Управление активами кредитной организации в 2025 году: синтез регуляторных требований Базель IV, ALM-методологии и цифровой трансформации

метки: Актив, Управление, Капитал, Москва, Оценка, Кредит, Балтийский, Кредитный

По официальным данным, экономический эффект от применения AI-решений в Сбербанке превысил 1 триллион рублей за последние пять лет (2020–2024 гг.).

Этот ошеломляющий результат не просто иллюстрирует тренд цифровизации, но и фундаментально меняет само понимание управления активами в крупнейших кредитных организациях, превращая данные и алгоритмы в один из наиболее ценных и доходных активов современного банка.

Введение: Актуальность, цели и задачи исследования

Современное управление активами кредитной организации представляет собой сложнейший комплекс задач, балансирующих между необходимостью максимизации доходности и строгими требованиями финансовой устойчивости, диктуемыми международным и национальным регулированием. После глобального финансового кризиса 2008 года и, особенно, после 2015 года, банковский сектор Российской Федерации столкнулся с двойным вызовом: имплементацией стандартов Базель III/IV и необходимостью адаптации к беспрецедентным геополитическим и технологическим трансформациям.

Актуальность настоящего исследования определяется рядом критических факторов, действующих в 2025 году:

1. Регуляторный сдвиг: Финализация Базеля IV и переход Банка России на более риск-чувствительные подходы к оценке кредитного риска, включая внедрение нового Национального норматива краткосрочной ликвидности (ННКЛ).
2. Геополитические риски: Необходимость включения в методологию управления активами и пассивами (ALM) учета специфических рисков, таких как формирование резервов по невозмещаемым заблокированным активам (с 22 января 2025 г.).
3. Цифровая трансформация: Интеграция технологий искусственного интеллекта (AI) и Big Data в процессы риск-менеджмента, что требует пересмотра классических ALM-моделей.

Цель работы — провести исчерпывающий теоретико-методологический анализ управления активами кредитной организации, синтезируя актуальные регуляторные требования 2025 года, современные методы ALM и стратегические направления цифровой трансформации, используя в качестве основы верифицированные данные российских системно значимых банков (СЗКО).

Теоретические основы управления активами в условиях современного банковского регулирования

Управление активами кредитной организации (Asset-Liability Management, ALM) — это не просто распределение средств, а центральная, координированная функция риск-менеджмента, направленная на поддержание финансовой устойчивости при достижении целевых показателей доходности. В контексте ужесточения требований к капиталу и ликвидности, ALM эволюционировало от простого подбора сроков до комплексного управления всеми балансовыми и внебалансовыми рисками, что неизбежно ведет к необходимости более глубокого и тщательного анализа на всех уровнях принятия решений.

Особенности организации финансов кредитных учреждений: комплексный ...

... кредитные организации: им категорически запрещено заниматься производственной, торговой и страховой деятельностью. Это ограничение призвано обеспечить фокусировку банков на их основной специализации – финансовом посредничестве, предотвращая избыточные риски, ... дифференциации: Управление ... рисками и обеспечивая достаточность капитала. Данный принцип достигается за счет оптимальной структуры активов ...

Сущность и цели ALM: От традиционного подхода к риск-чувствительному управлению

Традиционно ALM фокусировалось на управлении процентным риском (риском разрыва сроков) и риском ликвидности. Однако современные реалии, особенно после Базеля III, расширили этот периметр.

Ключевые цели современного ALM:

1. Управление риском ликвидности: Обеспечение способности банка своевременно и без значительных потерь выполнять свои обязательства, что напрямую связано с нормативами LCR/ННКЛ и NSFR/НЧСФ.
2. Управление процентным риском: Минимизация негативного влияния изменения рыночных процентных ставок на чистый процентный доход (NII) и экономическую стоимость собственного капитала (EVE).
3. Управление кредитным риском: Оптимизация структуры активов для снижения взвешенных по риску активов (RWA) и поддержания достаточного уровня капитала (Н1.0).
4. Оптимизация доходности: Достижение целевой рентабельности капитала (ROE) при заданном уровне риска.

