Совершенствование методик оценки кредитоспособности физических лиц в РФ: вызовы 2020-2025 и путь к инновациям

метки: Кредитный, Данные, Заемщик, Кредитование, Кредитоспособность, Обращение, Кредит, Https

К маю 2025 года просроченная задолженность россиян по потребительским кредитам достигла беспрецедентного уровня в 1,5 трлн рублей. Эта цифра не просто статистика; она — зеркало экономических потрясений последних лет и нарастающей проблемы закредитованности населения, которая требует немедленного и глубокого переосмысления подходов к оценке кредитоспособности. Экономическая нестабильность, обусловленная как глобальными, так и внутренними факторами, ставит перед банковской системой РФ новые, более сложные задачи в управлении кредитными рисками. В условиях, когда доля проблемных ссуд достигает 5,7% от общего розничного портфеля, а количество банкротств физических лиц выросло с 143 тысяч в 2020 году почти до 450 тысяч к 2025 году, становится очевидным, что традиционные методы оценки нуждаются в серьезной модернизации.

Цель данного исследования — не просто констатировать проблему, но предложить комплексное, многоаспектное решение. Мы систематизируем знания и разработаем рекомендации по совершенствованию процессов кредитования физических лиц, фокусируясь на периоде 2020-2025 годов, который стал переломным для финансового рынка. Наше исследование адресовано студентам и аспирантам финансовых, экономических и юридических специальностей, а также специалистам в области розничного банковского бизнеса и кредитного риск-менеджмента. Оно призвано стать фундаментом для понимания текущих вызовов и разработки инновационных стратегий, которые позволят банкам не только снизить кредитные риски, но и повысить доступность кредитов, обеспечивая справедливость и прозрачность в эпоху цифровой трансформации.

Теоретические основы кредитования и оценки кредитоспособности

Чтобы по-настоящему понять глубину вызовов, стоящих перед современной банковской системой, необходимо вернуться к истокам и четко определить ключевые понятия, лежащие в основе кредитной деятельности, ибо без этого фундамента любой анализ будет неполным, а предложенные решения — лишены системности.

Понятие и сущность банковского кредита

В самом общем смысле, кредит — это финансовая операция, суть которой заключается в передаче ресурсов (наличных средств, товаров или услуг) от одной стороны (кредитора) другой стороне (заемщику) на условиях возвратности, срочности, платности и обеспеченности. В контексте банковской деятельности, кредит принимает форму банковского кредита, который может быть предоставлен как в наличной, так и в безналичной форме, являясь одним из столпов современной экономики. Он позволяет физическим лицам приобретать товары и услуги, улучшать жилищные условия, получать образование, тем самым стимулируя потребительский спрос и экономический рост.

Кредитные отношения и банковская система России в современных ...

... банковские процессы стало еще одним мощным фактором трансформации. ИИ активно используется для автоматизации рутинных операций, повышения точности оценки кредитоспособности ... кредитования, делая его более доступным, быстрым и технологичным. Кредитные отношения, пронизывающие все сферы общественного производства и жизни, являются ключевой чертой современной ... новые возможности и вызовы Сущность кредита ...

Принципы кредитования — возвратность, срочность, платность, обеспеченность и целевой характер — формируют каркас, на котором строится вся система взаимоотношений между банком и заемщиком. Возвратность означает обязательство заемщика вернуть полученные средства. Срочность подразумевает четко оговоренные сроки погашения. Платность выражается в процентах за пользование кредитом. Обеспеченность — это гарантии возврата средств, будь то залог, поручительство или другие формы. Целевой характер, хотя и не всегда явно выраженный в потребительском кредитовании, подразумевает использование средств на определенные нужды, что помогает банку оценивать риски.

Кредитоспособность, платежеспособность и кредитный риск: ключевые определения

В повседневной речи термины «кредитоспособность» и «платежеспособность» часто используются как синонимы, однако в банковском анализе они имеют четкие различия, критически важные для оценки потенциального заемщика.

Платежеспособность — это текущая способность физического лица исполнять свои финансовые обязательства в данный момент времени. Она отражает наличие достаточных денежных средств на счетах или в распоряжении для покрытия текущих платежей по долгам. Платежеспособность является сиюминутной характеристикой.

Кредитоспособность — более широкое понятие, означающее не просто способность, но и готовность заемщика погасить кредит в срок и в полном объеме, учитывая его финансовое положение в перспективе. Оценка кредитоспособности физического лица — это комплексный анализ, основанный на соотношении испрашиваемой ссуды и личного дохода, общей оценке финансового положения заемщика, стоимости его имущества, состава семьи, личностных характеристик и, конечно, изучения кредитной истории. Чем выше оценка кредитоспособности, тем больше у заемщика шансов получить средства на выгодных условиях, включая более низкую процентную ставку и более высокую сумму выдачи.

В основе любого кредитного решения лежит оценка кредитного риска — вероятности того, что заемщик не выполнит свои обязательства по возврату основного долга и уплате процентов. В розничном кредитовании кредитный риск многогранен и подвержен влиянию как внутренних, так и внешних факторов. Внешние риски тесно связаны с макроэкономической ситуацией, например, инфляционным воздействием на доходы граждан и снижением реальных доходов населения. Это напрямую увеличивает кредитную нагрузку на заемщика и повышает вероятность дефолта. Внутренние риски же связаны с индивидуальными особенностями заемщика, его финансовой дисциплиной, стабильностью доходов и непредвиденными жизненными обстоятельствами.

Для минимизации этих рисков банки используют два основных инструмента:

• Скоринг — это автоматизированная система оценки заемщика, которая предсказывает его платежное поведение на основе математических расчетов и статистических моделей. Скоринг позволяет банкам быстро и эффективно принимать решения, снижая влияние человеческого фактора. Важно отметить, что единой системы скоринга не существует; каждая финансовая организация разрабатывает собственную шкалу баллов и параметры оценки.
• Андеррайтинг — это более глубокая, часто многоуровневая процедура оценки финансовой состоятельности и добросовестности потенциального заемщика. Андеррайтинг направлен на снижение рисков невозврата и установление индивидуальных параметров кредита. Он может быть как автоматическим (для экспресс-оценки небольших потребительских кредитов), так и индивидуальным (для крупных сумм, таких как автокредиты или ипотека), где требуется более тщательный анализ всех аспектов финансового положения клиента.

Эти определения закладывают основу для понимания того, как банки оценивают своих клиентов и какие факторы они учитывают, принимая решение о выдаче кредита.

Макроэкономический ландшафт и регуляторные рамки кредитования в России (2020-2025 гг.)

Период с 2020 по 2025 год стал для российской экономики временем беспрецедентных вызовов и трансформаций, которые оказали глубокое влияние на рынок кредитования физических лиц. От пандемии COVID-19 до геополитических потрясений — каждый фактор оставил свой отпечаток на финансовом благополучии населения и стабильности банковского сектора.

Динамика рынка потребительского и ипотечного кредитования

Статистические данные за этот период рисуют тревожную картину, подчеркивающую необходимость совершенствования методик оценки кредитоспособности.

