Оценка кредитоспособности корпоративных заемщиков в условиях структурной адаптации экономики РФ: критический анализ методологий и регуляторные новеллы 2024–2025 гг.

метки: Финансовый, Заемщик, Кредитоспособность, Требовать, Положение, Экономика, Триллион, Кредитный

Общая задолженность по кредитам юридическим лицам и индивидуальным предпринимателям в Российской Федерации на август 2025 года достигла 79,7 трлн рублей при годовом темпе прироста в 10,3%. На этом фоне, объем проблемных кредитов (включая реструктурированные) юридическим лицам составляет около 10,5% портфеля, что делает вопрос точности и актуальности методик оценки кредитоспособности критически важным для финансовой стабильности страны.

В условиях структурной трансформации российской экономики, жесткой денежно-кредитной политики и беспрецедентного санкционного давления, традиционные подходы к оценке кредитного риска корпоративных заемщиков стремительно теряют свою прогностическую силу. Если классические модели, разработанные для стабильных западных рынков, опираются на принцип инерции и системной предсказуемости, то современная российская практика требует интеграции нефинансовых, геополитических и регуляторно-стимулирующих факторов. Это означает, что для принятия взвешенного решения требуется не только анализ баланса, но и понимание стратегического положения компании в новой экономической архитектуре.

Настоящее исследование представляет собой детальный проект академической работы, целью которого является критический анализ и актуализация существующих методологий оценки кредитоспособности корпоративных заемщиков в РФ с учетом нормативно-правовых новелл 2024–2025 годов и интеграции ESG-факторов.

В рамках работы решаются следующие задачи:

1. Систематизация теоретических основ и критериев кредитоспособности.
2. Критическая оценка действующих методик Банка России и коммерческих банков.
3. Анализ новейших регуляторных стимулов (ТС/САЭ, ПВР) и их влияния на кредитный процесс.
4. Проведение сравнительного кейс-анализа кредитоспособности крупного заемщика.
5. Прогноз развития методологии оценки риска с учетом Big Data и ИИ.

Глава 1. Теоретические основы и критерии кредитоспособности корпоративных заемщиков

Эволюция подходов к оценке кредитоспособности: от классики до скоринговых систем

Кредитоспособность корпоративного заемщика — это его юридическая и финансовая способность своевременно и в полном объеме выполнить свои обязательства перед кредитором, обусловленные договором. В отличие от платежеспособности (способности погасить долг в настоящий момент), кредитоспособность является прогностической категорией, описывающей потенциал заемщика в будущем. Если говорить о практической выгоде для банка, то точная оценка кредитоспособности позволяет минимизировать потери и оптимизировать требования к капиталу.

Кредитоспособность заемщика и методика ее определения в условиях ...

... формирования резервов на возможные потери по ссудам. Традиционный анализ кредитоспособности корпоративных заемщиков: Финансовые коэффициенты и денежные потоки В основе оценки кредитоспособности корпоративного заемщика лежит детальный анализ его финансовой отчетности. В российской практике это ...

Критерии оценки кредитоспособности традиционно делятся на три группы:

Группа Критериев	Описание и Примеры
Финансовые	Количественные показатели, отражающие текущее и потенциальное финансовое состояние. Включают ликвидность, финансовую устойчивость (автономию), оборачиваемость активов и рентабельность.
Качественные (Нефинансовые)	Факторы, не отраженные в отчетности, но влияющие на риск. Включают репутацию, качество менеджмента, отраслевую принадлежность, наличие ESG-стратегии.
Правовые	Юридическая чистота, наличие необходимой документации, правовая форма собственности, наличие лицензий и разрешений, соблюдение нормативных требований.

Исторически подходы к оценке эволюционировали от качественной оценки, основанной на пяти «С» (Character, Capacity, Capital, Collateral, Conditions), к количественным методам.