Современный подход является риск-чувствительным, поскольку каждое управленческое решение — от выдачи нового кредита до инвестирования в ценные бумаги — должно быть оценено через призму его влияния не только на доход, но и на все ключевые нормативы, определяющие регуляторный капитал и ликвидность. И что из этого следует? Такой подход гарантирует, что банк не просто зарабатывает деньги, но делает это с устойчивым запасом прочности, что критически важно для долгосрочного доверия и стабильности.

Структура и классификация активов с учетом требований ЦБ РФ (2025)

Активы кредитной организации классифицируются для целей регулирования в соответствии с их ликвидностью, срочностью и уровнем кредитного риска. Эта классификация имеет критическое значение, так как напрямую определяет вес актива при расчете RWA и его включение в высоколиквидные активы (ВЛА) для целей ННКЛ.

Группа активов	Критерий классификации	Регуляторный контекст (2025 г.)
Высоколиквидные активы (ВЛА)	Возможность реализации в течение 30 дней без значительных потерь.	Основа для расчета ННКЛ (LCR). Включают наличные, средства на счетах ЦБ РФ, некоторые категории государственных облигаций (ВЛА-1, ВЛА-2).
Работающие активы	Активы, приносящие процентный или комиссионный доход (кредиты, инвестиции).	Основной источник дохода. Требуют расчета резервов (РВПС) и взвешивания по кредитному риску (RWA).
Прочие активы	Основные средства, нематериальные активы, отложенные налоговые активы.	Влияют на расчет капитала; часто исключаются из основного капитала (Н1.0).
Заблокированные активы	Активы, не подлежащие свободному использованию или реализации из-за внешних ограничений.	Новое требование ЦБ РФ (с 22.01.2025): Обязательное формирование резервов на возможные потери, что напрямую снижает капитал и требует консервативной оценки.

Особое внимание: Учет заблокированных активов.

Решение Совета директоров ЦБ РФ от 22 января 2025 года о формировании резервов на возможные потери по невозмещаемым заблокированным активам является прямым следствием геополитических рисков. Ранее банки могли не признавать эти активы полностью потерянными, однако теперь, в рамках консервативного риск-менеджмента, они обязаны формировать по ним резервы. Какой важный нюанс здесь упускается? Упускается то, что это требование ЦБ РФ, по сути, заставляет банки заранее резервировать капитал под потенциальные, но пока не реализованные убытки, что делает финансовую отчетность более честной и устойчивой к внезапным шокам.

Это требование оказывает прямое влияние на качество управления активами:

1. Снижение капитала: Формирование резервов уменьшает финансовый результат и, соответственно, собственный капитал банка, что требует более жесткого контроля за нормативом Н1.0.
2. Переоценка структуры: Банки вынуждены пересматривать стратегию размещения средств, минимизируя вложения в инструменты, подверженные риску внешних ограничений. В контексте ALM, заблокированные активы перестают быть пассивно удерживаемыми и становятся активным фактором, влияющим на достаточность капитала.

Нормативно-правовая база управления активами: Ключевые изменения 2025 года (Базель IV и Национальные стандарты)

К 2025 году регуляторная среда в РФ достигла стадии финализации имплементации Базеля III и перехода к элементам Базеля IV. Эти изменения направлены на повышение риск-чувствительности и обеспечение единообразия оценки рисков.

Расчет достаточности капитала (Н1.0) и переход на финализированный подход SA

Норматив достаточности собственного капитала (Н1.0) остается ключевым показателем устойчивости. Для системно значимых кредитных организаций (СЗКО) к концу 2025 года минимальное значение Н1.0 с учетом всех надбавок (включая надбавку за системную значимость и антициклическую надбавку, которая с 1 июля составляет 0,5 п.п.) должно составлять не ниже 10%.

Внедрение финализированного стандартного подхода (SA) с 18 августа 2025 года

Переход на финализированный подход, основанный на элементах Базеля IV, является знаковым событием. Банки с универсальной лицензией (БУЛ) теперь обязаны применять новый, более детализированный подход к расчету кредитного риска. Это меняет стратегию управления работающими активами.

