Оценка кредитоспособности физических лиц в условиях цифровой трансформации и новых регуляторных вызовов российского банковского сектора

метки: Заемщик, Данные, Кредит, Анализ, Кредитоспособность, Оценка, Россия, Обращение

В первом полугодии 2025 года просроченная задолженность россиян по кредитам впервые превысила 1,5 триллиона рублей, что составляет 5,7% от розничного портфеля российских банков. Эта ошеломляющая цифра не просто статистика; она является тревожным сигналом, отражающим растущую напряженность на рынке розничного кредитования. Основной причиной такого роста стало массированное кредитование рискованных заемщиков в 2023–2024 годах, часто под высокие процентные ставки. В ответ на это, Центральный банк РФ предпринимает решительные шаги, вводя строгие ограничения на темпы кредитования и ужесточая требования к оценке потенциальных заемщиков. Эти изменения, в совокупности с беспрецедентной цифровой трансформацией банковского сектора, создают совершенно новую парадигму для оценки кредитоспособности физических лиц.

Настоящее исследование ставит своей целью не просто описать существующие практики, но и провести глубокий анализ эволюции методик оценки кредитоспособности в России, исследовать влияние экономических потрясений, растущей закредитованности и повсеместной цифровизации. Особое внимание будет уделено роли Банка России как ключевого регулятора, его последним инициативам, таким как введение обязательных показателей для анализа финансового положения заемщиков с 1 апреля 2026 года и возможность самостоятельного установления запрета на кредиты с 1 марта 2025 года.

Структура работы разработана таким образом, чтобы последовательно раскрыть заявленные темы, начиная с теоретических основ и заканчивая практическими рекомендациями и перспективными направлениями развития. Научная значимость исследования заключается в систематизации актуальных данных и создании комплексной аналитической картины, что критически важно для понимания сложных процессов, происходящих на финансовом рынке. Практическая ценность состоит в предоставлении студентам и аспирантам экономических, финансовых и банковских специальностей инструментария для глубокого изучения темы, а также в формировании базы для будущих научных изысканий и принятия обоснованных решений в профессиональной деятельности.

Теоретико-методологические основы оценки кредитоспособности физических лиц

В основе любого финансового решения лежит понимание способности контрагента выполнять свои обязательства. В банковской сфере, где риски могут быть катастрофическими, это понимание оформляется в строгую систему оценки, известную как кредитоспособность. Однако ее интерпретация и методы оценки постоянно эволюционируют, адаптируясь к меняющимся экономическим реалиям и технологическому прогрессу.

Потребительское кредитование в Российской Федерации в 2023–2025 ...

... потребительских кредитов. Эта мера вступает в силу с 1 сентября 2025 года и призвана дать заемщику время для осознанного решения и защиты от мошенничества, когда кредиты ... «ОТП Банк» демонстрирует исключительную устойчивость и высокие темпы роста в условиях жесткого рынка. Благодаря сфокусированной стратегии на розничном кредитовании и эффективному управлению рисками, Банк значительно ...

Понятие и сущность кредитоспособности заемщика – физического лица

Прежде чем углубляться в тонкости анализа, важно четко определить ключевые термины.

• Кредитоспособность — это не просто абстрактное понятие, а конкретная способность физического лица или организации своевременно и в полном объеме выполнять свои финансовые обязательства по кредитному договору. Это готовность и, что не менее важно, финансовая возможность получить кредит и строго соблюдать все условия его погашения, что напрямую влияет на устойчивость банковской системы.
• Кредитный риск — обратная сторона медали. Это вероятность того, что заемщик не сможет или не захочет выполнить свои обязательства, что приведет к финансовым потерям для кредитора. Ссуда обесценивается, когда происходит неисполнение или ненадлежащее исполнение обязательств, или возникает реальная угроза такого неисполнения.
• Скоринг — автоматизированная система оценки кредитоспособности, основанная на статистических моделях. Она присваивает баллы потенциальному заемщику, анализируя множество параметров (возраст, доход, кредитная история, занятость и т.д.) для быстрого принятия решения о выдаче кредита.
• Андеррайтинг — это более глубокая и комплексная процедура оценки вероятности погашения или непогашения кредита, а также структурирование сделки. Он может быть индивидуальным (для крупных сумм, с участием специалистов) или автоматическим (скоринг, для небольших кредитов).

Для физических лиц факторы, влияющие на кредитоспособность, гораздо шире, чем просто уровень дохода. Банки тщательно анализируют:

• Финансовые показатели: Уровень и стабильность дохода, наличие других кредитов и обязательств, соотношение доходов и расходов.
• Кредитная история: Поведение заемщика по предыдущим кредитам (своевременность платежей, наличие просрочек, количество исков).
• Социально-демографические данные: Возраст, семейное положение, наличие иждивенцев, образование, трудовой стаж, профессия. Эти данные косвенно указывают на стабильность и прогнозируемость дохода.
• Имущественное положение: Наличие активов (недвижимость, автомобили, ценные бумаги) и пассивов (долги).
• Репутация и готовность: Понимание клиентом цели займа, его деловая репутация, а также психологическая готовность выполнять обязательства.

Конечная цель оценки кредитоспособности — не просто выдать или не выдать кредит, а сформировать надежный кредитный портфель, минимизировать риски дефолтов и обеспечить максимальную возвратность денежных средств, что напрямую влияет на прибыльность и устойчивость кредитной организации.

Концептуальные подходы к анализу кредитоспособности и кредитного риска

Оценка кредитоспособности — это сложный многомерный процесс, который включает в себя как количественные, так и качественные методы анализа.

Совершенствование оценки кредитного риска в потребительском кредитовании ...

... Ключевым инструментом риск-менеджмента для банка остается кредитный скоринг — это математическая модель, позволяющая на основе статистических данных оценить кредитоспособность заемщика и вероятность ... Закредитованность, по оценкам экспертов, трансформировалась из драйвера роста в "тормоз" для российской экономики. Высокие ежемесячные платежи заемщиков сокращают их располагаемый доход, снижая спрос ...

Количественный анализ фокусируется на числовых показателях, отражающих финансовое положение заемщика. Ключевые аспекты включают:

• Оценка доходов и расходов: Анализируется не только абсолютный размер дохода, но и его стабильность, регулярность, а также структура расходов, включая обязательные платежи по коммунальным услугам и уже имеющимся кредитным обязательствам.
• Показатель долговой нагрузки (ПДН): Этот индикатор является краеугольным камнем количественной оценки. Он рассчитывается как отношение суммы среднемесячных платежей заемщика по всем его долговым обязательствам (включая микрозаймы, кредитные карты, поручительства) к его среднемесячному доходу. С 1 октября 2019 года Банк России обязал кредитные и микрофинансовые организации рассчитывать ПДН, а с 1 января 2024 года эта обязанность закреплена законодательно. Если ПДН превышает 50%, кредитор обязан письменно уведомить заемщика о рисках. Это мера направлена на предотвращение чрезмерной закредитованности населения, ведь своевременное информирование позволяет заемщику осознать потенциальные трудности.