Просроченная задолженность:

• К маю 2025 года просроченная задолженность россиян по потребительским кредитам достигла 1,5 трлн рублей, став беспрецедентным уровнем за последние шесть лет.
• Доля проблемных ссуд составила 5,7% от общего розничного кредитного портфеля российских банков.
• Основной прирост просроченной задолженности пришелся на кредиты, выданные в конце 2023 — начале 2024 года, что свидетельствует о выдаче кредитов рискованным заемщикам в условиях высоких ставок. Пик просрочек и дефолтов ожидается в первом полугодии 2025 года.
• В целом, просроченная задолженность физических лиц в России увеличилась с 700 млрд рублей на начало 2020 года до 1,3 трлн рублей к началу ноября 2024 года.

Ипотечное кредитование:

• Объем просроченной задолженности по ипотечным кредитам достиг почти 101 млрд рублей к 1 февраля 2025 года, что составляет около 0,53% от общего портфеля.
• В 2024 году объем просроченных ипотек вырос на 63%.

Банкротства физических лиц:

• Количество банкротств физических лиц выросло с 143 тысяч в 2020 году почти до 450 тысяч к 2025 году, что является ярким индикатором ухудшения финансового положения значительной части населения.

Эти данные убедительно демонстрируют, что банки сталкиваются с растущими рисками, требующими более точных и адаптивных моделей оценки. И что из этого следует? Очевидно, что без своевременной и эффективной реакции финансовая система может столкнуться с ещё более серьёзными проблемами, затрагивающими не только банки, но и всю экономику в целом.

Показатель	Начало 2020 года	Начало Ноября 2024 года	Май 2025 года	1 Февраля 2025 года (Ипотека)
Просроченная задолженность физлиц	700 млрд ₽	1,3 трлн ₽	1,5 трлн ₽	—
Доля проблемных ссуд (розница)	—	—	5,7%	—
Просроченная задолженность (ипотека)	—	—	—	101 млрд ₽ (0,53%)
Банкротства физлиц	143 тыс.	—	≈450 тыс.	—

Влияние ключевой ставки ЦБ РФ и инфляции

Ключевая ставка Банка России является мощным инструментом монетарной политики, напрямую влияющим на стоимость кредитов и депозитов. За рассматриваемый период ее динамика была крайне волатильной, что отражало реакцию регулятора на изменяющиеся экономические условия.

• Минимальное значение: 4,25% (27 июля 2020 г. — 23 марта 2021 г.), что способствовало удешевлению кредитов и стимулированию спроса.
• Максимальное значение: 21% (28 октября 2024 г. — 8 июня 2025 г.), период рекордно высоких ставок, направленный на сдерживание инфляции и стабилизацию финансового рынка.
• Последние изменения: 12 сентября 2025 года ЦБ снизил ключевую ставку с 18% до 17% годовых, после июньского снижения с 21% до 20%.

Прогноз ЦБ РФ:

• Средняя ключевая ставка в 2025 году: 18,8–19,6%.
• К 2027–2028 годам: 7,5–8,5%.

Период	Ключевая ставка ЦБ РФ
27 июля 2020 г. — 23 марта 2021 г.	4,25%
28 октября 2024 г. — 8 июня 2025 г.	21%
Июнь 2025 г.	20%
12 сентября 2025 г.	17%
Прогноз на 2025 год (средняя)	18,8–19,6%
Прогноз на 2027–2028 годы	7,5–8,5%

Высокая ключевая ставка напрямую удорожает кредиты для конечных заемщиков, увеличивая их ежемесячные платежи и, как следствие, долговую нагрузку. Это, в свою очередь, может привести к росту просроченной задолженности, особенно для тех, кто взял кредиты под высокие проценты. Не удивительно ли, что в условиях таких колебаний ставки процент дефолтов только увеличивается?

Инфляция:

• В августе 2025 года годовая инфляция в России составляла 8,14%, значительно превышая целевое значение Банка России в 4%.
• Рост цен в 2021 году ускорился из-за последствий пандемии, а в 2022 году произошел резкий всплеск инфляции из-за кардинального изменения экономических условий.

Инфляция напрямую «съедает» покупательную способность доходов населения, снижая их реальную величину. Это приводит к тому, что заемщикам становится сложнее обслуживать свои кредиты, даже если их номинальные доходы остаются стабильными. Политика Банка России направлена на возвращение инфляции к целевому значению в 4%, что является ключевым условием для стабилизации финансового положения граждан и снижения кредитных рисков.

Регуляторные инициативы Банка России

Центральный банк РФ активно реагирует на изменяющуюся ситуацию на кредитном рынке, предлагая новые меры регулирования, направленные на защиту заемщиков и стабилизацию банковской системы.

• «Период охлаждения»: В октябре 2024 года ЦБ РФ предложил ввести обязательный «период охлаждения» для потребительских кредитов: 4 часа для кредитов от 50 до 200 тысяч рублей и 48 часов для кредитов свыше 200 тысяч рублей. Это не касается автокредитов, ипотечных и образовательных кредитов. Цель инициативы — дать заемщикам время на обдумывание решения, снижая риски необдуманных займов и перекредитования.
• Регулирование ИИ: Банк России придерживается технологически нейтрального подхода к регулированию искусственного интеллекта на финансовом рынке. Это означает, что регулятор не стремится вводить жесткие ограничения на использование технологий, но фокусируется на управлении рисками, которые могут возникать при их применении (например, риски предвзятости, конфиденциальности данных, кибербезопасности).
• Унификация требований к скоринговым моделям и формирование резервов: Регулирование риска кредитования на макроуровне включает определение максимальных размеров риска, покрываемых за счет созданных резервов, и формирование резервов на возможные потери по ссудам в соответствии с нормативными актами Банка России. Эти меры направлены на повышение устойчивости банковской системы и обеспечение адекватного покрытия потенциальных убытков от невозврата кредитов. В условиях роста проблемной задолженности, требования к достаточности резервов могут ужесточаться, что стимулирует банки к более консервативной оценке рисков.

В совокупности, макроэкономические факторы и регуляторные инициативы создают сложную, динамичную среду, в которой банкам приходится постоянно адаптировать свои методики оценки кредитоспособности. Эффективность этих методик напрямую влияет не только на финансовое здоровье отдельных банков, но и на стабильность всей финансовой системы страны.

Современные методы оценки кредитоспособности физических лиц в российских банках

В эпоху высокой неопределенности и растущих рисков, банки постоянно совершенствуют свои инструменты оценки кредитоспособности. Эти методы представляют собой симбиоз традиционного финансового анализа и передовых технологий, направленных на минимизацию рисков и повышение эффективности кредитного процесса.

Количественный анализ: доходы, расходы и долговая нагрузка

Основу оценки кредитоспособности составляет количественный анализ, который фокусируется на финансовых показателях заемщика. Это первый и наиболее очевидный шаг, позволяющий судить о текущей способности человека обслуживать долг.

Оценка доходов клиента и их источников: Банк тщательно анализирует все источники дохода потенциального заемщика: заработную плату, доход от предпринимательской деятельности, аренды, дивиденды, пенсии и другие регулярные поступления. Важна не только сумма, но и стабильность этих доходов. Например, долгосрочный трудовой договор с крупной, надежной компанией будет оцениваться выше, чем непостоянные доходы от фриланса. Банки часто требуют подтверждения дохода за определенный период (обычно от 3 до 12 месяцев) с помощью справок 2-НДФЛ, выписок из Пенсионного фонда или банковских счетов.