Изменение риск-весов и кредитной политики:

Новый подход вводит дифференцированное взвешивание активов по риску, основанное на качестве заемщика, что стимулирует банки к более точной оценке:

1. Требования к публичному сектору: Введены дифференцированные риск-веса (от 20% до 100%) по рублевым требованиям к субъектам РФ и муниципальным образованиям.
   • Ранее: Единый риск-вес 20%.
   • С 2025 г.: Риск-вес определяется кредитным рейтингом субъекта, присвоенным российскими Кредитными Рейтинговыми Агентствами (КРА).

     Это заставляет банки активнее использовать рейтинговые данные при инвестировании в региональные облигации и кредитовании региональных бюджетов, что напрямую влияет на RWA и, как следствие, на Н1.0.

2. Ипотечное кредитование: Актуализированы риск-веса для ипотечных кредитов, теперь основанные на российской статистике дефолтов.
   • Риск-веса для ипотечных кредитов на строящееся жилье были приравнены к риск-весам на готовое жилье.
   • Цель: Учесть реальную статистику потерь, сделать расчеты капитала более точными и чувствительными к уровню LTV (Loan-to-Value) и качеству заемщика.

Управление ликвидностью: НЧСФ (Н28/Н29) и Национальный норматив краткосрочной ликвидности (ННКЛ)

Управление ликвидностью в 2025 году регулируется двумя основными нормативами, основанными на Базеле III: НЧСФ (структурная ликвидность) и ННКЛ (краткосрочная ликвидность).

1. Норматив чистого стабильного фондирования (НЧСФ, NSFR)

НЧСФ (Нормативы Н28/Н29) обеспечивает долгосрочную устойчивость, требуя, чтобы активы, которые сложно быстро реализовать, фондировались за счет стабильных пассивов (собственный капитал, долгосрочные депозиты).

НЧСФ = (Имеющееся стабильное фондирование / Требуемое стабильное фондирование) × 100% ≥ 100%

Минимально допустимое значение НЧСФ составляет 100%. Соблюдение этого норматива требует от ALM-подразделений банка стратегического управления структурой пассивов, стимулируя привлечение долгосрочного фондирования.

2. Национальный норматив краткосрочной ликвидности (ННКЛ)

С 30 октября 2025 года для СЗКО вводится Национальный норматив краткосрочной ликвидности (ННКЛ), который заменит базельский LCR (Liquidity Coverage Ratio).

Это важный шаг к адаптации международных стандартов к специфике российского финансового рынка.

Минимальное значение ННКЛ с 30 октября 2025 года устанавливается на уровне 80% с планом достижения 100% с 1 января 2026 года.

Специфика ННКЛ и расширение состава ВЛА:

ННКЛ призван обеспечить банку запас высоколиквидных активов (ВЛА), достаточный для покрытия чистого оттока денежных средств в течение 30-дневного стрессового сценария. Главное отличие ННКЛ от LCR — расширение перечня Высоколиквидных Активов (ВЛА), что облегчает российским банкам его выполнение:

Параметр	Базельский LCR	Национальный ННКЛ (с 30.10.2025)
Целевой уровень	100%	80% (с октября 2025 г.), 100% (с 2026 г.)
ВЛА-1 (Наиболее ликвидные)	Наличные, резервы в ЦБ, гос. облигации.	Включены облигации институтов развития (ВЭБ.РФ, ДОМ.РФ) с коэффициентом дисконта 5% и лимитом до 25% от всего объема ВЛА.
ВЛА-2 / ВЛА-3	Акции, корпоративные облигации с высоким рейтингом.	Включение корпоративных облигаций с рейтингом по международной шкале не ниже «BBB-» (для ВЛА-2) и от «BB+» до «BB-» (для ВЛА-3).
Учет БКЛ	Более строгий подход.	Учет безотзывных кредитных линий (БКЛ), условия использования которых актуализированы ЦБ РФ.

Это расширение позволяет банкам более гибко управлять ликвидными активами, поддерживая при этом определенный уровень доходности, поскольку включение облигаций институтов развития (например, ООО СОПФ «Инфраструктурные облигации») позволяет диверсифицировать портфель ВЛА, не жертвуя при этом доходностью. Разве не является ключевым преимуществом ННКЛ его способность гармонизировать международные требования с национальными экономическими приоритетами, давая банкам больше маневра?