Качественные методики дополняют числовые данные, позволяя банку получить более полное представление о надежности заемщика. Они включают:

• Кредитная история: Один из наиболее важных качественных факторов, отражающий дисциплинированность заемщика.
• Имущественное положение и активы: Наличие ликвидного обеспечения или ценных активов может повысить надежность заемщика.
• Деловая репутация и личностные характеристики: Оценка готовности погашать кредит, ответственности, а также качества менеджмента (если речь идет о косвенной оценке через работодателя).
• Правоспособность и наличие обеспечения: Фундаментальные условия для признания заемщика кредитоспособным.

Современные концептуальные подходы к анализу кредитоспособности выходят за рамки простого сопоставления доходов и расходов. Они интегрируют парадигмы стратегического риск-менеджмента и устойчивого развития.

• Риск-менеджмент эволюционировал от фрагментарного устранения угроз к комплексному управлению рисками всех структурных единиц организации. Это означает, что кредитный риск рассматривается не изолированно, а в контексте общей системы рисков банка, включая операционные, рыночные и репутационные риски.
• Концепция устойчивого развития в риск-менеджменте становится все более актуальной. Она предполагает интеграцию нефинансовых рисков, таких как экологические, социальные и управленческие (ESG-риски), в систему оценки. Например, банк может учитывать репутацию заемщика в части соблюдения экологических норм или социальной ответственности, что косвенно влияет на его долгосрочную стабильность и способность генерировать доход. Этот подход обеспечивает более глубокий и долгосрочный взгляд на надежность заемщика, что критически важно в условиях быстро меняющегося мира.

Таким образом, оценка кредитоспособности сегодня — это не статичный процесс, а динамичная система, постоянно адаптирующаяся к новым данным, технологиям и регуляторным требованиям, стремящаяся к максимальной точности и минимизации рисков на основе комплексного анализа.

Организация кредитного процесса коммерческого банка в современных ...

... сбор финансовой и правовой документации. Анализ кредитоспособности и оценка риска: Глубокий анализ финансового состояния, бизнеса и менеджмента заемщика. Присвоение внутреннего рейтинга и предварительная классификация ... Осуществление банком контроля за целевым использованием средств и финансовым состоянием заемщика. Банк России в своих положениях, прежде всего в Положении №590-П, устанавливает ...

Эволюция методик оценки кредитоспособности в российском банковском секторе и международный опыт

Российский банковский сектор, проходящий через периоды бурного роста и экономических потрясений, постоянно совершенствует свои подходы к оценке кредитоспособности. Этот процесс тесно связан как с накоплением собственного опыта, так и с адаптацией передовых международных практик.

Обзор традиционных и современных методик оценки кредитоспособности

В России банки используют целый арсенал инструментов для анализа кредитоспособности физических лиц, каждый из которых имеет свои особенности и область применения.

• Андеррайтинг: Этот метод является фундаментальным для оценки крупных кредитов. Он представляет собой независимую экспертизу рисков, направленную на определение вероятности погашения или непогашения запрашиваемого кредита.
  • Индивидуальный андеррайтинг: Применяется для крупных сумм, требующих детального анализа. Включает работу квалифицированных специалистов, которые вручную изучают все аспекты финансового состояния заемщика, его активы, обязательства, источники дохода, кредитную историю и даже репутацию. Это трудоемкий процесс, но он позволяет получить максимально полное представление о риске.
  • Автоматический андеррайтинг (скоринг): Для небольших и массовых кредитов (например, потребительских или кредитных карт) используется скоринг. Он позволяет быстро и эффективно обрабатывать большое количество заявок, сокращая время на принятие решения.
• Кредитный скоринг: Является краеугольным камнем современной банковской практики в России. Это автоматизированная система, которая присваивает заемщику баллы на основе различных параметров. Различают несколько видов скоринга:
  • Заявочный скоринг: Проводится на этапе подачи заявки.

    Анализирует информацию, предоставленную клиентом в анкете (возраст, образование, семейное положение, доход, занятость), а также данные из бюро кредитных историй.

  • Поведенческий скоринг: Оценивает поведение клиента, уже имеющего кредитные продукты банка. Анализирует своевременность платежей, использование кредитных карт, частоту обращений за новыми кредитами, что позволяет прогнозировать будущий риск.
  • Мошеннический скоринг: Нацелен на выявление признаков мошенничества на этапе подачи заявки. Анализирует несоответствия в данных, необычное поведение клиента, подозрительные запросы.
  • Коллекторский скоринг: Используется для оценки вероятности взыскания просроченной задолженности. Помогает определить наиболее эффективные стратегии работы с должниками.
• Анализ платежеспособности: Оценивает способность физического лица генерировать стабильные доходы, часть которых может быть направлена на погашение кредита без ущерба для его жизнедеятельности. Ключевую роль играет Показатель долговой нагрузки (ПДН). Он рассчитывается как отношение среднемесячных платежей по всем долговым обязательствам к среднемесячному доходу. С 1 октября 2019 года Банк России обязал банки рассчитывать ПДН, а с 1 января 2024 года это требование закреплено законодательно. Более того, если ПДН превышает 50%, банки обязаны письменно информировать заемщика о существующих рисках, что является важной мерой для снижения закредитованности населения.

Крупные российские банки, такие как Сбербанк, активно используют собственные скоринговые модели, учитывающие сотни параметров, от кредитной истории и справки 2-НДФЛ до внутренней статистики поведения клиентов. При этом международный опыт показывает, что российские методики могут быть значительно усовершенствованы.

Финансово-экономические инструменты государственного регулирования ...

... если плановая рентабельность (прибыль) превышала 20% от себестоимости, требовалась дополнительная оценка обоснованности. В 2023 году этот порог был увеличен с 20% до 25%. Это изменение ... естественных монополий (например, РЖД, ФСК ЕЭС) осуществляется Федеральной антимонопольной службой (ФАС России) и региональными регулирующими органами с использованием нескольких ключевых методов, целью которых ...

Международные подходы к оценке кредитоспособности: «Правило шести «Си»»

В мировой банковской практике широко распространена система оценки кредитоспособности, известная как «Правило шести «Си»» (6 C’s of Credit). Этот комплексный подход позволяет банкам получить всестороннее представление о надежности заемщика.

1. Character (Характер): Оценка репутации заемщика, его добросовестности, готовности и желания погасить кредит. Сюда входят кредитная история, моральные качества, история платежей. В России этот аспект частично учитывается через кредитную историю и поведенческий скоринг.
2. Capacity (Платежеспособность): Финансовое положение заемщика, его способность генерировать доходы, достаточные для обслуживания долга. Включает анализ коэффициентов ликвидности, динамики баланса, соотношения доходов и расходов. Российский ПДН является прямым аналогом Capacity.
3. Capital (Капитал): Собственный капитал и имущество заемщика, соотношение заемных и собственных средств. Наличие значительных активов свидетельствует о финансовой устойчивости и может служить источником погашения долга в случае непредвиденных обстоятельств. В России это учитывается при оценке имущества и активов.
4. Collateral (Обеспечение): Оценка залога или другого обеспечения по кредиту, его ликвидности и рыночной стоимости. Обеспечение снижает риск банка в случае дефолта.
5. Conditions (Условия): Общие макроэкономические условия, ситуация в отрасли заемщика, политическая стабильность, а также прогноз этих факторов на срок кредита. Например, ухудшение экономической ситуации в стране может повлиять на доходы заемщика.
6. Cash (Денежные средства) / Control (Контроль): Прогнозирование потока денежных средств заемщика на весь период кредитования (Cash), или более широкие факторы контроля, такие как качество менеджмента и юридический статус (Control).