Расходная часть бюджета клиента: Помимо доходов, не менее важен анализ обязательных расходов. Сюда входят:

• Текущие кредиты и займы: Все имеющиеся обязательства по другим кредитам и кредитным картам.
• Арендные платежи: Если заемщик снимает жилье, это существенная статья расходов.
• Алименты: Обязательные выплаты на содержание детей или бывших супругов.
• Коммунальные платежи и другие фиксированные расходы: Оценочные расходы на содержание семьи (прожиточный минимум на каждого члена семьи, особенно если у заемщика есть иждивенцы).

Показатель DTI (Debt-to-Income): Одним из ключевых инструментов количественного анализа является показатель отношения долга к доходу (DTI).

Он рассчитывается как сумма всех ежемесячных платежей по кредитам и другим обязательствам, деленная на ежемесячный доход заемщика.

Формула DTI:

DTI = Сумма_ежемесячных_платежей_по_долгам / Ежемесячный_доход

Пример:

• Ежемесячный доход заемщика: 100 000 рублей.
• Ежемесячные платежи по другим кредитам: 20 000 рублей.
• Предполагаемый ежемесячный платеж по новому кредиту: 15 000 рублей.

DTI = (20 000 + 15 000) / 100 000 = 35 000 / 100 000 = 0,35 или 35%

Оптимальное соотношение долга к доходу (DTI) должно быть ниже 30% для повышения привлекательности заемщика для кредиторов. Чем ниже этот показатель, тем больше у банка уверенности в способности клиента обслуживать новый кредит, так как у него остается достаточная сумма для покрытия повседневных расходов. Более высокие значения DTI, особенно свыше 50%, значительно увеличивают кредитный риск.

Качественный анализ: социально-демографические и личностные факторы

Помимо сухих цифр, банки учитывают и качественные характеристики заемщика, которые могут косвенно указывать на его надежность и платежную дисциплину. Эти факторы, хоть и менее очевидны, играют важную роль в формировании полного портрета клиента.

• Состав семьи: Наличие иждивенцев (детей, нетрудоспособных родственников) увеличив��ет финансовую нагрузку на заемщика. Банки обычно учитывают прожиточный минимум на каждого члена семьи при расчете располагаемого дохода. Семейное положение также может иметь значение: замужние/женатые клиенты часто считаются более стабильными.
• Стаж работы и стабильность занятости: Долгий стаж на одном месте работы и работа в стабильной, известной компании свидетельствуют о надежности и прогнозируемости дохода. Частая смена работы или работа в недавно созданных, малоизвестных компаниях может расцениваться как фактор риска.
• Образование: Высшее образование или наличие редкой, востребованной специальности могут быть положительным фактором, указывающим на потенциально более высокий и стабильный доход в будущем.
• Социальный статус: Включает в себя должность, занимаемое положение в обществе. Высокий социальный статус, как правило, коррелирует с более высокими доходами и большей ответственностью.
• Личностные характеристики: Хотя их сложно измерить, они учитываются косвенно. Например, наличие криминального прошлого, участие в судебных разбирательствах, частые переезды или отсутствие постоянной регистрации могут быть негативными сигналами. Некоторые банки даже используют психологические тесты или анализ поведенческих данных (например, через цифровые следы) для оценки личностных качеств, хотя это вызывает этические вопросы.
• Наличие имущества: Владение недвижимостью, автомобилем или другими ценными активами может рассматриваться как признак финансовой устойчивости, а также потенциальное обеспечение по кредиту.

Качественные факторы дополняют количественный анализ, позволяя банку получить более объемное представление о надежности заемщика.

Скоринговые модели: виды, принципы и примеры применения

Скоринг — это краеугольный камень современного розничного кредитования, позволяющий автоматизировать и стандартизировать процесс оценки.

Принципы работы скоринга: Скоринговые модели обрабатывают огромные массивы данных, анализируя историю ранее выданных кредитов и особенности поведения заемщиков. Каждая характеристика заемщика (возраст, пол, образование, стаж работы, наличие других кредитов, кредитная история) оценивается в баллах. Эти баллы суммируются, формируя итоговый скоринговый балл. При этом критерии оценки имеют разный «вес» в зависимости от задач финансовой организации и типа кредитного продукта. Например, для ипотеки ключевым будет доход и стабильность занятости, а для микрозайма — кредитная история и текущая долговая нагрузка.

Виды скоринга:

• Application-scoring (заявочный скоринг): Наиболее распространенный вид, предназначенный для первичной оценки платежеспособности потенциального заемщика. Он принимает решение об одобрении или отклонении заявки, а также рассчитывает оптимальную сумму кредитования и подходящий срок. Работает на основе данных, предоставленных в анкете, и информации из БКИ.
• Collection-scoring (скоринг сбора задолженности): Используется для оценки перспектив просроченной задолженности действующего клиента. Помогает банку определить вероятность погашения просроченного долга и выбрать наиболее эффективную стратегию работы с неплательщиком (например, отправлять СМС, звонить, передавать коллекторам).
• Fraud-scoring (скоринг мошенничества): Направлен на выявление подозрительных заявок, которые могут быть связаны с мошенническими действиями. Анализирует аномалии в данных, нестандартное поведение при подаче заявки и другие индикаторы потенциального мошенничества.

Примеры шкал ПКР от НБКИ и пороговых значений:
Единой системы кредитных бюро в Российской Федерации: правовое регулирование, консолидация рынка и перспективы в условиях Open Banking (2020-2025 гг.)">системы кредитного скоринга не существует; каждый банк использует свою шкалу баллов. Однако существуют стандартизированные системы, такие как Персональный кредитный рейтинг (ПКР), рассчитываемый Национальным бюро кредитных историй (НБКИ).

Шкала ПКР НБКИ (от 1 до 999 баллов):

• Низкая кредитоспособность: 1-607 баллов. Заемщикам с таким рейтингом крайне сложно получить кредит, а если и удается, то под очень высокие проценты.
• Средняя кредитоспособность: 608-845 баллов. Стандартный диапазон, позволяющий получать кредиты на обычных условиях.
• Высокая кредитоспособность: 846-977 баллов. Заемщики с высоким рейтингом могут рассчитывать на более выгодные условия.
• Очень высокая кредитоспособность: 978-999 баллов. Лучшие клиенты, которым доступны самые привлекательные предложения.

Другая система НБКИ (от 350 до 850 баллов):

• Ниже 500 баллов: обычно приводит к отказу в выдаче кредита.
• 640-690 баллов: считается хорошей оценкой для стандартных условий.
• Более 690 баллов: высокая оценка, открывающая доступ к выгодным условиям.

При сумме баллов по тесту-анкете менее определенного порога (например, 30 баллов в некоторых устаревших системах, но это значение не является универсальным), фиксируется отказ в выдаче ссуды. Важно отметить, что «пороговое значение» скорингового балла определяется каждым банком индивидуально, исходя из его внутренней политики, аппетита к риску и типа кредитного продукта.