Современные методы и стратегические направления повышения эффективности управления активами

В условиях ужесточения регуляторного надзора и высокой волатильности рынка эффективность управления активами определяется качеством прогнозирования и способностью быстро адаптировать стратегии ALM к новым риск-весам.

Методология ALM: Измерение разрывов, стресс-тестирование и секьюритизация

ALM остается основной методологической базой, при этом ее инструменты совершенствуются за счет интеграции более точных данных и сценарного анализа.

1. Измерение разрывов (GAP-анализ): Классический метод, который измеряет разницу между активами и пассивами, чувствительными к изменению процентной ставки (Rate-Sensitive Assets, RSA) и пассивами (Rate-Sensitive Liabilities, RSL) в заданных временных интервалах.

   GAP = RSA - RSL

   Если GAP положительный, рост ставок увеличит чистый процентный доход (NII); если отрицательный — снизит. Современный GAP-анализ интегрируется с данными о поведении клиентов (например, досрочное погашение кредитов) для более точного прогнозирования RSL.

2. Дюрация (Duration-анализ): Оценка чувствительности рыночной стоимости собственного капитала (EVE) к изменению процентных ставок.

   Дюрация = (Σ(t=1)ⁿ (t × PVₜ)) / (Σ(t=1)ⁿ PVₜ)

   Управление дюрацией активов и пассивов позволяет банку хеджировать риск. Если дюрация активов равна дюрации пассивов, банк считается иммунизированным от процентного риска.

3. Стресс-тестирование: Это наиболее критичный современный метод. В 2025 году он используется не только для оценки процентного риска и ликвидности (например, в рамках ННКЛ), но и для оценки влияния макропруденциальных шоков (например, резкое падение цен на недвижимость) на достаточность капитала с учетом новых, дифференцированных риск-весов по ипотеке.
4. Секьюритизация: Стратегический инструмент, позволяющий банку конвертировать неликвидные работающие активы (например, пулы ипотечных кредитов) в ликвидные ценные бумаги. В контексте Базеля IV, секьюритизация помогает снизить RWA и высвободить капитал, необходимый для выполнения норматива Н1.0.

Стратегическое управление активами с учетом риск-чувствительного регулирования 2025 года

Введение риск-чувствительных нормативов Банка России меняет стратегию формирования кредитного портфеля.

Фокус на качестве заемщика:
Дифференцированные риск-веса для субъектов РФ (от 20% до 100%) вынуждают банки проводить более тщательный due diligence региональных заемщиков, опираясь на рейтинги российских КРА. Банки будут предпочитать инвестиции в регионы с более высоким рейтингом, поскольку это требует меньшего объема капитала для покрытия кредитного риска (ниже RWA).

Стимулирование внутренних моделей (IRB):
Переход на финализированный стандартный подход (SA) является промежуточным этапом. Стратегическим направлением для СЗКО остается переход к использованию банковских методик управления кредитным риском и моделей количественной оценки (IRB-подход — Internal Ratings Based).

Эти модели позволяют банкам использовать собственные оценки вероятности дефолта (PD), потерь при дефолте (LGD) и суммы под риском (EAD), что в большинстве случаев позволяет существенно снизить RWA по сравнению со стандартным подходом, высвобождая капитал для более доходных операций.

Диверсификация и «ВЛА-оптимизация»:
С введением ННКЛ и расширением состава ВЛА, стратегия управления активами включает «ВЛА-оптимизацию» — поиск наиболее доходных активов в рамках категорий ВЛА-1 и ВЛА-2, которые могут быть засчитаны в норматив ликвидности. Включение облигаций ВЭБ.РФ и ДОМ.РФ является ярким примером такой оптимизации.

Цифровизация как фактор повышения качества управления активами: Кейс-стади российских СЗКО

Цифровизация и интеграция технологий FinTech (Financial Technology) перестали быть второстепенным процессом и стали ключевым стратегическим активом. В российских системно значимых кредитных организациях (СЗКО) AI и Big Data используются для повышения точности прогнозирования рисков, оптимизации структуры активов и снижения операционных издержек.

Внедрение FinTech-решений в процессы риск-менеджмента и ALM

Технологии AI и машинного обучения позволяют значительно превзойти возможности традиционных статистических моделей ALM и скоринга.