   В российском контексте прогнозирование денежных потоков не всегда осуществляется с достаточной глубиной для физических лиц, но это могло бы стать важным дополнением.

Сравнивая «Правило шести «Си»» с российскими методиками, можно выделить как точки соприкосновения, так и потенциал для заимствования. Российские банки активно используют элементы Character (кредитная история), Capacity (ПДН), Capital (анализ активов) и Collateral (обеспечение).

Теоретические основы денег, кредита и банков в России начала ...

... и выражают отношения между кредиторами и заемщиками. В своей основе кредит представляет собой передачу стоимости во временное ... автомобиля и дома, если не через их денежную оценку? Средство обращения. Деньги выступают в роли обязательного, но ... стабильности, являются прерогативой и ответственностью государства и Центрального банка. Именно эти институты определяют денежно-кредитную политику, ...

Однако аспекты, связанные с детальным прогнозированием денежных потоков (Cash) и более глубоким анализом макроэкономических условий (Conditions) применительно к индивидуальным заемщикам, могли бы быть усилены. Интеграция этих критериев позволит российским банкам более полно и системно оценивать риски, снижая субъективизм и повышая точность прогнозов.

Проблемы и недостатки существующих российских методик

Несмотря на активное развитие, российская система оценки кредитоспособности сталкивается с рядом существенных проблем:

• Отсутствие единой стандартизированной методики: Каждый банк разрабатывает собственные подходы, что приводит к значительным различиям в требованиях и процедурах. Это усложняет сопоставимость данных и создает барьеры для обмена информацией, хотя Банк России постепенно движется к унификации.
• Дублирование показателей: Иногда в различных моделях оценки используются схожие или дублирующие друг друга показатели, что может приводить к избыточной нагрузке на сбор данных и не повышать точность анализа.
• Акцент на качественных показателях и субъективный фактор: Несмотря на развитие скоринга, в ряде случаев сохраняется высокая зависимость от экспертных оценок и личного мнения сотрудника банка, что вносит элемент субъективизма и может стать причиной ошибок.
• Недостаточная глубина анализа денежных потоков: В отличие от международного опыта, где прогнозирование денежных потоков (Cash) является ключевым элементом, в российских методиках для физических лиц этот аспект часто ограничивается лишь анализом текущего дохода без долгосрочного прогнозирования.

Эти недостатки, в совокупности с динамично меняющейся экономической ситуацией, требуют дальнейшего совершенствования методик оценки кредитоспособности в российском банковском секторе.

Влияние макроэкономических факторов, закредитованности населения и цифровизации на кредитоспособность

Современный финансовый ландшафт России постоянно формируется под воздействием мощных сил: макроэкономических колебаний, неуклонного роста закредитованности и стремительной цифровизации. Эти факторы не просто видоизменяют среду, в которой банки оценивают заемщиков, но и переписывают само определение кредитоспособности.

Динамика и риски просроченной задолженности в российском банковском секторе (2023-2025 гг.)

Экономическая турбулентность — явление не новое для российской экономики, но ее последствия всегда отражаются на качестве кредитного портфеля. В конце 2014–2015 годов, как и в последующие кризисные периоды, ухудшение качества банковских активов приводило к ужесточению требований к заемщикам и снижению доступности кредитования. Однако текущая ситуация (2023-2025 гг.) имеет свои уникальные особенности.

Особенности разработки финансового раздела бизнес-плана для получения ...

... и управлению рисками, заставляя банки подходить к оценке заемщиков с максимальной осторожностью. Таким образом, бизнес-план должен служить надежным источником информации для внутрибанковской оценки кредитоспособности (ВБОК), формирующей основу для ...

По итогам первого полугодия 2025 года, российский банковский сектор столкнулся с беспрецедентным вызовом: просроченная задолженность россиян по кредитам впервые превысила 1,5 триллиона рублей. Этот показатель составляет тревожные 5,7% от общего розничного портфеля и демонстрирует четкую динамику роста. Основная причина кроется в массированном кредитовании рискованных заемщиков в период 2023–2024 годов, когда стандарты выдачи кредитов были менее строгими, а население, стремясь воспользоваться программами вроде «Льготной ипотеки», активно брало кредиты под высокие ставки.

Особое беспокойство вызывает рост просрочки в ипотечном сегменте. В первом квартале 2025 года доля кредитов с просрочкой более 90 дней по ипотеке увеличилась до 0,9% по сравнению с 0,5% годом ранее. Этот рост непосредственно связан с кредитами, выданными в конце 2023 – начале 2024 года.

Тем не менее, есть и позитивные тенденции, обусловленные регуляторными мерами. Благодаря макропруденциальным лимитам (МПЛ), введенным Банком России, доля выданных необеспеченных потребительских кредитов с показателем долговой нагрузки (ПДН) более 50% значительно снизилась: с 60% во втором квартале 2023 года до 22% во втором квартале 2025 года. Это свидетельствует об эффективности регуляторных мер в сдерживании чрезмерной закредитованности.

Однако проблемные зоны остаются. В сегментах кредитов на индивидуальное жилищное строительство (ИЖС) и нецелевых потребительских кредитов под залог недвижимости во втором квартале 2025 года доля выдач кредитов с ПДН выше 80% составляла 30% и 46% соответственно. Эти цифры указывают на сохранение высоких рисков в определенных сегментах кредитования.

Изменение факторов кредитоспособности в условиях экономической турбулентности

Экономическая турбулентность оказывает многостороннее влияние на факторы кредитоспособности.

1. Ужесточение требований банков: В условиях роста просроченной задолженности и неопределенности, банки неизбежно ужесточают свои кредитные политики. Это проявляется в повышении требований к доходу, стажу работы, кредитной истории, а также в более консервативной оценке залогового обеспечения.
2. Влияние ключевой ставки Банка России: Жесткая денежно-кредитная политика Центрального банка, направленная на сдерживание инфляции, напрямую влияет на стоимость кредитов. Например, ключевая ставка Банка России в начале 2025 года составляла 16%, что обуславливало высокие процентные ставки по кредитам. Это, в свою очередь, приводит к замедлению темпов кредитования и сокращению рынка розничного кредитования, поскольку для заемщиков кредиты становятся менее доступными и более дорогими.
3. Снижение реальных доходов и рост безработицы: Экономические шоки могут приводить к снижению реальных доходов населения и росту безработицы, что напрямую ухудшает платежеспособность заемщиков и увеличивает риск дефолтов.
4. Повышенная неопределенность: В условиях турбулентности сложнее прогнозировать будущие доходы и расходы заемщиков, что требует от банков более гибких и адаптивных моделей оценки.