Андеррайтинг: автоматизированный и индивидуальный подходы

Андеррайтинг — это процесс принятия решения о выдаче кредита, который может быть как полностью автоматизированным, так и включать ручную проверку.

• Автоматический андеррайтинг (экспресс-оценка): Применяется для потребительского кредитования на небольшие суммы. В этом случае решение принимается практически мгновенно на основе скоринговых моделей и данных из БКИ. Человеческое вмешательство минимально.
• Индивидуальный андеррайтинг: Используется для кредитования на крупные суммы, такие как автокредит или ипотека. Здесь требуется более глубокая и всесторонняя проверка:
  • Проверка финансовой истории: Детальное изучение кредитной истории, платежной дисциплины по всем прошлым и текущим обязательствам.
  • Соотношение долгов к доходам: Глубокий анализ DTI и других показателей долговой нагрузки.
  • Наличие резервов и сбережений: Оценивается «подушка безопасности» заемщика, что указывает на его финансовую устойчивость.
  • Стаж работы и размер дохода: Подтверждение занятости и дохода, проверка подлинности предоставленных справок.
  • Социальный и семейный статус: Дополнительная проверка данных, предоставленных в анкете.
  • Оценка обеспечения: При ипотеке или автокредитовании проводится оценка залогового имущества.

Индивидуальный андеррайтинг позволяет банку глубже погрузиться в ситуацию заемщика, выявить нюансы, которые могут быть неочевидны для автоматизированных систем, и принять более взвешенное решение по крупным и высокорисковым кредитам.

Современные банки стремятся к синергии этих методов: скоринг обеспечивает скорость и массовость, а андеррайтинг — глубину и индивидуальный подход там, где это критически важно. Такая комбинация позволяет оптимизировать процесс, снижая операционные издержки и повышая качество кредитного портфеля.

Цифровизация и инновации: роль ИИ, Big Data и машинного обучения

В последние годы финансовый сектор переживает революцию, движущей силой которой стали цифровые технологии. Искусственный интеллект (ИИ), машинное обучение (МО) и анализ больших данных (Big Data) не просто оптимизируют существующие процессы, но и коренным образом трансформируют подходы к оценке кредитоспособности, делая их быстрее, точнее и персонализированнее.

Искусственный интеллект и машинное обучение в кредитном скоринге

ИИ и МО стали незаменимыми инструментами в кредитном скоринге, позволяя банкам обрабатывать и анализировать объемы данных, которые были немыслимы для ручного или даже традиционного статистического анализа.

Обработка огромных массивов данных: Ключевое преимущество ИИ — способность анализировать терабайты информации из различных источников, выявляя скрытые закономерности и корреляции, которые человек или классические модели упустили бы. Это включает:

• Транзакционную активность: Анализ всех банковских операций клиента, его трат, поступлений, регулярности платежей.
• Использование банковских продуктов: Какие продукты банка использует клиент, как часто, насколько активно.
• Социальные сети и экосистемы: Данные из цифровых следов, таких как активность в социальных сетях, использование приложений экосистемы банка (например, СберID, Tinkoff ID), которые могут косвенно указывать на образ жизни, стабильность, интересы и даже уровень ответственности.
• Поведенческие данные: Как клиент заполняет заявки, насколько быстро отвечает на вопросы, какие устройства использует.
• Данные об оплате коммунальных услуг: Своевременность оплаты счетов может служить индикатором финансовой дисциплины.
• Внешние факторы: Даже такие, казалось бы, отдаленные факторы, как погода или курс валюты, могут быть включены в модели для повышения точности прогнозирования дефолтов в определенных сегментах.

Снижение предвзятости и повышение точности: Алгоритмы ИИ, если они правильно обучены, способны принимать решения на основе объективных математических моделей, что уменьшает риск предвзятости и ошибок, связанных с человеческим фактором. Это особенно важно для обеспечения справедливости и недискриминационности в кредитовании.

Примеры российских банков: Российские банки активно внедряют ИИ:

• Сбербанк начал использовать нейросети в 2018 году, и уже 100% решений по частным заемщикам принимаются с использованием ИИ.
• Альфа-Банк интегрировал ИИ в систему скоринга в конце 2021 года.
• ВТБ использует скоринговую ИИ-технологию, которая принимает решение и выдает кредит без визита клиента в отделение, что значительно ускоряет процесс.

По данным Ассоциации ФинТех, 95% компаний на финансовом рынке РФ в 2023 году уже использовали ИИ в своей работе, что подтверждает масштабность и необратимость этого тренда.

Альтернативные источники данных и персонализация кредитных предложений

Традиционные кредитные модели часто опираются на ограниченный набор финансовых данных. ИИ, в сочетании с Big Data, открывает доступ к альтернативным источникам данных, позволяя создавать более полные и динамичные профили заемщиков. Это особенно актуально для молодых людей или тех, кто не имеет обширной кредитной истории.

• Расширение финансовых предложений: Использование ИИ помогает банкам создавать гиперперсонализированные кредитные предложения на основе пользовательских данных в реальном времени. Это может включать индивидуальные процентные ставки, адаптированные сроки погашения, гибкие графики платежей и специальные условия, которые максимально соответствуют финансовому положению и потребностям каждого клиента.
• Учет контекста: Например, система может предложить потребительский кредит на бытовую технику, если клиент активно ищет ее в интернете или часто посещает соответствующие магазины. Или предложить рефинансирование, если алгоритм обнаруживает признаки увеличивающейся долговой нагрузки.

Такой подход не только повышает лояльность клиентов, но и позволяет банку более эффективно управлять рисками, предлагая наиболее подходящие продукты тем, кто действительно способен их обслуживать.

Автоматизация процессов и снижение человеческого фактора

Одним из наиболее ощутимых преимуществ цифровизации является значительная автоматизация кредитных процессов, что приводит к ряду положительных эффектов:

• Сокращение времени принятия решений: ИИ позволяет обрабатывать заявки и принимать решения за считанные минуты или даже секунды, в отличие от дней, которые могли потребоваться при ручной проверке. Это критически важно для потребительского кредитования, где скорость часто является решающим фактором.
• Снижение нагрузки на сотрудников: Автоматизация рутинных операций (проверка документов, сбор данных, первичная оценка) освобождает сотрудников банка от монотонной работы, позволяя им сосредоточиться на более сложных задачах, требующих человеческого интеллекта, таких как работа с проблемными заемщиками или развитие новых продуктов.
• Прогнозирование дефолтов и мошенничества: ИИ способен не только оценить текущий риск, но и прогнозировать возможные дефолты или мошеннические действия с высокой степенью точности. Модели машинного обучения могут выявлять аномалии в платежном поведении, паттерны, характерные для мошеннических схем, или признаки ухудшения финансового положения заемщика еще до того, как он просрочит платеж.
• Чат-боты и круглосуточная поддержка: Чат-боты, управляемые ИИ, обеспечивают мгновенную круглосуточную поддержку клиентов, отвечают на вопросы, помогают в заполнении заявок и могут даже проводить предварительное одобрение кредитов, значительно улучшая клиентский сервис.