1. AI в Кредитном Скоринге и Оценке RWA: Нейронные сети обрабатывают колоссальные объемы неструктурированных данных (Big Data) для оценки кредитоспособности заемщика. Это позволяет не только точнее прогнозировать вероятность дефолта (PD), н�� и применять более низкие, но обоснованные риск-веса, тем самым оптимизируя RWA и экономя капитал.
2. Прогнозирование Ликвидности и ALM: Модели машинного обучения используются для прогнозирования чистого оттока денежных средств в рамках стресс-тестирования ННКЛ. Они способны анализировать динамику поведения клиентов (отток депозитов, досрочные погашения) с точностью, недоступной традиционным моделям, что критически важно для эффективного управления ВЛА.
3. Оценка Эффективности Активов (Кейс ВТБ): Внедрение Big Data и AI в ВТБ используется для бизнес-аналитики и оценки эффективности региональных отделений. Эта технология позволяет определить наиболее перспективные локации для расширения сети. Например, банк ВТБ планирует в ближайшие три года увеличить свою сеть отделений на 40%, основываясь на данных, полученных с помощью AI, что, в свою очередь, является стратегическим решением по управлению географическим распределением работающих активов.

Количественная оценка экономического эффекта (на примере Сбербанка и ВТБ)

Наиболее убедительным аргументом в пользу цифровизации является измеримый финансовый результат, демонстрируемый лидерами рынка.

Кейс 1: Сбербанк — Триллионная эффективность AI

Сбербанк, как лидер цифровой трансформации, представил впечатляющие данные: экономический эффект от внедрения AI-решений (включая скоринг, оптимизацию процессов, антифрод) превысил 1 триллион рублей за пять лет (2020–2024 гг.).

Только в 2024 году этот показатель составил 450 млрд рублей.

С точки зрения управления активами, этот эффект достигается за счет:

• Снижения кредитного риска (уменьшение дефолтов и, следовательно, потерь).
• Оптимизации операционных затрат (снижение COGS).
• Повышения точности прогнозирования, что позволяет избежать неоптимальных инвестиций и штрафов за несоблюдение нормативов ликвидности.

Кейс 2: ВТБ — Высокая окупаемость инвестиций

ВТБ демонстрирует впечатляющий показатель окупаемости: доходы от моделей искусственного интеллекта превышают затраты на их производство в 5 раз.

Показатель	Сбербанк (2020-2024)	ВТБ (Текущие данные)
Экономический эффект AI	> 1 000 млрд рублей	Доходность > затрат в 5 раз
Влияние на активы	Повышение качества работающих активов, снижение RWA.	Оптимизация сети отделений (рост на 40% за 3 года), повышение эффективности региональных активов.
Стратегический вывод	AI является ключевым нефизическим активом, генерирующим прямую прибыль.	Технологии FinTech критичны для стратегического управления распределением и развитием активов.

Цифровые активы и компетенции, связанные с Big Data, в настоящее время являются одним из ключевых факторов конкурентоспособности и качества управления активами, что подтверждается быстрым ростом активов финансовых организаций, аффилированных с крупными технологическими компаниями («бигтехами») в РФ.

Заключение и перспективы

Проведенное исследование подтверждает, что управление активами кредитной организации в 2025 году находится на стыке жесткого регуляторного контроля (Базель IV) и ускоренной цифровой трансформации.

Регуляторные новации 2025 года (ННКЛ с октября 2025 г. и финализированный риск-чувствительный подход с августа 2025 г.) требуют от банков не просто соблюдения, а стратегической интеграции новых, дифференцированных риск-весов в методологию ALM. Это стимулирует банки к более точной оценке заемщиков (особенно субъектов РФ и ипотечных пулов) и оптимизации структуры ВЛА за счет включения новых категорий активов (облигации институтов развития).

Геополитические риски нашли отражение в управлении активами через новое требование о формировании резервов по заблокированным активам (с января 2025 г.), что напрямую влияет на достаточность капитала и требует консервативной переоценки инвестиционной политики. Цифровизация выступает не просто как инструмент, но как критический фактор повышения качества управления активами. Количественные кейс-стади российских СЗКО (Сбербанк, ВТБ) демонстрируют, что AI и Big Data генерируют измеримый экономический эффект (сотни миллиардов рублей) за счет повышения точности скоринга, снижения риска и оптимизации операционной эффективности, и именно эти факторы будут определять лидеров рынка в ближайшем будущем.