Роль цифровизации в трансформации оценки кредитоспособности

На фоне экономических вызовов цифровая трансформация становится мощным катализатором изменений в оценке кредитоспособности. Активное внедрение таких технологий, как Большие Данные (Big Data), искусственный интеллект (ИИ), машинное обучение (ML) и нейросети, радикально меняет подходы банков.

Комплексный анализ развития банковского кредита в России: факторы, ...

... 2004 года. Он регулирует формирование, хранение и использование кредитных историй, что играет критическую роль в оценке кредитоспособности за ... и внешних факторов, влияющих на развитие банковского кредита в современной России, с особым акцентом на их динамику ... учету. Положение о порядке предоставления Банком России кредитов банкам, обеспеченным залогом и поручительствами: определяет механизмы ...

• Автоматизация и скорость: Эти технологии позволяют автоматизировать процесс скоринга, значительно сокращая время на принятие кредитных решений. В некоторых случаях, благодаря ИИ, решение о выдаче кредита может быть принято всего за несколько минут, что ранее было немыслимо.
• Повышение точности прогнозов: Использование ИИ и Больших Данных позволяет анализировать огромные объемы информации из самых разнообразных источников — не только традиционные финансовые показатели (кредитная история, доходы), но и поведенческие факторы, активность в социальных сетях, геолокацию, историю транзакций. Это позволяет выявлять скрытые закономерности и повышать точность прогнозов дефолтов на 10-15% по сравнению с традиционными методами скоринга.
• Глубокий анализ данных: ИИ способен обрабатывать как структурированные, так и неструктурированные данные, что дает возможность получать более полное и многогранное представление о заемщике. Например, анализ паттернов поведения в онлайн-среде может дополнить информацию из бюро кредитных историй, формируя более точный профиль риска.
• Персонализация предложений: Благодаря Большим Данным и ИИ, банки могут создавать персонализированные предложения для клиентов, учитывая их индивидуальные потребности и профиль риска, что повышает лояльность и эффективность кредитования.

Таким образом, цифровизация не просто ускоряет процессы, но качественно меняет глубину и точность оценки кредитоспособности, позволяя банкам более эффективно адаптироваться к изменяющимся макроэкономическим условиям и вызовам, связанным с закредитованностью населения. Но не следует ли нам задаться вопросом, насколько этично и безопасно для конфиденциальности граждан использование такого широкого спектра личных данных?

Проблемы и риски при оценке кредитоспособности: акцент на мошенничество

Даже самые совершенные методики оценки кредитоспособности не могут полностью исключить риски, присущие кредитному процессу. В банковской практике всегда существуют «узкие места», которые могут привести к нежелательным последствиям, а одной из наиболее серьезных угроз остается мошенничество.

Кредитный риск: сущность, факторы и последствия

В основе всех проблем лежит кредитный риск — это не просто угроза, а вероятное обесценение ссуды, то есть потеря ею стоимости из-за неспособности или нежелания заемщика выполнять свои обязательства. Сущность кредитного риска заключается в неопределенности относительно будущего финансового положения заемщика и его способности генерировать достаточные денежные потоки для погашения долга.

Совершенствование методик оценки кредитоспособности коммерческих ...

... того, в контексте оценки кредитоспособности важны такие понятия, как: Кредитный риск — риск возникновения у банка потерь в результате неисполнения или ненадлежащего исполнения заемщиком своих обязательств ... интеллект, машинное обучение и большие данные трансформируют кредитный скоринг, анализируем ключевые изменения в нормативно-правовой базе Банка России и предлагаем комплексные рекомендации по ...

Факторы, способствующие возникновению кредитного риска, многообразны:

• Внутренние факторы заемщика:
  • Нестабильность источников дохода: Переменчивый заработок, временная работа, фриланс без подтвержденного стабильного потока средств.
  • Высокая долговая нагрузка: Наличие множества мелких кредитов, микрозаймов, что увеличивает вероятность дефолта при малейшем снижении дохода.
  • Плохая кредитная история: Прошлые просрочки, невыполненные обязательства, судебные иски по долгам.
  • Непредвиденные осложнения: Болезни, потеря работы, изменение семейного положения, которые могут резко ухудшить финансовое положение.
  • Отсутствие обеспечения или его недостаточная ликвидность: Если кредит не обеспечен или залог сложно реализовать, риск для банка возрастает.
• Внешние (макроэкономические) факторы:
  • Снижение реальных доходов населения: Инфляция, экономические кризисы, уменьшение покупательной способности.
  • Рост безработицы: Увеличивает количество людей, теряющих основной источник дохода.
  • Жесткая денежно-кредитная политика: Высокие процентные ставки увеличивают финансовую нагрузку на заемщиков.
  • Нестабильность в банковской сфере: Игнорирование высокой степени системного риска, присущего банковской сфере, может привести к снижению ликвидности и устойчивости банков, что, в свою очередь, усиливает кредитные риски.

Последствия кредитного риска для банка очевидны: ухудшение качества кредитного портфеля, снижение прибыльности, необходимость формирования резервов под возможные потери, а в крайних случаях — угроза финансовой стабильности.

Проблемы актуальности информационной базы и правового регулирования

Несмотря на все усилия, российская банковская система все еще сталкивается с серьезными проблемами, связанными с качеством и доступностью информации, а также с правовым регулированием.

• Недостаточно актуальная информационная база: Многие банки сталкиваются с проблемой получения полной и своевременной информации о финансовом состоянии потенциальных клиентов. Это может быть связано с фрагментацией данных, их устареванием или нежеланием заемщиков предоставлять полный объем сведений. Недостаток актуальных данных не позволяет адекватно оценить риски, что, по данным Банка России, способствует росту невозвратных кредитов. Так, на конец 2024 года, доля проблемных кредитов (NPL 90+) в необеспеченном розничном кредитовании составляла тревожные 7,8%.
• Отсутствие отработанной методики оценки: Хотя крупные банки имеют свои продвинутые скоринговые системы, универсального, единого и эффективного подхода для всех участников рынка, особенно для малых и средних банков, до сих пор нет. Это приводит к разрозненности практик, увеличению невозвратных кредитов и, как следствие, ужесточению кредитной политики для всех.
• Пробелы в правовом механизме выявления фиктивных кредитов: Хотя статья 159.1 УК РФ «Мошенничество в сфере кредитования» предусматривает ответственность за предоставление заведомо ложных сведений, практический механизм выявления таких кредитов не всегда достаточно эффективен. Правоохранительные органы и банки используют внутренние системы контроля, но полное искоренение этого явления остается сложной задачей.

Мошенничество в сфере кредитования: виды и механизмы противодействия

Мошенничество является одним из самых коварных видов кредитного риска, поскольку оно основано на умышленном обмане. Согласно статье 159.1 УК РФ, мошенничество в сфере кредитования – это получение денежных средств путем предоставления финансовой организации заведомо ложных или недостоверных сведений.