Таким образом, цифровизация и внедрение ИИ/МО не просто улучшают отдельные аспекты кредитования, а создают совершенно новую парадигму оценки кредитоспособности, основанную на данных, скорости и персонализации. Это позволяет банкам не только справляться с текущими вызовами, но и формировать конкурентные преимущества на динамичном финансовом рынке.

Система бюро кредитных историй и зарубежный опыт в оценке кредитоспособности

Бюро кредитных историй (БКИ) играют центральную роль в формировании объективной оценки кредитоспособности в любой современной финансовой системе. В России эта система постоянно развивается, а изучение зарубежного опыта позволяет выявлять новые направления для совершенствования.

Роль Персонального кредитного рейтинга (ПКР) в РФ

В основе оценки кредитоспособности физических лиц в России лежит информация, агрегируемая БКИ. Центральное место в этом процессе занимает Персональный кредитный рейтинг (ПКР), или индивидуальный рейтинг субъекта кредитной истории.

Что такое ПКР? Это числовое значение (как правило, от 1 до 999 баллов), которое показывает кредитоспособность человека на основе его кредитной истории. ПКР рассчитывается по методикам, разработанным НБКИ и утвержденным Центральным банком РФ. Этот рейтинг является агрегированным показателем платежной дисциплины заемщика и его потенциальной надежности.

Как формируется ПКР? Рейтинг повышается при:

• Своевременном внесении платежей: Дисциплинированное погашение кредитов в срок является самым важным фактором.
• Продолжительности кредитного стажа: Чем дольше и успешнее человек пользуется кредитными продуктами, тем выше его рейтинг.
• Разнообразии типов полученных кредитов: Успешное обслуживание различных видов кредитов (потребительские, автокредиты, ипотека) демонстрирует универсальную платежную дисциплину.

Рейтинг понижается при:

• Большом количестве отказов по заявкам за короткий срок: Это может свидетельствовать о финансовой нестабильности или попытках получить кредит в разных местах, что воспринимается как рискованное поведение.
• Одновременном обращении за кредитом в несколько банков: Аналогично предыдущему пункту, это указывает на потенциальную потребность в срочных средствах и возможное перекредитование.
• Наличии просрочек, дефолтов, судебных разбирательств.

Важные нюансы:

• ПКР носит информационный характер. Хотя он является важным ориентиром, кредитор не обязан использовать именно его при принятии решения. Банки могут разрабатывать собственные внутренние скоринговые модели, которые учитывают ПКР, но также дополняют его другими данными.
• Значение кредитного рейтинга в разных бюро кредитных историй может отличаться. Это связано с тем, что состав информации в кредитной истории и методики вычисления индивидуального рейтинга в разных БКИ могут быть различными. Поэтому важно проверять свою кредитную историю во всех БКИ, где она хранится.

Эволюция системы БКИ и прозрачность оценки

Система БКИ в России постоянно эволюционирует, стремясь к повышению прозрачности и объективности оценки кредитного риска.

• Централизованная система: В России действует несколько БКИ, крупнейшие из которых — НБКИ, ОКБ (Объединенное Кредитное Бюро) и Эквифакс. Информация о кредитах и платежах по ним поступает в эти бюро от всех кредитных организаций.
• Требования к раскрытию информации: Законодательство обязывает банки передавать информацию о кредитах в БКИ, а заемщиков — предоставлять согласие на запросы кредитной истории. Это обеспечивает формирование полной картины кредитной дисциплины гражданина.
• Доступ заемщика к собственной истории: Каждый гражданин РФ имеет право на бесплатное получение своей кредитной истории два раза в год. Это позволяет заемщикам контролировать точность данных и своевременно исправлять возможные ошибки.

Эволюция системы БКИ, включая усиление регуляторного надзора ЦБ РФ и развитие технологий, направлена на создание более прозрачной и надежной основы для оценки кредитного риска. Чем полнее и точнее информация в БКИ, тем объективнее банк может оценить заемщика и предложить ему адекватные условия.

Зарубежные модели оценки кредитоспособности и их адаптация

Мировой опыт в оценке кредитоспособности предлагает ряд инновационных подходов, которые могут быть адаптированы к российской специфике. За рубежом активно развивается направление использования альтернативных данных и искусственного интеллекта для кредитного скоринга.

Примеры зарубежных платформ:

• Upstart (США): Эта платформа использует ИИ для оценки заемщиков, которые могут не иметь обширной кредитной истории. Помимо традиционных данных, Upstart анализирует такие параметры, как образование, специальность, карьерный путь и даже тип учебного заведения. Это позволяет расширить доступ к кредитам для молодых специалистов или иммигрантов, которые по традиционным моделям могут быть отсеяны.
• ZestFinance (США): Специализируется на разработке МО-моделей для оценки кредитного риска, используя тысячи различных переменных, включая данные о доходах в реальном времени, мобильном поведении, использовании приложений и даже данные об оплате коммунальных услуг. Их подход считается более справедливым и инклюзивным, так как он позволяет выявить надежных заемщиков среди тех, кого традиционные модели могут посчитать рискованными.

Преимущества и недостатки адаптации к российскому рынку:

Преимущества:

• Расширение финансовой доступности: Адаптация этих моделей может предоставить доступ к кредитам миллионам россиян, которые ранее были исключены из традиционной кредитной системы из-за отсутствия кредитной истории или нестандартных источников дохода (например, самозанятые, фрилансеры).
• Повышение точности оценки: Использование более широкого спектра данных и продвинутых алгоритмов ИИ может значительно повысить точность прогнозирования дефолтов, что выгодно как банкам, так и заемщикам (снижение ставок для надежных клиентов).
• Персонализация предложений: Возможность создавать более гибкие и индивидуальные кредитные продукты.

Недостатки и вызовы адаптации:

• Регуляторные барьеры: Российское законодательство и нормативы ЦБ РФ могут иметь ограничения на использование определенных видов альтернативных данных. Необходима тщательная проработка вопросов конфиденциальности и защиты персональных данных.
• Качество и доступность данных: Наличие качественных и структурированных данных из альтернативных источников может быть ограничено в российской юрисдикции. Например, не все данные о мобильном поведении легко доступны для финансовых организаций.
• Этическое регулирование: Использование данных из социальных сетей или поведенческих данных вызывает серьезные этические вопросы, связанные с приватностью и потенциальной дискриминацией. Требуется разработка четких этических стандартов и механизмов контроля.
• Особенности менталитета: Поведенческие паттерны россиян могут отличаться от американских или европейских, что требует локализации моделей и их переобучения на российских данных.

Таким образом, хотя зарубежный опыт предлагает ценные уроки, его адаптация к российской специфике требует не просто копирования, а глубокого анализа, учета регуляторных особенностей, этических аспектов и культурных различий. Только такой подход позволит максимально эффективно использовать инновации для совершенствования оценки кредитоспособности в РФ.

Этические и социальные аспекты использования автоматизированных систем оценки кредитоспособности

Внедрение искусственного интеллекта и Big Data в процессы кредитования, принося неоспоримые выгоды в скорости и точности, одновременно порождает ряд серьезных этических и социальных вопросов. Как банки могут обеспечить справедливость, недискриминационность и защиту прав потребителей в условиях все более автоматизированного принятия решений?