Перспективы дальнейших исследований:

В будущем наибольший интерес представляют исследования, посвященные полному переходу СЗКО на продвинутые внутренние рейтинговые подходы (IRB-подходы), что позволит максимально использовать преимущества цифровых технологий для снижения взвешенных по риску активов (RWA) и укрепления капитальной базы, обеспечивая устойчивость российского банковского сектора в соответствии с финализированными стандартами Базеля IV.

Список использованной литературы

1. Конституция Российской Федерации (принята всенародным голосованием 12.12.1993) (с изменениями от 30.12.2008).

   Доступ из справ.-правовой системы «КонсультантПлюс».

2. Федеральный закон от 02.12.1990 № 395-1 «О банках и банковской деятельности» (с изм. и доп. от 30.12.2008).

   Доступ из справ.-правовой системы «КонсультантПлюс».

3. Федеральный закон от 10.07.2002 № 86-ФЗ «О Центральном банке Российской Федерации (Банке России)» (с изм. и доп. от 26.04.2007).

   Доступ из справ.-правовой системы «Гарант».

4. Федеральный закон от 25.02.1999 № 39-ФЗ «Об инвестиционной деятельности в Российской Федерации, осуществляемой в форме капитальных вложений». Доступ из справ.-правовой системы «КонсультантПлюс».
5. Положение Банка России от 26.07.2017 N 596-П «О порядке расчета системно значимыми кредитными организациями норматива структурной ликвидности (норматива чистого стабильного фондирования) («Базель III»)» (с изменениями и дополнениями).

   Доступ из справ.-правовой системы «Гарант».