Сравнительная эволюция методик оценки кредитоспособности

Этап	Методика	Описание	Применимость в РФ (2025)
Классический (1960–1970-е)	Z-счет Альтмана (пятифакторная модель)	Линейная дискриминантная модель, основанная на пяти коэффициентах, взвешенных по данным США. Предсказывает банкротство с горизонтом 1-2 года.	Ограничена. Низкая точность из-за структурных различий экономик и неспособности учитывать несистемные риски.
Адаптивный (1980–2000-е)	Модель Фулмера / Отечественные модели (Сбербанк, ВЭБ)	Модификация дискриминантного анализа под специфику российской отчетности, с учетом отраслевых нормативов и добавлением российских коэффициентов (например, коэффициент независимости).	Базис для большинства банков. Требует постоянной актуализации весов и пороговых значений.
Современный (2010-е – 2025)	Внутренние рейтинги (ПВР) и Скоринговые системы (AI/Big Data)	Использует огромные массивы данных, машинное обучение и оценку PD (Probability of Default) на основе исторических потерь. Интеграция качественных и ESG-метрик.	Ключевая тенденция для СЗКО, регулируется Положением № 845-П. Максимально риск-чувствительный подход.

Система ключевых финансовых индикаторов в российской банковской практике

В российской практике, при оценке кредитоспособности, особое внимание уделяется трем ключевым блокам: ликвидность, финансовая устойчивость и рентабельность. При этом, коммерческие банки, согласно требованиям Положения № 590-П, обязаны отнести заемщика к одной из трех групп финансового состояния: хорошее, среднее или плохое.

Чтобы избежать субъективности, банки оперируют четко определенными коэффициентами.

Ключевые финансовые показатели и их значение в РФ

Показатель	Формула	Значение для анализа	Типичные Нормативы (min)
Коэффициент независимости (Автономии)	Кнезависимости = Собственный капитал / Валюта баланса	Отражает долю активов, финансируемых собственными средствами. Ключевой индикатор устойчивости.	≥ 0,4 (для стабильных отраслей)
Коэффициент обеспеченности инвестиций собственными средствами	Кобеспеченности = Собственный капитал / Внеоборотные активы	Показывает, насколько собственные средства покрывают долгосрочные инвестиции (основные фонды).	≥ 1,0 (желательно, но часто ниже)
Коэффициент Покрытия Процентов (ICR)	ICR = EBIT / Проценты к уплате	Обязательный показатель долговой нагрузки. Показывает способность компании обслуживать процентные платежи за счет операционной прибыли.	≥ 1,5–2,0
Коэффициент текущей ликвидности	Ктек. ликв. = Оборотные активы / Краткосрочные обязательства	Способность быстро погашать краткосрочные долги.	≥ 1,0–1,5

Выбор и веса этих показателей в многофакторных моделях банков постоянно пересматриваются. При этом проблема субъективности при выборе пороговых значений остается актуальной, поскольку единые отраслевые нормативы часто отсутствуют, а рыночная конъюнктура меняется слишком быстро. Как же добиться максимальной объективности в таких условиях?

Глава 2. Критический анализ и актуализация методологической основы оценки кредитоспособности в РФ (2024-2025 гг.)

Нормативно-правовое поле Банка России: новые векторы регулирования (2024-2025)

Основу регуляторной базы в России составляет Положение Банка России от 28.06.2017 № 590-П, которое обязывает кредитные организации формировать резервы на возможные потери по ссудам. Этот документ устанавливает, что размер резерва напрямую зависит от класса кредитоспособности заемщика, который определяется на основе его финансового положения.

Положение № 590-П определяет пять категорий качества ссуд (от I до V), где I категория соответствует ссудам стандартного качества с минимальным резервом (0%), а V категория — безнадежным ссудам с резервом 100%. Классификация ссуд основывается на комплексном анализе финансового состояния заемщика, которое делится на три группы: хорошее, среднее или плохое.

В 2024–2025 годах Банк России вводит ряд критически важных новелл, направленных как на повышение риск-чувствительности системы, так и на стимулирование приоритетных секторов экономики:

1. Переход на ПВР (Положение № 845-П): Системно значимые кредитные организации (СЗКО) переходят на использование подхода, основанного на внутренних рейтингах (ПВР).

