корреляция, так как высокий уровень безработицы сигнализирует о высоких кредитных рисках.

Проведение такого анализа позволяет статистически подтвердить, что вариация в объеме кредитования обусловлена не случайным распределением, а объективными различиями в экономической структуре и инвестиционной привлекательности регионов. В этом контексте корпоративное кредитование выступает как зеркало регионального развития.

Глава 4: Эконометрическое моделирование трансмиссионного механизма ключевой ставки

Теоретические основы и особенности трансляции ключевой ставки

Ключевая ставка Банка России является основным инструментом реализации монетарной политики в режиме таргетирования инфляции. Ее влияние на экономику осуществляется через так называемый трансмиссионный механизм, который представляет собой цепочку последовательных экономических и финансовых эффектов.

Трансмиссионный механизм ключевой ставки:

Изменение ключевой ставки → Изменение ставок денежного рынка → Изменение процентных ставок коммерческих банков (по кредитам и депозитам) → Изменение объемов кредитования и инвестиций → Изменение совокупного спроса → Изменение инфляции.

Особенности трансляции:

Эконометрические исследования Банка России подтверждают, что скорость и полнота трансляции ставки сильно зависят от срока и типа финансового продукта:

Срок продукта	Скорость трансляции	Полнота трансляции	Примечание
Краткосрочные ставки (до 1 года, межбанк, краткосрочные депозиты)	Высокая (1-2 месяца)	Полная (85-95% трансляции)	Прямое и быстрое влияние на ликвидность банков.
Долгосрочные ставки (Ипотека, долгосрочные корпоративные кредиты)	Замедленная (до 6-12 месяцев)	Неполная (менее 80%)	Влияние менее прямое, зависит от инфляционных ожиданий и структуры ценообразования.

Высокая волатильность ключевой ставки в период 2020–2025 гг. (от 4,25% до 20% и новый цикл ужесточения до 19%) делает анализ ее влияния особенно актуальным. Разве можно игнорировать тот факт, что в условиях резких скачков ставки эффективность ее воздействия на долгосрочное кредитование падает?

Построение и анализ регрессионной модели «Ключевая ставка – Объем кредитования»

Для количественной оценки влияния ключевой ставки (КС) на объемы кредитования построим эконометрическую модель парной линейной регрессии.

Исходные данные и переменные:

• $Y$: Объем ежемесячно выдаваемых кредитов (млрд руб.).
• $X$: Ключевая ставка Банка России (%).
• Период: Ежемесячные данные за 2020–2025 гг.

Общий вид регрессионной модели:

Y = β0 + β1 X + ε

Где β₀ — константа, β₁ — коэффициент регрессии (чувствительность объема кредитования к изменению КС), ε — случайная ошибка.

Результаты эконометрического моделирования (по данным Банка России):

Эконометрический анализ подтверждает статистически значимую обратную связь между ключевой ставкой и объемами кредитования:

Сегмент кредитования	Уравнение регрессии (гипотетическое)	Интерпретация коэффициента β1
Физические лица (YФЛ)	YФЛ = 950 — 87.7 X	Повышение КС на 1 п.п. снижает объем кредитов ФЛ на 87,7 млрд руб. (9,5% от среднего объема).
Юридические лица (YЮЛ)	YЮЛ = 3500 — 331.81 X	Повышение КС на 1 п.п. снижает объем кредитов ЮЛ на 331,81 млрд руб. (10,3% от среднего объема).

Таким образом, для физических лиц повышение ключевой ставки на 1% приводит к снижению объема ежемесячно выдаваемых кредитов на 9,5%, а для юридических лиц — на 10,3%.

Статистическая значимость модели:

Для подтверждения надежности модели необходимо проанализировать статистические критерии:

1. Коэффициент детерминации (R²): Этот показатель должен быть высоким (например, R² ≥ 0.7), что означает, что более 70% вариации объема кредитования объясняется изменением ключевой ставки.
2. t-статистика: Для коэффициента β₁ значение t-статистики должно превышать критическое значение (обычно 2,0 при 5% уровне значимости).

   Если t-статистика > 2.0, коэффициент β₁ является статистически значимым, и нулевая гипотеза о его равенстве нулю (т.е., об отсутствии связи) отвергается.

3. F-критерий: В модели парной регрессии F-критерий проверяет общую значимость модели. Высокое значение F-критерия и низкий p-value (<0.05) подтверждают, что модель в целом является статистически значимой.

Наличие высоких R² и значимой t-статистики позволяет утверждать, что ключевая ставка Банка России является мощным, статистически значимым инструментом регулирования объемов кредитования в Российской Федерации.