6. ЦЕНТРАЛЬНЫЙ БАНК РОССИЙСКОЙ ФЕДЕРАЦИИ. РЕШЕНИЕ СОВЕТА ДИРЕКТОРОВ от 31 июля 2025 года О ТРЕБОВАНИЯХ К ДЕЯТЕЛЬНОСТИ КРЕДИТНЫХ ОРГАНИЗАЦИЙ, НЕКРЕДИТНЫХ ФИНАНСОВЫХ ОРГАНИЗАЦИЙ… Доступ из справ.-правовой системы «КонсультантПлюс».
7. Решение Совета директоров ЦБ РФ от 22.01.2025 о формировании кредитными организациями резервов на возможные потери по невозмещаемым заблокированным активам. URL: https://kontur.ru.
8. Анализ деятельности банков: Учебное пособие / И.К. Козлова, Т.А. Купрюшина, О.А. Богданкевич, Т.В. Немаева; под общ. ред. И.К. Козловой. Минск: Выш. шк., 2004. 240 с.
9. Анализ и оценка кредитоспособности заемщика: учебно – практическое пособие / Д.А. Ендовицкий, И.В. Бочаров. Москва: КНОРУС, 2005. 272 с.
10. Антонов, М.Т., Пессель, М.А. Денежное обращение, кредит и банки. Москва: ИНФА-М, 2005. 262 с.
11. Банковское дело: дополнительные операции для клиентов: Учебник / под ред. А.М. Тавасиева. Москва: Финансы и статистика, 2005. 416 с.
12. Банковское дело: современная система кредитования: учебное пособие / О.И. Лаврушин [и др.] ; под ред. О.И. Лаврушина. Москва: КНОРУС, 2006. 256 с.
13. Батракова, Л.Г. Анализ процентной политики коммерческого банка: Учебное пособие. Москва: Логос, 2005. 152 с.
14. Батракова, Л.Г. Экономический анализ деятельности коммерческого банка: Учебник для вузов. 2-е изд., перераб. и доп. Москва: Логос, 2005. 368 с.
15. Белоцерковский, В.И., Федорова, Е.А. Бухгалтерский учет и аудит в коммерческом банке: Учебник. Москва: Экономика, 2005. 294 с.
16. Беляков, А.В. Банковские риски: проблемы учета, управления, регулирования. Москва: БДЦ – пресс, 2004. 256 с.
17. Витрянский, В.В. Договоры банковского вклада, банковского счета и банковские расчеты. Москва: Стаус, 2006. 556 с.
18. Буевич, С.Ю., Королев, О.Г. Анализ финансовых результатов банковской деятельности: Учебное пособие. Москва: КНОРУС, 2004. 160 с.
19. Герасимова, Е.Б., Унанян, И.Р. Банковские операции. Москва: ФОРУМ, 2009. 272 с.
20. Гиляровская, Л.Т., Паневина, С.Н. Комплексный анализ финансово–экономических результатов деятельности банка и его филиалов. Санкт-Петербург: Питер, 2005. 240 с.
21. Грюнинг, Х. ван, Брайович Братанович, С. Анализ банковских рисков. Система оценки корпоративного управления и управления финансовым риском / пер. с англ.; вступ.сл. К.Р. Тагирбекова. Москва: Весь Мир, 2005. 304 с.
22. Жарковская, Е.П., Арендс, И.О. Банковское дело. 7-е изд., испр. и доп. Москва: Омега-Л, 2009. 288 с.
23. Инвестиционные процессы и банковская система в экономике России / К.Р. Тагирбеков, Л.Г. Паштова. Москва: Весь Мир, 2008. 320 с.
24. Кабушкин, С.Н. Управление банковским кредитным риском: Учебное пособие. Москва: Новое знание, 2008. 336 с.
25. Крюков, Р.В. Банковское кредитование. Москва: А-Приор, 2009. 240 с.
26. Ключников, М.В., Шмойлов, Р.А. Коммерческие банки: экономико–статистический анализ. Москва: Маркет ДС Корпорейшн, 2004. 248 с.
27. Маркова, О.М., Сахарова, Л.С., Сидоров, В.Н. Коммерческие банки и их операции. Москва: БАНКИ И БИРЖИ, ЮНИТИ, 2005. 288 c.
28. Масленченков, Ю.С., Дубанков, А.П. Экономика банка. Разработка по управлению деятельностью банка. 2-е издание. Москва: БДЦ – пресс, 2006. 168 с.
29. Максютов, А.А. Основы банковского дела. Москва: Бератор – Пресс, 2003. 384 с.
30. Никонова, И.А., Шамгунов, Р.Н. Стратегия и стоимость коммерческого банка. Москва: Альпина Бизнес Букс, 2004. 304 с.
31. Парфенов, К.Г. Банковский учет и операционная техника. Москва: Парфенов.ру, 2004.
32. Пещанская, И.В. Долгосрочный кредит: теория и практика. Москва: Экзамен, 2005. 320 с.
33. Поморина, М.А. Планирование как основа управления деятельностью банка. Москва: Финансы и статистика, 2007. 384 с.
34. Роуз, Питер С. Банковский менеджмент / пер. с англ. со 2-го издания. Москва: Дело, 2007. 768 с.
35. Тедеев, А.А. Банковское право: Учебник. Москва: Эксмо, 2005. 212 с.
36. Челноков, В.А. Деньги Кредит Банки. Москва: ЮНИТИ-ДАНА, 2005. 366 с.
37. Челноков, В.А. Банки и банковские операции: Букварь кредитования. Технологии банковских ссуд. Околобанковское рыночное Учеб. Для вузов. 3-е изд., перераб. и доп. Москва: Высшая школа, 2008. 292 с.
38. Варешина, М. Ипотека кусается? Что делать, сели кредит оказался «не по плечу»? // Аргументы и факты. 2009. № 20. С. 17.
39. Горский, М. Экономическая зима закончится в 2015 году // Банковское дело. 2008. № 12.
40. Герасимова, Е.Б. Анализ банковских ресурсов методом коэффициентов // Финансы и кредит. 2005. № 1 (115).

    С. 22-25.

41. Давыдова, Л.В., Кулькова, С.В. Теоретические аспекты проблемы финансовой стабильности коммерческих банков // Финансы. 2005. № 2 (170).

    С. 2-5.

42. Кадыров, А.Н. Методика определения категории риска заемщика для управления уровнем риска кредитного портфеля // Финансы и кредит. 2002. № 7. С. 46-51.
43. Ключников, М.В. Анализ показателей, характеризующих финансовую деятельность коммерческих банков // Финансы и кредит. 2003. № 20 (134).