   Этот подход, регулируемый Положением Банка России от 02.11.2024 № 845-П, позволяет банкам использовать собственные, более точные оценки вероятности дефолта (PD), основываясь на исторических данных о потерях. Это радикально повышает чувствительность к риску и требует от банков глубокой цифровой и аналитической трансформации.

2. Стимулирующее Регулирование (ТС/САЭ): Для поддержки проектов технологического суверенитета (ТС) и структурной адаптации экономики (САЭ), Банк России вводит льготные коэффициенты риска. Это ключевой элемент государственной финансовой политики, который напрямую влияет на оценку кредитоспособности.

Приоритетная Группа Проекта (ТС/САЭ)	Категория Кредитного Качества	Понижающий Коэффициент Риск-Веса	Фактический Риск-Вес (от 100%)
Первая (Высший приоритет)	Максимальная	0,3x	30%
Базовая	Любая	0,7x	70%

Фактически, регулятор создает условия, при которых финансирование стратегически важных заемщиков становится менее капиталоемким для банков, что снижает стоимость их заимствований и повышает их формальную кредитоспособность.

3. Требования к «Инвестиционному Классу» (Инструкция № 199-И): Инструкция Банка России № 199-И (Об обязательных нормативах) устанавливает требования к расчету нормативов достаточности капитала. Для заемщиков, отнесенных к «инвестиционному классу», может применяться пониженный коэффициент риска — 65% вместо стандартных 100%. Для получения этой привилегии заемщик должен иметь:
   • Кредитный рейтинг национальных рейтинговых агентств (КРА) не ниже уровня «А».
   • Оценку собственной (самостоятельной) кредитоспособности не ниже «ВВВ+».
4. Упрощение для МСП: С 2025 года Банк России повысил с 10 до 50 млн рублей пороговую величину ссуд субъектам МСП, оценка риска по которым может проводиться на портфельной основе, упрощая и ускоряя кредитование малого бизнеса.

Недостатки классических дискриминантных моделей в условиях санкционного давления

Классические многофакторные дискриминантные модели, такие как Z-счет Альтмана, стали золотым стандартом в 1970-х годах, но в реалиях современной российской экономики их применение требует глубокой адаптации и критического осмысления.

Формула пятифакторной модели Альтмана:

Z = 1,2 · X1 + 1,4 · X2 + 3,3 · X3 + 0,6 · X4 + 1,0 · X5

Где X₁, X₂, X₃, X₄, X₅ — стандартизированные финансовые коэффициенты (например, X₁ — отношение оборотного капитала к активам; X₅ — выручка к активам).

Ключевые ограничения Z-счета Альтмана для РФ:

1. Географическая Неприменимость: Модель разрабатывалась для промышленных компаний США, оперирующих в стабильной правовой и рыночной среде. Высокая инфляция, волатильность курса рубля и различия в стандартах бухгалтерского учета (РСБУ vs МСФО) искажают входящие данные и веса коэффициентов.
2. Низкая Прогностическая Точность: В ряде российских исследований эффективность «чистой» модели Альтмана оценивается как недостаточная. Для сравнения: адаптированная под российскую специфику девятифакторная модель Фулмера демонстрирует прогнозирующую способность на уровне 80%, что значительно выше, чем у неадаптированной модели Альтмана.
3. Неспособность Учета Несистемных Рисков: Ключевым недостатком является неспособность прогнозировать влияние «черных лебедей» — резких, непредсказуемых событий, таких как введение секторальных санкций, прекращение импорта критически важного сырья или технологий. Компания может иметь идеальные финансовые показатели, но обанкротиться из-за невозможности продолжить операционную деятельность.
4. Проблема Субъективности: При построении любой скоринговой модели возникает проблема субъективности при выборе коэффициентов и установлении их пороговых значений. В условиях РФ эта проблема усугубляется недостатком статистических сведений о фактическом состоянии показателей по отраслям, что заставляет банки полагаться на внутренние, менее прозрачные нормативы.