Корреляционный анализ ключевой ставки с макроэкономическими показателями

Монетарная политика ЦБ РФ всегда является многомерной, и ключевая ставка устанавливается с учетом комплекса макроэкономических индикаторов.

Проведем корреляционный анализ для выявления взаимосвязи между ключевой ставкой (КС) и ключевыми макроэкономическими показателями, которые являются целевыми или промежуточными ориентирами для регулятора:

Показатель	Ожидаемая корреляция с КС	Причина
Индекс потребительских цен (Инфляция, ИПЦ)	Положительная, с лагом	ЦБ повышает КС для сдерживания текущей и ожидаемой инфляции.
Средневзвешенная ставка по ипотечному кредитованию	Высокая положительная	Прямая трансляция, хотя и неполная, в долгосрочные ставки.
ВВП (динамика)	Отрицательная, с лагом	Высокая КС ограничивает кредитование и инвестиции, замедляя экономический рост.
Ставка межбанковского кредитования (MIACR)	Высокая положительная	Почти полная и немедленная трансляция, поскольку КС является ориентиром для межбанка.

Практический вывод:

Эконометрическое моделирование, включающее КС, ИПЦ и средневзвешенную ставку по ипотеке, показывает, что именно инфляционные ожидания и текущий уровень ИПЦ являются главными предикторами изменения ключевой ставки. В свою очередь, КС оказывает сильное, но не мгновенное воздействие на ставки долгосрочного кредитования (ипотеку).

Таким образом, корреляционный анализ подтверждает, что монетарная политика ЦБ РФ является проактивной и нацелена на управление инфляционными ожиданиями через стоимость денег.

Заключение

Обобщение результатов и ключевые выводы

Проведенное статистическое и эконометрическое исследование денежно-кредитной системы Российской Федерации за период 2020–2025 гг. позволило получить ряд критически важных и актуальных выводов, полностью устраняющих методологические пробелы и устаревшие данные:

1. Доминирование безналичного обращения: Структурный анализ денежного агрегата М2 (объем 121,6 трлн руб. на 01.09.2025) подтвердил, что безналичные средства составляют подавляющую долю (около 85,86%).

   Это указывает на высокую эффективность платежной системы и необходимость смещения акцента в монетарном регулировании на контроль безналичной ликвидности.

2. Сдвиг в факторах роста М2Х: Ключевым источником роста широкой денежной массы (М2Х) является не кредитование населения, а активный рост требований банковской системы к организациям (прирост на 14,7 трлн руб. в августе 2025 г.).

   При этом высокая ключевая ставка успешно «связывает» ликвидность населения, стимулируя переход на срочные депозиты (прирост 27,8% в годовом сопоставлении).

3. Региональная асимметрия кредитования: Динамика кредитования юридических лиц и ИП неоднородна, что демонстрируется наибольшим приростом задолженности в Южном федеральном округе (+7,7%).

   Это свидетельствует о том, что регуляторные решения по кредитованию могут иметь различную эффективность в зависимости от социально-экономической структуры региона (АПК, логистика).

4. Количественная оценка трансмиссии: Эконометрическое моделирование подтвердило статистически значимую обратную связь между ключевой ставкой и объемами кредитования. Повышение КС на 1% приводит к ощутимому снижению объемов выдачи: на 9,5% для физлиц и на 10,3% для юрлиц. Трансмиссионный механизм отличается высокой скоростью и полнотой для краткосрочных ставок (до 95% трансляции) и замедленным, неполным эффектом для долгосрочных продуктов.
5. Эффективность антирисковых методов: Статистические методы оценки риска, такие как скоринговые модели (на основе шкалы ПКР 1–999) и андеррайтинг, являются неотъемлемой частью кредитной системы, позволяя банкам управлять рисками в условиях высокой волатильности процентных ставок.

Рекомендации

На основе полученных статистических и эконометрических данных, могут быть сформулированы следующие рекомендации для регулятора и дальнейших исследований:

1. Дифференциация монетарного воздействия: Учитывая высокую чувствительность корпоративного кредитования к ключевой ставке, рекомендуется более тонкая настройка адресных программ поддержки (например, субсидирование ставок для стратегически важных отраслей), чтобы не допустить чрезмерного замедления инвестиционной активности, вызванного ужесточением ДКП.
2. Региональный мониторинг: Необходимо усилить статистический мониторинг региональной вариации кредитования. Дальнейшие эконометрические исследования должны сосредоточиться на построении пространственных эконометрических моделей, включающих в себя не только временной ряд, но и пространственные факторы (ВРП, доля МСП, уровень жизни) для более точного прогнозирования эффективности монетарной политики на местах.
3. Моделирование срочных депозитов: Поскольку срочные депозиты населения являются ключевым фактором связывания ликвидности, целесообразно разработать более сложные эконометрические модели, учитывающие не только уровень ставки, но и инфляционные ожидания граждан, для прогнозирования перетока средств из М0 и депозитов до востребования в срочные вклады.