    С. 40.

44. Морковкин, А.Л. Совершенствование банковского надзора в области секьюритизации активов кредитных организаций // Финансы и кред��т. 2008. № 9.
45. Петров, В.С. Анализ фондовых активов про инвестиционных // Финансы. 2008. № 7.
46. Понамарёва, Н. Базель II – преимущества для лидеров // Аналитический банковский журнал. 2008. № 09 (160).
47. Тимофеева, З. Базель II в кредитных организациях // Аналитический банковский журнал. 2008. № 01 (152).

    С. 39-43.

48. Филимонов, А.В. Финансовые активы коммерческого банка // Финансы и кредит. 2008. № 27 (315).
49. Хейфец, Б.А. Российские компании прирастают зарубежными активами // Финансы. 2008. № 8.
50. Бухгалтерский баланс ОАО «Балтийский Инвестиционный Банк» за 2006 год. URL: [www.baltinvestbank].
51. Бухгалтерский баланс ОАО «Балтийский Инвестиционный Банк» за 2007 год. URL: [www.baltinvestbank].
52. Бухгалтерский баланс ОАО «Балтийский Инвестиционный Банк» за 2008 год. URL: [www.baltinvestbank].
53. Отчёт о прибылях и убытках ОАО «Балтийский Инвестиционный Банк» за 2006 год. URL: [www.baltinvestbank].
54. Отчёт о прибылях и убытках ОАО «Балтийский Инвестиционный Банк» за 2007 год. URL: [www.baltinvestbank].
55. Отчёт о прибылях и убытках ОАО «Балтийский Инвестиционный Банк» за 2008 год. URL: [www.baltinvestbank].
56. Отчёт об уровне достаточности капитала, величине резервов на покрытие сомнительных ссуд и иных активов ОАО «Балтийский Инвестиционный банк» на 1 января 2007 года. URL: [www.baltinvestbank].
57. Отчёт об уровне достаточности капитала, величине резервов на покрытие сомнительных ссуд и иных активов ОАО «Балтийский Инвестиционный банк» на 1 января 2008 года. URL: [www.baltinvestbank].
58. Отчёт об уровне достаточности капитала, величине резервов на покрытие сомнительных ссуд и иных активов ОАО «Балтийский Инвестиционный банк» на 1 января 2009 года. URL: [www.baltinvestbank].
59. Руководство пользователя: система «Клиент-Банк. Клиентская часть». URL: [www.baltinvestbank].
60. Экономический эффект от внедрения AI-решений в Сбере превысил 1 трлн рублей за 5 лет // sber.pro. URL: https://sber.pro.
61. Новый норматив ликвидности для крупнейших банков: что изменится с 30 октября // vkbkredit.ru. URL: https://vkbkredit.ru.
62. Инновации в области финтеха и их влияние на банковский сектор // cyberleninka.ru. URL: https://cyberleninka.ru.
63. ЦБ РФ планирует с 2025 г. поэтапно внедрять национальный норматив краткосрочной ликвидности // finmarket.ru. URL: https://finmarket.ru.
64. Доходы от моделей ИИ в 5 раз превышают затраты на их производство // tadviser.ru. URL: https://tadviser.ru.
65. ЦБ добавил ДОМ.РФ в список системно значимых кредитных организаций // bcs-express.ru. URL: https://bcs-express.ru.
66. ЦБ РФ включил банк «ДОМ.РФ» в список системно значимых кредитных организаций // interfax.ru. URL: https://interfax.ru.
67. Банк России совершенствует подходы к расчету нормативов // cbr.ru. URL: https://cbr.ru.
68. ВТБ разработал технологию для анализа эффективности банковских отделений // tadviser.ru. URL: https://tadviser.ru.
69. ГАРАНТ. Самые важные документы недели / 6 октября 2025 // garant.ru. URL: https://garant.ru.
70. Банк России изменил параметры безотзывной кредитной линии // cbr.ru. URL: https://cbr.ru.
71. В преддверии Базеля III банки осваивают расчет показателя краткосрочной ликвидности // bosfera.ru. URL: https://bosfera.ru.
72. Ужесточение нормативов ограничит кредитную активность банков // incrussia.ru. URL: https://incrussia.ru.