Эти ограничения обусловили переход российских банков к созданию собственных, более гибких и часто многофакторных моделей, где финансовые коэффициенты служат лишь одной из составляющих, а окончательное решение принимается с учетом качественных факторов и актуального регуляторного ландшафта. Как мы видим на практике, финансовая отчетность больше не является единственным источником правды о кредитном риске.

Глава 3. Практический анализ и тенденции развития методологии (Кейс-анализ и Прогноз)

Сравнительный анализ кредитоспособности корпоративного заемщика (на основе данных 2022-2024 гг.)

Для демонстрации различий между классическим и адаптированным российским подходом рассмотрим гипотетический кейс крупного производственного предприятия (ОАО «Прогресс»), используя упрощенные данные бухгалтерской отчетности за три года (2022–2024 гг.).

Кейс: Сводные данные ОАО «Прогресс» (млн руб.)

Показатель	2022	2023	2024
Валюта Баланса (Активы)	12 000	14 500	16 000
Собственный Капитал	5 500	6 000	6 200
Внеоборотные Активы	5 000	6 500	7 500
Краткосрочные Обязательства	4 000	5 500	6 000
EBIT (Прибыль до процентов и налогов)	1 500	1 800	2 000
Проценты к уплате	500	750	1 000

Расчеты ключевых коэффициентов:

Коэффициент	Формула	2022	2023	2024	Норматив (РФ)
К. независимости	СК / ВБ	0,458	0,414	0,388	≥ 0,40
К. обеспеченности инвестиций	СК / ВА	1,10	0,92	0,83	≥ 1,00
ICR	EBIT / Пр	3,00	2,40	2,00	≥ 1,5–2,0
К. текущей ликвидности	ОА / КО	1,75	1,45	1,41*	≥ 1,0–1,5

*(Примечание: Оборотные активы = ВБ — ВА. 2024: 16000 — 7500 = 8500. Ликвидность: 8500 / 6000 ≈ 1,41)

Интерпретация расхождений в результатах:

1. Классический (Упрощенный) Взгляд: Если бы банк использовал только Коэффициент текущей ликвидности и ICR, предприятие выглядело бы достаточно устойчивым (ликвидность в норме, способность платить проценты хорошая, хотя и снижается).
2. Адаптированный (Нормативно-ориентированный) Взгляд: Анализ по российским ключевым коэффициентам показывает тревожную тенденцию.
   • Коэффициент независимости (К_{независимости}) в 2024 году упал ниже порогового значения (0,388 < 0,40).

     Это означает, что доля заемных средств в структуре капитала превышает допустимый уровень, что сигнализирует о потере финансовой устойчивости.

   • Коэффициент обеспеченности инвестиций (К_{обеспеченности}) также опустился ниже единицы, показывая, что внеоборотные активы (длительные инвестиции) финансируются уже не только собственными, но и заемными средствами.

Вывод кейс-анализа: Классический анализ мог бы отнести заемщика к средней группе кредитоспособности. Однако, адаптация под российские нормативы (особенно настойчивое требование к финансовой устойчивости) приводит к отнесению его в группу повышенного риска или средней группы с тенденцией к ухудшению (что согласно Положению № 590-П, может потребовать отнесения ссуды к II или III категории качества и создания резервов).

Расхождение в результатах вызвано фокусировкой российской методики на долгосрочной финансовой устойчивости и независимост�� от внешних источников. Почему банки готовы пойти на этот риск, финансируя проекты с ухудшающимися метриками?

Интеграция ESG-рисков и нефинансовых факторов в скоринговые модели

В 2024–2025 годах роль нефинансовых факторов, в частности ESG-рисков (экологических, социальных и управленческих), многократно возросла. Они перестали быть просто имиджевым дополнением и стали полноценной частью оценки кредитного риска. Банки осознают, что нарушение экологических норм (E), проблемы с трудовыми коллективами (S) или коррупция в управлении (G) могут привести к внезапным штрафам, потере репутации и, как следствие, дефолту.