Распространенные виды мошенничества:

1. Подделка документов:
   • Справки о доходах (2-НДФЛ): Заемщики подделывают справки, завышая свой официальный доход, чтобы соответствовать требованиям банка.
   • Трудовые книжки или справки о занятости: Предоставление ложных сведений о месте работы, должности, стаже, чтобы создать видимость стабильной занятости.
   • Использование чужих или поддельных паспортов: Оформление кредита на имя другого лица или по украденным/поддельным документам.
2. Сокрытие информации:
   • О действующих кредитных обязательствах: Заемщик умалчивает о наличии других кредитов, чтобы не ухудшить свой показатель долговой нагрузки.
   • О негативной кредитной истории: Попытки скрыть информацию о прошлых просрочках или дефолтах.
3. Мошенничество с участием сотрудников банка или третьих лиц:
   • Оформление кредита по ксерокопии паспорта: Недобросовестные сотрудники банка могут использовать копии документов клиентов для оформления фиктивных кредитов.
   • Действия лжеколлекторов: Мошенники, выдающие себя за коллекторов, пытаются получить деньги с граждан, не имеющих реальных долгов.

Механизмы противодействия:

• Усиление верификации данных: Банки используют более строгие процедуры проверки документов, звонки работодателям, запросы в государственные органы.
• Мошеннический скоринг: Специализированные ИИ-алгоритмы анализируют паттерны поведения, отклонения от нормы в заявках, необычные совпадения данных, что позволяет выявлять подозрительные случаи.
• Использование биометрических данных: Внедрение систем распознавания лиц и отпечатков пальцев для идентификации клиентов.
• Обмен информацией: Сотрудничество между банками и правоохранительными органами для обмена информацией о мошеннических схемах.
• Внутренний контроль: Строгие системы внутреннего контроля и мониторинга деятельности сотрудников банка для предотвращения сговора с мошенниками.
• Правовое преследование: Активное применение статьи 159.1 УК РФ и других норм законодательства для привлечения мошенников к ответственности.

Эффективная борьба с мошенничеством требует постоянного совершенствования как технологических, так и организационных мер, а также тесного взаимодействия всех участников финансового рынка.

Цифровые технологии и инновационные подходы для совершенствования оценки кредитоспособности

В условиях быстро меняющегося финансового ландшафта и возрастающих рисков, цифровые технологии становятся не просто вспомогательным инструментом, а движущей силой, трансформирующей саму природу оценки кредитоспособности. Они позволяют банкам не только снизить риски и ошибки, но и значительно ускорить весь процесс, открывая новые горизонты для анализа.

Использование Больших Данных, машинного обучения и нейросетей

Современные технологии оценки кредитоспособности физических лиц основаны на мощных возможностях Больших Данных (Big Data), машинного обучения (ML) и нейросетей (ИИ). Их интеграция в банковские процессы позволяет достичь беспрецедентной эффективности:

• Оперативная обработка и анализ данных: Большие Данные позволяют банкам собирать, хранить и анализировать огромные объемы информации из самых разнообразных источников. Это включает не только традиционные финансовые данные (кредитные истории, банковские транзакции, официальные доходы), но и неструктурированные данные, такие как активность в социальных сетях, история поиска в интернете, геолокация, использование мобильных приложений.
• Автоматизация рутинных процессов: ML-алгоритмы могут брать на себя выполнение рутинных задач, связанных с анализом данных, формированием отчетов и первичной оценкой заявок, освобождая время сотрудников для более сложных и экспертных решений.
• Повышение точности скоринга и прогнозирования дефолтов: Искусственный интеллект, обученный на больших массивах данных, способен выявлять тонкие и неочевидные закономерности, которые остаются незамеченными для человека. Это позволяет значительно повысить точность и предсказуемость прогнозов дефолтов. По оценкам экспертов, внедрение ИИ и Больших Данных в скоринг позволяет снизить долю дефолтов на 10-15% по сравнению с традиционными методами.
• Значительное сокращение времени принятия решений: Благодаря автоматизации и высокой скорости обработки данных, ИИ значительно ускоряет процесс оценки клиентов. Если раньше на проверку заявки уходили дни, то теперь алгоритмы могут принимать решения о выдаче кредита за считанные минуты.
• Предотвращение мошенничества: ML-модели эффективно выявляют аномалии и подозрительные паттерны в заявках и поведении клиентов, что помогает предотвращать мошеннические операции и сомнительные сделки.

Примеры внедрения в российских банках впечатляют:

• Сбербанк активно использует ИИ для разработки системы рекомендаций, анализируя более 2000 параметров, чтобы определить текущую жизненную ситуацию клиента и предложить наиболее подходящие услуги.
• Многие крупные российские банки, такие как Тинькофф Банк, Альфа-Банк, ВТБ, активно внедряют собственные ИИ-модели для скоринга, анализа рисков и персонализации предложений. Это позволяет им обрабатывать до 80-90% заявок в автоматическом режиме, значительно повышая эффективность.

Перспективные ИИ-решения и финтех-проекты

Инновационные подходы в финтехе расширяют границы оценки кредитоспособности, особенно для тех заемщиков, которые ранее считались «нежелательными» для традиционных банковских систем.

• Анализ альтернативных данных: Российские финтех-проекты, а также крупные игроки, используют ИИ для анализа альтернативных источников данных, выходящих за рамки классической кредитной истории. Например, транзакционная активность, поведенческие паттерны в интернете (покупки, подписки, взаимодействие с сервисами), данные о трудоустройстве из онлайн-платформ. Это позволяет расширить круг потенциальных заемщиков, включая самозанятых, фрилансеров или тех, у кого нет длинной кредитной истории.
• Скоринг на основе биометрических данных: В качестве примера можно привести стартап FscoreLab, который запустил пилотный проект скоринга, основанный на анализе фотографии заемщика с использованием нейросети. Хотя такие подходы еще находятся на стадии тестирования и вызывают дискуссии о этичности и предвзятости, они демонстрируют потенциал ИИ в распознавании неявных факторов риска.
• Развитие RegTech и SupTech: Банк России не остается в стороне от этих тенденций. Регулятор планирует активно внедрять Большие Данные, машинное обучение, искусственный интеллект и облачные технологии не только при анализе заемщиков, но и в рамках надзорной (SupTech) и регуляторной (RegTech) деятельности. Это позволит автоматизировать мониторинг рисков банков, повысить эффективность надзора и быстрее выявлять недобросовестные практики на финансовом рынке.

Таким образом, цифровые технологии не просто совершенствуют существующие методики, а создают принципиально новые возможности для более точной, быстрой и всесторонней оценки кредитоспособности, при этом снижая риски и открывая доступ к финансовым услугам для более широкого круга населения.

Регуляторное влияние Банка России и перспективные направления развития методик

В условиях быстро меняющегося финансового рынка, возрастающей долговой нагрузки населения и активной цифровизации, роль Центрального банка РФ как регулятора становится ключевой. Его действия формируют правила игры, влияют на кредитную политику банков и направляют развитие методик оценки кредитоспособности.