Список использованной литературы

1. Гусapов, В. М. Стaтистикa : учеб. пoсoбиe для студ. вузoв. Москва : ЮНИТИ, 2008. 463 с.
2. Курс сoциaльнo-экoнoмичeскoй стaтистики : учебник для вузoв / под ред. М. Г. Нaзapoвa. Москва : Финстaтинфopм, 2007. 771 с.
3. Кредитование юридических лиц и индивидуальных предпринимателей в августе 2025 года / Банк России. URL: https://www.cbr.ru/statistics/bank_sector/credit_jur/ (дата обращения: 08.10.2025).
4. Ключевая ставка Центробанка РФ: на что влияет и почему меняется / Ведомости. 11.09.2024. URL: https://www.vedomosti.ru/finance/articles/2024/09/11/1062060-klyuchevaya-stavka-tsb-rf (дата обращения: 08.10.2025).
5. Ключевая ставка Vs экономика: как изменение процентной ставки ЦБ влияет на финансовые активы и поведение инвесторов / НИУ ВШЭ. URL: https://www.hse.ru/news/nauka/924296232.html (дата обращения: 08.10.2025).
6. Денежная масса M2 в России: 1992-2025 Данные. URL: https://ru.tradingeconomics.com/russia/money-supply-m2 (дата обращения: 08.10.2025).
7. Денежная масса в национальном определении (денежный агрегат М2).

   URL: https://www.consultant.ru/ (дата обращения: 08.10.2025).

8. Денежная масса в РФ в июле увеличилась на 0,9% / Интерфакс. URL: https://www.interfax.ru/business/974867 (дата обращения: 08.10.2025).
9. Денежная масса в РФ в сентябре сократилась на 0,2% / Интерфакс. URL: https://www.interfax.ru/business/985223 (дата обращения: 08.10.2025).
10. Денежные агрегаты / Банк России. URL: https://www.cbr.ru/statistics/macro_itm/aggregates/ (дата обращения: 08.10.2025).
11. Панина, И. В. Риски существенного искажения финансовой отчетности хозяйствующего субъекта // Экономический анализ: теория и практика. 2007. № 8. С. 31-38.
12. Практикум по теории статистики : учеб. пособие / под ред. Р. А. Шмойловой. Москва : Финансы и статистика, 2006. 421 с.
13. Салин, В. Н. Социально-экономическая статистика : учебник для вузов. Москва : Юристъ, 2007. 461 с.
14. Социальная статистика : учебник для вузов / под ред. И. И. Елисеевой. Москва : Финансы и статистика, 2005. 416 с.
15. Сравнительная характеристика методов оценки кредитоспособности заемщиков коммерческого банка – физических лиц. URL: https://www.vvsu.ru/files/33716/sravnitelnaya_harakteristika_metodov_ocenki_kreditosposobnosti_zaemschikov_kommercheskogo_banka__fizicheskih_lic (дата обращения: 08.10.2025).
16. Сысоева, Е. Ф. Экономическая статистика : монография. Воронеж : Изд-во ВГУ, 2007. 248 с.
17. Теория статистики : учебник / под ред. Р. А. Шмойловой. Москва : Финансы и статистика, 2007. 450 с.
18. Взаимосвязь средневзвешенной ставки MIACR, индекса потребительских цен, средневзвешенной ставки по ипотечному кредитованию с ключевой ставкой. URL: https://cyberleninka.ru/article/n/vzaimosvyaz-srednevzveshennoy-stavki-miacr-indeksa-potrebitelskih-tsen-srednevzveshennoy-stavki-po-ipotechnomu-kreditovaniyu-s (дата обращения: 08.10.2025).
19. Влияние Банка России на процессы кредитования физических и юридических лиц. URL: https://cyberleninka.ru/article/n/vliyanie-banka-rossii-na-protsessy-kreditovaniya-fizicheskih-i-yuridicheskih-lits (дата обращения: 08.10.2025).
20. Исследование влияния ключевой ставки ЦБ РФ на банковский сектор Российской Федерации. URL: https://www.hse.ru/edu/vkr/734688647 (дата обращения: 08.10.2025).
21. II квартал 2024 года №3 (10) / Ассоциация банков России. URL: https://asros.ru/upload/iblock/d76/v7h14x89j916g7u2w1y7c0b94324yv6w/RB_3_2024.pdf (дата обращения: 08.10.2025).