Количественная сторона ESG в РФ:

Российский банковский сектор активно интегрирует ESG-метрики. По состоянию на начало 2025 года, агрегированный портфель ESG-кредитов российского банковского сектора мог достигнуть 7 трлн рублей, что составляет почти 8% от суммарного корпоративного кредитного портфеля. Это подтверждает, что ESG-кредитование является не нишевым, а системным направлением, поскольку оно прямо влияет на стоимость капитала и возможность привлечения долгосрочного финансирования.

Регуляторное стимулирование:

Банк России активно стимулирует эту трансформацию. К 2024 году было выпущено 9 рекомендаций в области устойчивого финансирования. В качестве ключевого шага планируется снижение риск-весов по «зеленым» кредитам и облигациям в Инструкции № 199-И уже в середине 2025 года. Это означает, что банки, финансирующие ESG-проекты, смогут снизить требования к собственному капиталу, что напрямую отразится на привлекательности заемщика с высоким ESG-рейтингом.

Качественные факторы (Репутация и Менеджмент):

Качество менеджмента и репутация — это традиционные нефинансовые факторы, которые остаются критически важными. Банки оценивают прозрачность отчетности, наличие судебных разбирательств, стабильность руководящего состава и профессионализм команды. Вероятность выполнения кредитных обязательств напрямую зависит от надежности информации, предоставленной клиентом, и готовности менеджмента к антикризисному управлению.

Актуальные макроэкономические тенденции и перспективы развития методологии

Обзор корпоративного кредитного портфеля РФ (2025)

Анализ макроэкономической картины служит фоном, на котором формируются новые методологии оценки.

Показатель	Значение (Август 2025)	Тенденция	Влияние на Кредитный Риск
Общая задолженность ЮЛ и ИП	79,7 трлн руб.	Рост (10,3% г/г)	Рост долговой нагрузки в экономике.
Доля проблемных кредитов (NPL + реструктурированные)	~10,5% (9,1 трлн руб.)	Устойчиво высокая	Указывает на скрытое ухудшение качества портфеля.
Доля просроченной задолженности (NPL)	3,6%	Низкая, но стабильная	Низкая доля NPL поддерживается активной реструктуризацией.
Концентрация риска (Топ-5 заемщиков/Капитал банков)	56% (на конец Q1 2024)	Устойчивый рост	Высокая системная уязвимость банковского сектора к дефолту крупнейших корпораций.

Рост корпоративного портфеля в 2024 году замедлился до 15–17% (против 26% в 2023 году) из-за высокой ключевой ставки. Однако бизнес продолжает активно заимствовать, что на фоне роста концентрации риска (56%) требует от банков максимальной точности в оценке. Прогнозируемый объем создания резервов в 2024 году составит 0,4–0,6 трлн рублей, что отражает возврат стоимости риска к нормальным значениям после периода льготного регулирования.

Тенденции развития методологии (Автоматизация и Big Data)

Развитие методологии оценки кредитного риска в РФ определяется двумя ключевыми факторами: регуляторным давлением (переход на ПВР) и цифровой трансформацией. Это движение от статического анализа к динамическому моделированию.

1. ПВР-подход (Положение № 845-П): Переход на внутренние рейтинги является наиболее важной методологической тенденцией. Это означает, что банки будут использовать сложные статистические модели для расчета трех ключевых параметров:
   • PD (Probability of Default) — вероятность дефолта.
   • LGD (Loss Given Default) — потери в случае дефолта.
   • EAD (Exposure at Default) — подверженность риску на момент дефолта.

   Этот подход требует от банков не только финансовой отчетности, но и глубокой статистики исторических потерь, что делает оценку максимально риск-чувствительной.