Основные регуляторные изменения Банка России (2025-2026 гг.)

Центральный банк РФ демонстрирует проактивную позицию, реагируя на вызовы рынка и предпринимая шаги по стабилизации ситуации.

• Ограничения на темпы кредитования и ужесточение требований: Регулятор активно вводит макропруденциальные лимиты (МПЛ) и устанавливает надбавки к коэффициентам риска по отдельным видам кредитов. Это напрямую влияет на достаточность капитала банков и стимулирует их к более консервативному подходу к кредитованию, снижая риски чрезмерной закредитованности.
• Обязательные показатели для анализа финансового положения заемщиков: С 1 апреля 2026 года Банк России планирует ввести обязательные, более унифицированные требования к расчету доходов и расходов заемщика. Эта мера направлена на снижение вариативности и субъективности в оценке кредитоспособности банками, обеспечивая более прозрачный и стандартизированный подход.
• Право на самоограничение: С 1 марта 2025 года граждане России получают уникальную возможность самостоятельно устанавливать запрет на заключение договоров потребительского кредита или займа. Это важный шаг в сторону повышения финансовой ответственности заемщиков и защиты их от недобросовестных практик или импульсивных решений.
• Макропруденциальные лимиты (МПЛ): ЦБ РФ продолжает активно использовать МПЛ для контроля за динамикой кредитования.
  • По необеспеченным потребительским кредитам МПЛ уже позволили существенно снизить долю кредитов заемщикам с высокой долговой нагрузкой.
  • На IV квартал 2025 года МПЛ по ипотечным кредитам на приобретение готового и строящегося жилья сохранены на ранее установленном уровне. При этом с 1 сентября 2025 года были снижены макропруденциальные надбавки по кредитам на приобретение строящегося жилья на 50 базисных пунктов для определенных категорий.
  • С 1 октября 2025 года Банк России впервые устанавливает МПЛ по кредитам на ИЖС и нецелевым потребительским кредитам под залог недвижимости, что свидетельствует о его стремлении контролировать риски в новых, быстрорастущих сегментах рынка.
• Совершенствование регулирования на основе Базеля III: ЦБ РФ продолжает совершенствовать банковское регулирование для более точной оценки рисков и развития кредитования. В частности, внедряется стандартизированный подход Базеля III к оценке кредитного риска по необеспеченным розничным кредитам. Этот подход предусматривает применение фиксированных коэффициентов риска, что упрощает расчеты для банков и обеспечивает сопоставимость оценки рисков в рамках международного регулирования, направленной на снижение системных рисков.
• Упрощение кредитования МСП: С целью поддержки малого и среднего предпринимательства, ЦБ РФ увеличил с 10 до 50 млн рублей пороговую величину ссуд субъектам МСП, оценка риска по которым может проводиться на портфельной основе без использования официальной отчетности. Это решение, по оценкам экспертов, позволит сократить операционные издержки банков на оценку малых кредитов для МСП до 15-20%.
• Новшества в сфере возврата просроченной задолженности: С 1 сентября 2025 года вступают в силу положения Федерального закона от 24.07.2023 № 340-ФЗ, которые усиливают защиту прав должников при взаимодействии с кредиторами и коллекторами, устанавливая более строгие требования к порядку такого взаимодействия и уведомлениям о переходе права требования.

«Цифровой профиль» и новая система оценки доходов заемщиков

Одним из наиболее значимых и потенциально спорных изменений является утвержденная Банком России дорожная карта о переходе на новую систему оценки доходов заемщиков. Согласно этой инициативе, кредиторы должны будут брать данные из информационных систем ФНС и Социального фонда России через сервис «Цифровой профиль», а не использовать собственные модели оценки или неформальные документы.

Потенциальные преимущества:

• Повышение точности и достоверности данных: Использование официальных государственных источников должно исключить возможность фальсификации данных о доходах.
• Снижение операционных расходов банков: Автоматизированный доступ к данным через «Цифровой профиль» может упростить процесс верификации доходов.

Опасения банковского сообщества:

Однако банковское сообщество выражает серьезные опасения относительно полного перехода на данные из «Цифрового профиля»:

• Ограничение доступа к кредитам: Для значительной части населения, особенно самозанятых, фрилансеров, или тех, чьи доходы не полностью отражаются в официальных государственных системах, а также для тех, кто не имеет доступа к «Госуслугам», этот переход может значительно ограничить доступ к кредитам.
• Усложнение процессов для некоторых категорий: Некоторые банки указывают на то, что для специфических категорий заемщиков, где доходы могут быть нерегулярными или состоять из нескольких источников, «Цифровой профиль» может оказаться недостаточно гибким инструментом.
• Технические и интеграционные сложности: Полная интеграция всех банков с «Цифровым профилем» требует значительных инвестиций и времени.

Это подчеркивает необходимость сбалансированного подхода, при котором регуляторные требования учитывают как цели финансовой стабильности, так и потребности различных групп населения и возможности банковского сектора.

Развитие RegTech, SupTech и повышение финансовой грамотности

Банк России активно развивает инициативы по внедрению современных технологий в свою деятельность:

• RegTech и SupTech: ЦБ РФ планирует использовать Большие Данные, машинное обучение и ИИ для повышения эффективности надзора (SupTech) и регулирования (RegTech).

  Это включает автоматизированный мониторинг рисков банков, выявление недобросовестных практик на финансовом рынке, а также анализ больших объемов данных для принятия регуляторных решений.

• Повышение финансовой грамотности: Параллельно с ужесточением требований, Банк России реализует масштабные программы по повышению финансовой грамотности населения. Проекты, такие как «Дружи с финансами», проведение онлайн-уроков и массовых просветительских кампаний, охватывающих миллионы граждан, направлены на повышение осведомленности о кредитных продуктах, рисках и ответственном финансовом поведении. Эти меры призваны не только защитить потребителей, но и сделать финансовый рынок более устойчивым за счет повышения общей финансовой культуры.

Перспективы совершенствования методик оценки кредитоспособности

Будущее оценки кредитоспособности в России будет определяться синергией технологических инноваций и регуляторной политики.

• Более активное применение международного опыта: Интеграция элементов «Правила шести «Си»», особенно в части глубокого анализа денежных потоков и макроэкономических условий, может значительно обогатить российские методики.
• Комплексный риск-менеджмент: Дальнейшее развитие и внедрение концепций жизненного цикла систем и устойчивого развития, включая учет ESG-рисков, позволит банкам получать более полное и долгосрочное представление о надежности заемщика.
• Дальнейшее развитие цифровых инструментов: Непрерывное совершенствование ИИ, ML и Больших Данных, а также их интеграция с государственными информационными системами (при учете опасений банковского сообщества), будут способствовать повышению точности и скорости оценки.
• Баланс между инновациями и регуляторной стабильностью: Ключевой задачей будет поиск оптимального баланса между внедрением инновационных решений, которые расширяют доступ к кредитам, и жестким регуляторным контролем, предотвращающим системные риски и чрезмерную закредитованность.
• Развитие экосистемы данных: Дальнейшее развитие «Цифрового профиля» и других государственных информационных систем должно сопровождаться диалогом с банковским сообществом для учета практических вызовов и создания условий для справедливого и доступного кредитования для всех категорий граждан.