Принципы ответственного кредитования

Основной этический каркас в этой области формируется концепцией ответственного кредитования. Этот подход признает, что ответственность за принятие взвешенного решения лежит не только на заемщике, но и на кредиторе.

Ключевые принципы ответственного кредитования включают:

1. Четкое и полное раскрытие информации: До, во время и после заключения кредитного договора клиенту должна быть предоставлена вся ключевая информация о продукте: полная стоимость кредита, процентная ставка, комиссии, штрафы, условия досрочного погашения и возможные риски. Информация должна быть изложена понятным языком, без «мелкого шрифта» и скрытых условий.
2. Справедливое и этичное отношение к клиентам: Банки обязаны избегать любых форм дискриминации, быть вежливыми и корректными в общении, особенно при работе с проблемными заемщиками.
3. Оценка способности клиента обслуживать долг: Кредиторам рекомендуется не выдавать кредиты людям с сомнительной платежеспособностью. Это не только защита банка от рисков, но и защита самого заемщика от чрезмерной долговой нагрузки, которая может привести к финансовому кризису.
4. Прозрачность условий кредитного договора: Заемщик должен понимать все условия, под которыми он подписывается. Ответственное кредитование возлагает на кредитора часть ответственности за информирование и консультирование клиента.
5. Призыв к осознанности: Принцип ответственного кредитования призывает как финансовые учреждения, так и клиентов серьезно воспринимать финансовые обязательства и их возможные последствия.

В контексте ИИ, эти принципы приобретают особую актуальность. Если алгоритм отказывает в кредите, важно, чтобы это решение было обоснованным и не основано на предубеждениях или ошибках в данных.

Вызовы приватности данных и безопасности

Использование ИИ, способного анализировать данные из множества источников (транзакции, социальные сети, поведенческие данные), ставит перед банками сложные задачи в области приватности и безопасности.

• Приватность данных: Сбор и обработка огромного объема персональных данных клиента (от его финансовой истории до поведенческих паттернов) несут риски несанкционированного доступа, утечек и злоупотреблений. Банки обязаны обеспечивать надежную защиту данных и соблюдать строгие стандарты конфиденциальности.
• Уведомление клиентов: Заемщики должны быть четко информированы о том, какие данные о них собираются, как они используются для оценки кредитоспособности и каковы их права в отношении этих данных. Это включает в себя возможность запросить, исправить или удалить свои персональные данные.
• Кибербезопасность: Увеличение объема обрабатываемых данных и сложность ИИ-систем делают их более уязвимыми для кибератак. Банки должны инвестировать в передовые системы кибербезопасности для предотвращения взломов и защиты чувствительной информации.
• Соответствие законодательству: Необходимо строго соблюдать действующие законы о защите персональных данных (например, Федеральный закон №152-ФЗ в РФ) и другие регуляторные требования, касающиеся обработки конфиденциальной информации.

Развитие технологий ИИ не должно идти вразрез с правом человека на приватность и безопасность его данных.

Предотвращение дискриминации и обеспечение справедливости

Одним из наиболее острых этических вызовов использования ИИ является потенциальный риск дискриминации. Если алгоритмы обучаются на исторических данных, которые содержат скрытые предубеждения (например, исторически определенные группы населения имели меньше доступа к кредитам), то ИИ может воспроизводить и даже усиливать эти предубеждения.

• Снижение риска предвзятости алгоритмов:
  • «Алгоритмическая прозрачность» (Explainable AI, XAI): Банки должны стремиться к созданию объяснимых моделей ИИ, которые могут четко обосновать, почему было принято то или иное кредитное решение. Это позволит выявлять и корректировать скрытые предубеждения.
  • Сбалансированные данные обучения: Необходимо использовать разнообразные и репрезентативные наборы данных для обучения ИИ, чтобы избежать предвзятости в отношении определенных демографических групп.
  • Регулярный аудит алгоритмов: Независимые аудиты должны проводиться для проверки алгоритмов на предмет справедливости, недискриминации и соответствия этическим стандартам.
  • Тестирование на смещение: Разработка и применение методик для выявления и устранения систематических ошибок и смещений в решениях ИИ.
• Обеспечение недискриминационности в принятии кредитных решений: Цель состоит в том, чтобы решения ИИ основывались исключительно на релевантных финансовых факторах, а не на этнической принадлежности, гендере, возрасте или других социально-демографических характеристиках, не имеющих прямого отношения к кредитоспособности.
• Доступность кредитов для групп с ограниченной кредитной историей: Использование альтернативных данных ИИ может расширить финансовую доступность, предоставляя доступ к кредитам миллионам людей, которые ранее были исключены из традиционной кредитной системы. Это может быть мощным инструментом для социальной инклюзии, но при условии тщательного контроля за справедливостью и прозрачностью таких решений.
• Механизмы обращения за помощью: Банки должны обеспечивать четкие и доступные механизмы для клиентов, чтобы они могли:
  • Исправлять ошибки: В данных, используемых ИИ для оценки.
  • Рассматривать жалобы: Если клиент считает, что решение было принято несправедливо или с ошибкой.
  • Разрешать споры: Предоставление возможности обжаловать решение, принятое автоматизированной системой.

Этические и социальные аспекты использования ИИ в кредитовании — это не просто «дополнительные» вопросы, а фундаментальные элементы ответственного и устойчивого развития финансовой системы. Только тщательно проработав эти вызовы, банки смогут в полной мере реализовать потенциал цифровизации, сохраняя доверие общества и соблюдая принципы справедливости.

Совершенствование методик оценки кредитоспособности и снижение кредитных рисков

В условиях экономической волатильности и технологического прогресса, постоянное совершенствование методик оценки кредитоспособности становится не просто желаемым, а критически важным аспектом для устойчивости банковской системы. Необходимо выработать комплексный подход, объединяющий инновации, регуляторные требования и проверенные временем стратегии управления рисками.

Интеграция инновационных технологий в существующие методики

Будущее оценки кредитоспособности неразрывно связано с дальнейшим развитием и интеграцией передовых аналитических инструментов.