2. Big Data и Искусственный Интеллект (AI): Крупнейшие банки, такие как Сбербанк, активно переходят к платформенному BigTech-ландшафту. ИИ-агенты используются для:
   • Автономизации процессов: Быстрая обработка заявок и принятие решений.
   • Модельный подход к доходам: Использование ИИ для оценки доходов заемщиков, что позволяет банку не полагаться только на официальную отчетность. (Стоит отметить, что при использовании модельного подхода для оценки доходов по ссудам до 1 млн рублей, Банк России требует устанавливать повышенные минимальные резервы — не менее 4,5%).
3. Снижение Операционной Нагрузки: Методология направлена на упрощение кредитования субъектов МСП за счет использования внутрибанковских оценок и агрегации данных из внутренних и внешних источников (ФНС, ЕГРЮЛ, арбитражные суды), что позволяет принимать решения быстрее и с меньшими издержками.

Таким образом, методология оценки кредитоспособности смещается от статического анализа финансовой отчетности к динамическому, прогностическому моделированию, интегрирующему финансовые, нефинансовые, регуляторные и Big Data-метрики. Интеграция этих компонентов позволяет значительно повысить точность прогноза, что является критически важным условием для устойчивого развития банковского сектора в России.

Заключение и выводы

Проведенный анализ подтверждает, что оценка кредитоспособности корпоративных заемщиков в Российской Федерации находится на этапе критической методологической трансформации, обусловленной необходимостью адаптации к структурным изменениям в экономике и ужесточением регуляторных требований Банка России.

Основные выводы:

1. Регуляторный Лабиринт (2024–2025): Нормативная база (Положения № 590-П, № 845-П, Инструкция № 199-И) сместилась в сторону риск-чувствительности и стимулирующей политики. Введение льготных риск-весов (0,3х–0,7х) для проектов ТС/САЭ и переход СЗКО на ПВР-подход кардинально меняют расчет капитальных требований и, следовательно, кредитную политику банков.
2. Несостоятельность Классики: Классические дискриминантные модели (Z-счет Альтмана) демонстрируют низкую точность в условиях высокой волатильности и неспособности учитывать несистемные риски (санкции, разрыв цепочек поставок).

   Практика российских банков требует использования адаптированных методик, фокусирующихся на коэффициентах финансовой устойчивости (К_{независимости}, К_{обеспеченности инвестиций}).

3. Императив ESG: Нефинансовые факторы, особенно ESG-метрики, стали обязательным элементом оценки. Наличие ESG-стратегии повышает кредитный рейтинг заемщика, что подтверждается ростом портфеля ESG-кредитов до 7 трлн рублей и планами ЦБ по снижению риск-весов по «зеленым» активам.
4. Концентрация Риска и Цифровизация: Актуальная статистика показывает рост корпоративного долга (79,7 трлн руб.) и критическое повышение концентрации риска (56% долга топ-5 компаний к капиталу банков), что диктует необходимость внедрения высокоточных, автоматизированных систем оценки. Будущее методологии связано с Big Data, ИИ и переходом к платформенному BigTech-ландшафту, способному оперативно обрабатывать неструктурированные данные для оценки PD, LGD и EAD.

Практическая значимость работы:

Результаты исследования могут быть использованы коммерческими банками и финансовыми аналитиками для актуализации внутренних методик оценки кредитоспособности, а также для обоснования необходимости интеграции нефинансовых и регуляторно-стимулирующих факторов в скоринговые модели, обеспечивая тем самым более точное и своевременное управление кредитным риском в условиях структурной адаптации российской экономики.