Таким образом, регуляторное влияние Банка России является фундаментальным фактором, формирующим траекторию развития методик оценки кредитоспособности, при этом постоянная адаптация к новым технологиям и учет потребностей рынка будут определять их эффективность.

Заключение

Исследование оценки кредитоспособности физических лиц в российском банковском секторе выявило динамичную картину, формируемую сложным взаимодействием макроэкономических факторов, регуляторных инициатив и технологических прорывов. Мы увидели, как рекордный рост просроченной задолженности, достигший 1,5 трлн рублей в первом полугодии 2025 года, и ужесточение требований Банка России подталкивают банки к переосмыслению своих подходов.

Теоретические основы кредитоспособности, несмотря на свою фундаментальность, постоянно обогащаются новыми концепциями, такими как интеграция риск-менеджмента и принципов устойчивого развития, включая учет нефинансовых (ESG) рисков. Анализ традиционных методик, таких как андеррайтинг и скоринг, показал их эволюцию и адаптацию к современным реалиям, в то время как международный опыт, представленный «Правилом шести «Си»», предлагает ценные ориентиры для совершенствования российских практик, особенно в части более глубокого прогнозирования денежных потоков.

Ключевым драйвером изменений стала цифровизация. Внедрение Больших Данных, искусственного интеллекта, машинного обучения и нейросетей не просто автоматизировало процессы, но и качественно повысило точность прогнозов дефолтов (на 10-15%) и сократило время принятия решений до нескольких минут. Эти технологии играют решающую роль в противодействии мошенничеству и в расширении доступа к кредитам для новых категорий заемщиков.

Роль Банка России в этом процессе трудно переоценить. Его регуляторные инициативы — от введения обязательных показателей для анализа заемщиков с 2026 года и возможности самоограничения на кредиты с 2025 года до установления макропруденциальных лимитов и развития «Цифрового профиля» — формируют новую архитектуру кредитного рынка. При этом, как мы увидели, переход на новые системы, такие как «Цифровой профиль», несет в себе как огромные возможности, так и потенциальные риски, требующие внимательного диалога между регулятором и банковским сообществом.

В перспективе, дальнейшее развитие системы оценки кредитоспособности физических лиц в России будет зависеть от успешного балансирования между инновациями, регуляторной стабильностью и защитой интересов всех участников рынка. Это включает в себя активное применение международного опыта, интеграцию комплексного риск-менеджмента, дальнейшее совершенствование цифровых инструментов и, что немаловажно, повышение финансовой грамотности населения. Только такой многосторонний подход позволит создать надежную, справедливую и эффективную систему кредитования, способную выдержать будущие вызовы и способствовать устойчивому развитию финансового сектора.