• Внедрение advanced analytics и предиктивной аналитики: Это означает переход от описательной статистики к прогнозным моделям, которые способны предвидеть поведение заемщика и изменения в его финансовом положении. Такие модели могут использовать более сложные алгоритмы машинного обучения, включая глубокое обучение и нейронные сети, для выявления неочевидных связей и повышения точности прогнозов.
  • Пример: Вместо того чтобы просто констатировать наличие просрочек, предиктивная аналитика может прогнозировать вероятность возникновения просрочки у заемщика в ближайшие 3-6 месяцев на основе совокупности факторов: изменений в его транзакционной активности, динамики доходов/расходов, активности в онлайн-сервисах и даже макроэкономических показателей.
• Использование XAI (объяснимого ИИ) для повышения прозрачности скоринга: Как уже обсуждалось, прозрачность алгоритмов ИИ критически важна для предотвращения дискриминации и обеспечения справедливости. XAI позволяет «заглянуть внутрь» модели и понять, какие факторы и с каким весом повлияли на то или иное кредитное решение. Это не только повышает доверие со стороны клиентов и регуляторов, но и позволяет банкам лучше понимать свои модели и совершенствовать их.
  • Пример: Система XAI может не просто выдать отказ в кредите, но и объяснить: «Отказано из-за высокого показателя DTI (45%), наличия двух просроченных платежей за последние 6 месяцев и низкой оценки стабильности дохода на основе анализа транзакций».
• Применение блокчейн-технологий в кредитовании: Хотя это пока находится на стадии экспериментов, блокчейн может предложить новые возможности для повышения безопасности и прозрачности обмена кредитной информацией. Распределенный реестр может обеспечить неизменность и надежность кредитных историй, исключая возможность их фальсификации и упрощая верификацию данных.
  • Пример: Создание децентрализованных систем хранения кредитных историй, где каждый участник (банк, заемщик, БКИ) имеет доступ к проверенной и неизменяемой информации, что снижает операционные риски и повышает доверие.

Стратегии управления кредитным риском на макро- и микроуровне

Совершенствование методик оценки должно идти рука об руку с комплексными стратегиями управления кредитным риском.

На макроуровне (регуляторные меры):

• Рационирование кредитного портфеля: Установление гибких или жестких лимитов кредитования по сумме, срокам, видам процентных ставок и прочим условиям. Это помогает банкам избежать критических потерь от необдуманной концентрации любого вида риска и диверсифицировать кредитный портфель.
  • Пример: ЦБ РФ может устанавливать требования к банкам по ограничению доли высокорисковых кредитов в портфеле или вводить повышенные коэффициенты риска для определенных сегментов.
• Норматив максимального размера риска на одного заемщика или группу связанных заемщиков (Н6): Этот норматив ограничивает кредитный риск банка и определяет максимальное соотношение между совокупной суммой кредитных требований банка к заемщику (или к группе связанных заемщиков) и собственными средствами (капиталом) банка.
  Формула расчета норматива Н6:

  Н6 = Крз / К ≤ 0,25
  

  Где:

  • К_рз — совокупная сумма кредитных требований банка к заемщику, за вычетом сформированного резерва;
  • К — размер собственных средств (капитала) банка.
    Максимальное значение норматива Н6 составляет 0,25. Это означает, что сумма требований банка к одному заемщику не должна превышать 25% от собственного капитала банка. Это позволяет избежать чрезмерной концентрации рисков на одном клиенте или группе связанных лиц.
• Формирование резервов на возможные потери по ссудам: Является обязательным для банков и регулируется нормативными актами Банка России. Создание адекватных резервов позволяет банкам покрывать потенциальные убытки от дефолтов и поддерживать финансовую устойчивость.

На микроуровне (внутренние банковские стратегии):

• Диверсификация кредитного портфеля: Распределение кредитов по различным типам заемщиков, отраслям, регионам и видам продуктов. Это эффективный метод минимизации кредитного риска, поскольку снижение платежеспособности в одном сегменте не приведет к коллапсу всего портфеля.
• Снижение размеров кредитования на одного заемщика: Ограничение максимальной суммы, выдаваемой одному клиенту, особенно в сегментах с повышенным риском.

Проактивные методы снижения рисков и повышение доступности кредитов

Совершенствование оценки кредитоспособности должно быть направлено не только на отсев «плохих» заемщиков, но и на повышение доступности кредитов для надежных клиентов.

• Разработка комплексной кредитной политики: Четкая, всеобъемлющая кредитная политика должна определять:
  • Критерии предоставления кредита: Какие факторы являются критическими для одобрения заявки.
  • Кредитные лимиты: Максимальные суммы для различных типов кредитов и категорий заемщиков.
  • Условия оплаты: Гибкие графики, возможности реструктуризации.
  • Процедуры взыскания: Четкие шаги при возникновении просрочек.
  • Процессы разрешения споров: Механизмы обжалования решений.
    Эта политика должна быть динамичной и регулярно пересматриваться с учетом меняющихся экономических условий и регуляторных требований.
• Непрерывный кредитный мониторинг и системы раннего оповещения: После выдачи кредита работа с риском не заканчивается. Банки должны осуществлять постоянный мониторинг финансового состояния заемщика:
  • Регулярные финансовые обзоры: Анализ движения по счетам, изменений в доходах/расходах.
  • Отслеживание поведенческих паттернов: Изменение характера трат, появление новых кредитов, запросы в БКИ.
  • Предиктивные модели: Использование ИИ для прогнозирования потенциальных проблем еще до возникновения просрочек.
    Системы раннего оповещения должны сигнализировать о любых тревожных изменениях, позволяя банку оперативно реагировать, например, предлагая реструктуризацию долга или кредитные каникулы.
• Совершенствование стандартов андеррайтинга: Установление надежных стандартов андеррайтинга, которые включают четкие, строгие и последовательные руководящие принципы для одобрения кредитных заявок, имеет решающее значение для дисциплинированного управления кредитными рисками. Это означает не только автоматизацию, но и повышение квалификации андеррайтеров, способных анализировать сложные кейсы, выходящие за рамки стандартных моделей.
• Обучение и консультирование заемщиков: Проактивное информирование клиентов о принципах ответственного кредитования, финансовой грамотности и возможных последствиях чрезмерной долговой нагрузки. Это снижает риск необдуманных решений со стороны заемщиков.

Комплексное применение этих методов позволит не только снизить уровень кредитных рисков, но и создать более устойчивую, прозрачную и клиентоориентированную систему кредитования в России, способную адаптироваться к вызовам будущего.

Заключение

Анализ эволюции методик оценки кредитоспособности физических лиц в России в период 2020-2025 гг. убедительно демонстрирует, что банковская система столкнулась с беспрецедентными вызовами. Рекордный рост просроченной задолженности, волатильность ключевой ставки и инфляции, а также бурный рост банкротств физических лиц подчеркивают острую необходимость в фундаментальном переосмыслении и совершенствовании существующих подходов.

Мы увидели, как традиционные количественные и качественные методы, лежащие в основе скоринга и андеррайтинга, дополняются и трансформируются под влиянием цифровизации. Искусственный интеллект, машинное обучение и анализ больших данных уже не являются экзотикой, а стали неотъемлемой частью кредитного процесса, позволяя банкам обрабатывать колоссальные объемы информации, повышать точность прогнозирования рисков и создавать гиперперсонализированные предложения. Российские банки активно внедряют эти технологии, следуя мировым трендам.

Однако путь к инновациям не лишен преград. Эволюция системы бюро кредитных историй, хотя и способствует повышению прозрачности, все еще требует адаптации лучших зарубежных практик. Более того, стремительное внедрение ИИ порождает серьезные этические и социальные дилеммы, связанные с приватностью данных, предотвращением дискриминации и обеспечением справедливости в принятии кредитных решений. Принципы ответственного кредитования, алгоритмическая прозрачность и механизмы защиты прав заемщиков должны стать неотъемлемой частью любой инновационной стратегии.