Список использованной литературы

1. Конституция Российской Федерации (принята всенародным голосованием 12.12.1993) (с учетом поправок, внесенных Законами РФ о поправках к Конституции РФ от 14.03.2020 № 1-ФКЗ).
2. Гражданский кодекс Российской Федерации. Москва: Экзамен, 2007.
3. Федеральный закон от 03.02.1996 № 17-ФЗ «О банках и банковской деятельности» (с изм. и доп. по состоянию на 29.12.2006).
4. Положение Банка России от 02.11.2024 N 845-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности».
5. Положение Банка России от 28.06.2017 N 590-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам…».
6. Инструкция Банка России от 29.11.2019 N 199-И «Об установлении обязательных нормативов банков».
7. Решение Совета директоров Банка России об оценке кредитного риска по кредитным требованиям… в рамках финансирования проектов технологического суверенитета и проектов структурной адаптации экономики Российской Федерации, от 23.06.2025.
8. Внутрибанковские оценки кредитоспособности. Подборка наиболее важных документов. Доступ из СПС «КонсультантПлюс».
9. Кредитование юридических лиц и индивидуальных предпринимателей в июле 2025 года // Банк России. URL: https://cbr.ru/statistics/bank_sector/corp_lending/ (дата обращения: 07.10.2025).
10. Лиференко Г. Н. Финансовый анализ предприятия: Учебное пособие. Москва: Экзамен, 2005.
11. Николаева Т. П. Финансы предприятий. Москва: Московский международный институт эконометрики, информатики, финансов и права, 2003.
12. Как прогнозировать банкротство при помощи модели Альтмана // Noboring-finance. URL: https://noboring-finance.ru/forecasting/altman-model/ (дата обращения: 07.10.2025).
13. Сокращенные результаты МСФО Q4 2024 год — СберБанк. URL: https://www.sberbank.com/ru/investor-relations/reports-and-publications/finresults-ifrs/archive/ (дата обращения: 07.10.2025).
14. Результаты работы ПАО Сбербанк за январь 2024 года // Сбербанк. URL: https://www.sberbank.com/ru/press_center/ (дата обращения: 07.10.2025).
15. Кредитные риски российских коммерческих банков: новые подходы к управлению // Cyberleninka. URL: https://cyberleninka.ru/article/n/kreditnye-riski-rossiyskih-kommercheskih-bankov-novye-podhody-k-upravleniyu (дата обращения: 07.10.2025).
16. Разработка алгоритма оценки кредитоспособности корпоративных заемщиков с учетом факторов устойчивого развития // Cyberleninka. URL: https://cyberleninka.ru/article/n/razrabotka-algoritma-otsenki-kreditosposobnosti-korporativnyh-zaemschikov-s-uchetom-faktorov-ustoychivogo-razvitiya (дата обращения: 07.10.2025).
17. Вектор-2024: сборник материалов Всероссийской научной конференции молодых исследователей. URL: https://rguk.ru/upload/iblock/c32/2024_vektor_2.pdf (дата обращения: 07.10.2025).
18. Банковский прогноз 2024 — Национальные Кредитные Рейтинги. URL: https://ratings.ru/upload/iblock/d68/bank_prognosis_2024_09042024.pdf (дата обращения: 07.10.2025).
19. Банковский сектор, II квартал 2024 // Банк России. URL: https://cbr.ru/Collection/Collection/File/48625/2024_09_bank_sector.pdf (дата обращения: 07.10.2025).
20. ЦБ описал принцип работы нового норматива ликвидности банков // Ведомости. 08.02.2024. URL: https://www.vedomosti.ru/finance/articles/2024/02/08/1018698-tsb-novii-normativ-likvidnosti (дата обращения: 07.10.2025).
21. Кредитование МСБ в 2023–2024 годах: на правах драйвера рынка / Эксперт РА. URL: https://raexpert.ru/docbank/b61/476/95e/694503724c9c104e13835e.pdf (дата обращения: 07.10.2025).
22. Что после роста / Эксперт РА. URL: https://raexpert.ru/docbank/b61/476/95e/97a58a74130089f92167d4.pdf (дата обращения: 07.10.2025).
23. Финансовый Словарь’2024 #19: Коэффициент Покрытия Процентов (ICR, Interest Coverage Ratio) [Видео]. URL: https://www.youtube.com/watch?v=S8pB4-4Qn7g (дата обращения: 07.10.2025).
24. Регулирование в 2024 году // Ассоциация банков России. URL: http://asros.ru/upload/iblock/30b/30bf2333b2e3e5b1285437877e62a122.pdf (дата обращения: 07.10.2025).
25. [Электронный ресурс] // URL: https://ddmfo.ru/kursovaya/analiz-kreditosposobnosti-predpriyatiya/ (дата обращения: 07.10.2025).