Список использованной литературы

1. Банк ВТБ 24 — отчетность (форма 135) [Электронный ресурс] // BankoDrom.ru: банки и МФО России, рейтинги надежности. URL: http://www.bankodrom.ru/bank/vtb-24/otchetnost/forma-135/ (дата обращения: 12.09.2016).
2. Банковское дело: Учебник / Под ред. В.И. Колесникова, Л.П. Кроливецкой. М.: Финансы и статистика, 2012. 480 с.
3. Бобыль В.В. Использование нейронечеткой скоринговой модели в оценке кредитного риска заемщика // Финансы и кредит. 2014. №32. С. 18-24.
4. Большие данные и искусственный интеллект на службе банку / Национальный Банковский Журнал [Электронный ресурс]. URL: https://nbj.ru/publs/bolshie-dannye-i-iskusstvennyi-intellekt-na-sluzhbe-banku.html (дата обращения: 09.10.2025).
5. Глисин Ф.Ф. Деловая активность коммерческих банков России // Банковское дело. 2013. №4. С.6-9.
6. Данные об объемах кредитов, депозитов и прочих размещенных средств, предоставленных организациям, физическим лицам и кредитным организациям [Электронный ресурс] // Банк России: официальный сайт. URL: http://www.cbr.ru/statistics/print.aspx?file=bank_system/4-3-1_15.htm (дата обращения: 20.10.2016).
7. Дремова У.В. Совершенствование подходов к оценке кредитоспособности заемщиков при долгосрочном кредитовании // Финансы и кредит. 2015. №11. С. 15-22.
8. Завьлов С.О. Оценочные подходы к методам анализа кредитоспособности заемщика // Бизнес в законе. М.: ООО Медиа ВАК, 2011. №2. С. 345-348.
9. Кислинская Г. Скоринговая модель оценки кредитоспособности заемщика [Электронный ресурс] // ФБ.ру. URL: http://fb.ru/article/257301/skoringovaya-model-otsenki-kreditosposobnostizaemschika (дата обращения: 09.09.2016).
10. Коваленко О.А. Методический подход к оценке кредитоспособности физических лиц: автореф. дис. на соиск. учен. степ. канд. экон. наук. Новосибирск: Новосиб. гос. ун-т экономики и упр., 2011. 18 с.
11. Коваленко О.А. Пути и способы оценки кредитоспособности заемщика: монография. Барнаул: Алт. ин-т труда и права, 2011. 176 с.
12. Конягина М.Н. Вопросы совершенствования подходов к оценке кредитоспособности // Деньги и кредит. 2015. №10. С. 67-72.
13. Кораблин М.А. Категориальный анализ как метод оценки кредитоспособности клиента – физического лица // Экономический анализ: теория и практика. М.: ООО «Финанспресс», 2010. №6. С. 18-25.
14. Кредитоспособность: понятие, методы оценки, отличия от платёжеспособности [Электронный ресурс] // Ренкредит. URL: https://www.rencredit.ru/about/articles/kreditosposobnost/ (дата обращения: 09.10.2025).
15. Кредитоспособность физического лица: что это и как рассчитать [Электронный ресурс] // Журнал Тинькофф. URL: https://journal.tinkoff.ru/creditworthiness-physical-person/ (дата обращения: 09.10.2025).
16. Кредитный скоринг на базе ИИ: как нейросети помогают оценить кредитоспособность клиентов [Электронный ресурс] // IQ Media. URL: https://iq.hse.ru/news/858632617.html (дата обращения: 09.10.2025).
17. Лаврушин О.И. Банковское дело: современная система кредитования: учеб. пособие. М.: КноРус, 2011. 259 с.
18. Меркулова Н.С. Направления совершенствования методик оценки кредитоспособности потенциального заемщика коммерческого банка // Известия Юго-Западного гос. ун-та. Курск, 2012. №4. С. 75-78.
19. Методики оценки кредитоспособности заемщиков коммерческими банками в РФ и зарубежом [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/metodiki-otsenki-kreditosposobnosti-zaemschikov-kommercheskimi-bankami-v-rf-i-zarubezhom (дата обращения: 09.10.2025).
20. Мошенничество в сфере кредитования (Статья 159.1 УК РФ) [Электронный ресурс]. URL: https://xn--c1asbfd1a7b.xn--p1ai/advokat-po-moshennichestvu/moshennichestvo-v-sfere-kreditovaniya-statya-159-1-uk-rf (дата обращения: 09.10.2025).
21. Новшества в сфере возврата просроченной задолженности физлиц заработают с 1 сентября 2025 года [Электронный ресурс] // КонсультантПлюс. URL: https://www.consultant.ru/document/cons_doc_LAW_420077/ (дата обращения: 09.10.2025).
22. Обзор финансовой стабильности [Электронный ресурс] // Банк России. URL: https://www.cbr.ru/Content/Document/File/165429/OFS_2025-05-28.pdf (дата обращения: 09.10.2025).
23. Общая теория денег и кредита: Учебник / Под ред. Е.Ф. Жукова. М.: ЮНИТИ, 2010. 304 с.
24. Основные направления повышения доступности финансовых услуг в Российской Федерации на период 2025–2027 годов [Электронный ресурс] // Банк России. URL: https://www.cbr.ru/Content/Document/File/165428/on_2024-12-24.pdf (дата обращения: 09.10.2025).
25. Оценка кредитоспособности заемщиков с помощью big data: проблемы и перспективы внедрения в России [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/otsenka-kreditosposobnosti-zaemschikov-s-pomoschyu-big-data-problemy-i-perspektivy-vnedreniya-v-rossii (дата обращения: 09.10.2025).
26. Оценка кредитоспособности физического лица: теоретико-методологические аспекты [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/otsenka-kreditosposobnosti-fizicheskogo-litsa-teoretiko-metodologicheskie-aspekty (дата обращения: 09.10.2025).
27. Оценка кредитоспособности физических лиц на основе современных банковских технологий [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/otsenka-kreditosposobnosti-fizicheskih-lits-na-osnove-sovremennyh-bankovskih-tehnologiy (дата обращения: 09.10.2025).
28. Петухова М.В. Влияние социально-демографических характеристик заемщиков на их кредитоспособность // Деньги и кредит. 2013. №3. С. 42-47.
29. По итогам сентября 2025 года объем выдач кредитов составил 947 млрд руб. [Электронный ресурс] // Frank RG. URL: https://frankrg.com/83431 (дата обращения: 09.10.2025).
30. «Положение о порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» (утв. Банком России 26.03.2004 N 254-П) (ред. от 01.09.2015) [Электронный ресурс] // Контур.Норматив. URL: https://normativ.kontur.ru/document?moduleId=1&documentId=222067 (дата обращения: 02.10.2016).
31. Прокопенко К.И., Шурко Н.В., Тукач В.С. Анализ кредитного риска банков и оценка качества обслуживания клиентов банками на примере одной из операций, осуществляемых банками // Молодой ученый. 2015. №17. С. 485-488.
32. Просроченная задолженность россиян по кредитам впервые превысила 1,5 триллиона рублей [Электронный ресурс] // Русская служба The Moscow Times. URL: https://www.moscowtimes.ru/2025/07/09/prosrochennaya-zadolzhennost-rossiyan-po-kreditam-vpervie-prevysila-15-trilliona-rublei-a89476 (дата обращения: 09.10.2025).
33. Просроченная задолженность в 2025 году — что будет, если не платить кредит [Электронный ресурс] // НССД. URL: https://nssd.ru/prosrochennaya-zadolzhennost-v-2025-godu/ (дата обращения: 09.10.2025).
34. Рассказов Е.А. Управление свободными ресурсами банка. М.: Финансы и статистика, 2011. 96 с.
35. Рейтинги банков [Электронный ресурс] // Банковский мониторинг: показатели и рейтинги банков. URL: http://www.bank-monitoring.ru/rejtingibankov.html (дата обращения: 12.09.2016).
36. Рейтинговая методика оценки кредитного риска физических лиц [Электронный ресурс] // Мир экономики и управления. URL: https://cyberleninka.ru/article/n/reytingovaya-metodika-otsenki-kreditnogo-riska-fizicheskih-lits (дата обращения: 09.10.2025).
37. Романюк К.А. Концепция метода оценки кредитоспособности физических лиц // Финансы и кредит. 2015. №24. С. 45-53.
38. Серова Ю.Г. Институт собирания информации о благонадежности контрагентов в России // История государства и права. М.: Юрист, 2012. №7. С. 23-28.
39. Сбербанк в июне нарастил розничные и корпоративные кредиты на 0,4% [Электронный ресурс] // Интерфакс. URL: https://www.interfax.ru/business/1000632 (дата обращения: 09.10.2025).
40. Совершенствование оценки кредитного риска заемщиков — физических лиц [Электронный ресурс] // Уральский федеральный университет. URL: https://elar.urfu.ru/bitstream/10995/103986/1/978-5-7996-3382-7_2021_29.pdf (дата обращения: 09.10.2025).
41. Современные концепции и подходы в экономическом анализе кредитоспособности заемщиков [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/sovremennye-kontseptsii-i-podhody-v-ekonomicheskom-analize-kreditosposobnosti-zaemschikov (дата обращения: 09.10.2025).
42. Соложенцев Е.Д., Карасев В.В., Степанова Н.В. Прозрачность методик оценки кредитных рисков и рейтингов. СПб.: Издательство С.-Петербургского университета, 2010. 198 с.
43. Способы оценки рисков кредитования физических лиц в современных условиях России [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/sposoby-otsenki-riskov-kreditovaniya-fizicheskih-lits-v-sovremennyh-usloviyah-rossii (дата обращения: 09.10.2025).
44. Структурные изменения рынка кредитования физических лиц как индикатор поведенческих настроений населения [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/strukturnye-izmeneniya-rynka-kreditovaniya-fizicheskih-lits-kak-indikator-povedencheskih-nastroeniy-naseleniya (дата обращения: 09.10.2025).
45. Теоретические основы оценки кредитоспособности [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/teoreticheskie-osnovy-otsenki-kreditosposobnosti (дата обращения: 09.10.2025).
46. Трухин С.С. Методические аспекты оценки кредитоспособности физических лиц // Сибирская финансовая школа. Новосибирск: Изд-во Сиб. ин-та финансов и банк. дела, 2011. №4. С. 89-93.
47. Факторы кредитоспособности [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/faktory-kreditosposobnosti (дата обращения: 09.10.2025).
48. ЦБ внедрит big data и искусственный интеллект для анализа заемщиков и банков [Электронный ресурс] // RB.RU — Rusbase. URL: https://rb.ru/news/cbr-big-data/ (дата обращения: 09.10.2025).
49. Что такое кредитоспособность заемщика и как ее оценить [Электронный ресурс] // Газпромбанк. URL: https://www.gazprombank.ru/personal/credit/articles/chto-takoe-kreditosposobnost-zaemshchika-i-kak-ee-otsenit/ (дата обращения: 09.10.2025).