Ключевые рекомендации для банковской системы РФ:

1. Углубленная интеграция XAI и предиктивной аналитики: Банкам следует не просто использовать ИИ, но и сосредоточиться на его объяснимости (XAI) для повышения прозрачности и возможности аудита. Предиктивная аналитика должна стать основой для проактивного управления рисками, позволяя предвидеть проблемы до их возникновения.
2. Расширение источников данных с учетом этических норм: Адаптация зарубежного опыта по использованию альтернативных данных (транзакционная активность, поведенческие паттерны) должна сопровождаться строгими этическими протоколами и четким информированием клиентов о целях сбора и использования данных.
3. Постоянное совершенствование регуляторных рамок: Центральный банк РФ должен продолжать развивать технологически нейтральный подход к регулированию ИИ, одновременно уделяя внимание вопросам этики, защиты данных и стандартизации подходов к скорингу и формированию резервов.
4. Разработка комплексной кредитной политики: Банки должны регулярно пересматривать и адаптировать свои кредитные политики, интегрируя в них инновационные подходы к оценке рисков, а также проактивные методы мониторинга и поддержки заемщиков.
5. Инвестиции в финансовую грамотность населения: Повышение осведомленности граждан о принципах ответственного кредитования и важности управления собственной кредитной историей является долгосрочной стратегией по снижению системных рисков.

Совершенствование методик оценки кредитоспособности в РФ — это непрерывный процесс, требующий синергии технологических инноваций, взвешенного регуляторного подхода и глубокого понимания социальных и этических аспектов. Только такой комплексный подход позволит создать устойчивую, справедливую и эффективную систему кредитования, способную выдержать будущие экономические вызовы и способствовать финансовому благополучию граждан.

Список использованной литературы

1. Федеральный закон от 30.12.2004 № 218-ФЗ «О кредитных историях» (ред. от 04.08.2023).
2. Альт-Инвест. Андеррайтинг. URL: https://www.alt-invest.ru/glossary/anderrayting (дата обращения: 09.10.2025).
3. Банк России. Применение искусственного интеллекта на финансовом рынке: доклад Банка России. URL: https://www.cbr.ru/press/event/?id=16584 (дата обращения: 09.10.2025).
4. Банк России. ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ФИНАНСОВОМ РЫНКЕ. URL: https://www.cbr.ru/Content/Document/File/154790/Consultation_Paper_30102023.pdf (дата обращения: 09.10.2025).
5. Банки.ру. Что такое кредитный скоринг и как банки оценивают заемщиков. URL: https://www.banki.ru/news/daytheme/?id=10996841 (дата обращения: 09.10.2025).
6. Газпромбанк. Что такое кредитоспособность заемщика и как ее оценить. URL: https://www.gazprombank.ru/personal/useful/145802/ (дата обращения: 09.10.2025).
7. Домклик. Ключевая ставка ЦБ РФ: последние новости на сегодня. URL: https://domclick.ru/journal/finansy/ipoteka/klyuchevaya-stavka-tsb-rf/ (дата обращения: 09.10.2025).
8. Домклик. Ключевая ставка ЦБ РФ на сегодня. URL: https://domclick.ru/ipoteka/stati/klyuchevaya-stavka-cb-rf-na-segodnya/ (дата обращения: 09.10.2025).
9. Инфляция и ключевая ставка Банка России. URL: https://www.cbr.ru/hd_base/KeyRate/ (дата обращения: 09.10.2025).
10. КиберЛенинка. Ключевые принципы ответственного кредитования и регулятивные подходы в развитых странах и в России. URL: https://cyberleninka.ru/article/n/klyuchevye-printsipy-otvetstvennogo-kreditovaniya-i-regulyativnye-podhody-v-razvityh-stranah-i-v-rossii (дата обращения: 09.10.2025).
11. КиберЛенинка. МЕТОДЫ И ИНСТРУМЕНТЫ УПРАВЛЕНИЯ РИСКАМИ КРЕДИТНЫХ ОПЕРАЦИЙ. URL: https://cyberleninka.ru/article/n/metody-i-instrumenty-upravleniya-riskami-kreditnyh-operatsiy (дата обращения: 09.10.2025).
12. КиберЛенинка. Методы снижения кредитного риска. URL: https://cyberleninka.ru/article/n/metody-snizheniya-kreditnogo-riska (дата обращения: 09.10.2025).
13. Клерк.Ру. Банковский кредит: его виды, классификация, принципы и требования к процессу кредитования. URL: https://www.klerk.ru/buh/articles/443653/ (дата обращения: 09.10.2025).
14. Муляш Л.Н. Кредитные риски и способы их снижения // Вестник Российского экономического университета имени Г.В. Плеханова. 2010. № 6 (36).

    URL: https://www.elibrary.ru/download/elibrary_29668310_77651030.pdf (дата обращения: 09.10.2025).

15. Национальное бюро кредитных историй. Персональный кредитный рейтинг онлайн: как бесплатно узнать или проверить ПКР физического лица. URL: https://www.nbki.ru/uslugi/proverit-kreditniy-reyting/ (дата обращения: 09.10.2025).
16. Реальное время. ЦБ зафиксировал рекордный рост просрочки по кредитам до 1,5 трлн рублей. URL: https://realnoevremya.ru/news/311059-cb-zafiksiroval-rekordnyy-rost-prosrochki-po-kreditam-do-15-trln-rubley (дата обращения: 09.10.2025).
17. Ренессанс Банк. Кредитоспособность: понятие, методы оценки, отличия от платёжеспособности. URL: https://rencredit.ru/articles/kreditosposobnost/ (дата обращения: 09.10.2025).
18. Росконгресс. Ключевая ставка Банка России. Перспективы снижения в 2025 году. URL: https://roscongress.org/materials/klyuchevaya-stavka-banka-rossii-perspektivy-snizheniya-v-2025-godu/ (дата обращения: 09.10.2025).
19. СберБанк. Что такое скоринг в банке: как работает и зачем нужен. URL: https://www.sberbank.ru/ru/person/credits/skoring (дата обращения: 09.10.2025).
20. СберБизнес Live. Ключевая ставка ЦБ: что это и как изменится в 2025 году. URL: https://www.sberbank.ru/sberbusiness-live/klyuchevaya-stavka-izmeneniya-v-2025-godu (дата обращения: 09.10.2025).
21. Совкомбанк. Что такое андеррайтинг и чем занимаются андеррайтеры. URL: https://sovcombank.ru/blog/anderrayting (дата обращения: 09.10.2025).
22. Сравни.ру. Кредитоспособность физического лица: что это и как рассчитать. URL: https://www.sravni.ru/enciklopediya/kreditosposobnost-fizicheskogo-lica-chto-eto-i-kak-rasschitat/ (дата обращения: 09.10.2025).
23. Центральный банк Республики Узбекистан. Утверждены основные принципы ответственного кредитования. URL: https://cbu.uz/ru/press_center/news/2022/01/utverzhdeny-osnovnye-printsipy-otvetstvennogo-kreditovaniya/ (дата обращения: 09.10.2025).
24. Яндекс Нейро. Как ИИ помогает персонализировать финансовые услуги в современных банках? URL: https://yandex.ru/support/neuro-alice/questions/ai-in-banks.html (дата обращения: 09.10.2025).