Кредитоспособность заемщика коммерческого банка (с уточнением категории заемщика) и современные методы ее оценки.

На основании проведенного анализа количественных и качественных факторов коммерческому банку можно отнести ИП Игнатьев С.В. по надежности заемщиков к категории 1, поскольку и количественный анализ абсолютных показателей, и качественный анализ относительных показателей свидетельствуют о платежеспособностипредпринимателя и итоговая рейтинговая оценка составляет более 60 баллов. По завершении 3-го этапа анализа кредитный работник составляет письменный вывод о возможностях кредитования указанного мероприятия.Таким образом, рассмотренная методика оценки кредитоспособности индивидуальных предпринимателей в АО Россельхозбанке имеет некоторые недостатки, в частности, показатели, используемые при анализе кредитоспособности, рассчитываются по отчетным данным индивидуального предпринимателя, которые не позволяют полностью оценить кредитоспособность заемщика в перспективе в связи с органичным объемом учетной информации индивидуальных предпринимателей. При определении класса заемщика не учитываются сведения о предполагаемых денежных потоках и финансовых результатах. Нефинансовые показатели учитываются дополнительно и не вносят существенного вклада в результаты оценки. Также имеет место быть отсутствие единых баз с доступной информацией о клиенте, такой как о налоговых платежах, кредитовых оборотах в других банках, наличии картотек и т.д.2.3. Проблемы и перспективы оценки банком кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйствеОсновной проблемой методики составления кредитоспособности Россельхозбанка, как и методик оценки других российских банков для потенциальных заемщиков, является качественный подбор показателей, необходимых для объективной оценки кредитоспособности. Поэтому решение вопросов, связанных с усовершенствованием существующих и разработкой новых методических подходов к оценке кредитоспособности приобретает особое значение. Методы анализа могут использоваться параллельно, а также частично, дополняя друг друга. Так, количественные методы анализа не учитывают такую характеристику клиента, как репутация, тогда как рейтинговые системы оценки ориентированы на учет факторов субъективного характера. Рассмотрение вопроса о совершенствовании методики оценки кредитоспособности банка должно по существу предусматривать использование как можно большего количества показателей, характеризующих истинную вероятность того, что бизнес будет эффективно использовать и своевременно возвращать заемные средства. Поэтому оптимальным вариантом расчета финансовых коэффициентов, характеризующих различные аспекты деятельности заемщика, является не только ретроспективный анализ фактических данных из отчетов, предоставленных клиентами, но и на основе опережающего анализа прогнозных значений, предоставленных клиентами, или банк самостоятельно может производить расчет, основанный на тенденциях, сложившихся в динамике изменения соответствующих показателей за прошедший период.Наиболее эффективным при отборе и последующем «отсеве» неблагонадежных заемщиков, так как погашение ими полученных кредитов вызывает подозрения у банка и снижает кредитный риск кредитного портфеля, тем самым снижая кредитный риск коммерческого банка в целом, является методика,используемаяРоссельхозбанком для определения кредитного рейтинга заемщиков, хотя она не совершенна и нуждается в улучшении.В современной отечественной банковской практике не существует ни одной совершенной методики анализа кредитоспособности заемщика банковского учреждения. Учитывая то, что кредитование обеспечивает наибольший уровень дохода банка по активным операциям, то результативность успешной деятельности банка определяется эффективностью анализа кредитоспособности заемщика. Сейчас первоочередной задачей является минимизация уровня кредитного риска и совершенствование методического обеспечения оценки кредитоспособности потенциальных заемщиков банков. Стоит отметить, что в процессе минимизации кредитного риска важную роль играет эффективная система управления рисками, которая заключается в сохранении капитала и активов при одновременном обеспечении максимально эффективной работы на основе определения, поддержки и контроля по приемлемым для банка уровнем риска. Бесспорно, что минимизация рисков и анализ кредитоспособности заемщика для банковских учреждений является основным способом сохранения ликвидности и платежеспособности, в условиях перманентной экономической турбулентности приобретает особую актуальность.Методика оценки кредитоспособности потенциальных заемщиков банка предусматривает использование количественных и качественных методов. Однако, необходимо преодолеть сложность перевода полученных результатов по качественным критериям в количественные. Также целесообразно создавать собственные рейтинговые системы для каждой отрасли, в том числе сельскохозяйственной, которые что будет способствовать банкам в снижении уровня расходов по исследуемым видом деятельности, который является самым прибыльным для любого банка.С целью создания эффективной методики оценки кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, банку необходимо ввести меры, представленные на рис. 2.3.Рис. 2.3. Комплекс мероприятий по совершенствованию методических подходов по оценке кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйствеИсточник: [составлено автором].Учитывая важность и значимость вопроса анализа кредитоспособности заемщиков-юридических лиц и заемщиков физических лиц, считаем целесообразным внедрять следующие мероприятия по повышению эффективности анализа: увеличить составную часть показателей, которые предназначены для анализа финансового состояния клиентов; анализировать возможные источники средств, по которым будет погашаться полученный заемщиком кредит; банк должен оценивать денежные потоки заемщика для отслеживания оборачиваемости средств клиента.Отметим, что в банке процесс мониторинга кредитного риска должен базироваться на проведении глубинного кредитного анализа, тщательного отслеживания изменений кредитоспособности заемщиков после предоставления кредитных средств и в течение действия срока договора для определения возможностей своевременного и надлежащего погашения обязательств данного заемщика.Банки как главные поставщики финансовой поддержки и кредитных ресурсов для индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, а также реализаторы правительственных программ поддержки развития индивидуальных предпринимателей должны быть готовыми не только к увеличению запросов на получение кредитов от предпринимателей, но и к корректировке своей системы принятия решений, внедрение инновационных моделей кредитования для максимально быстрого реагирования и прибыльности обслуживания этого сектора, высокаярискованность которого связана обычно с отсутствием устойчивой кредитной истории, незначительными активами, которые могут быть использованы в качестве залога по кредитам, существованием асимметрии информации, возможностью неточного ведения финансовой отчетности, отсутствием внешнего аудита и др..Потенциалом для значительного расширения доступа к финансированию деятельности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, могут служить инновации, которые будут способствовать решению трех главных проблем, с которыми сталкиваются банки во время кредитования данного сектора экономики.Во-первых, ограниченность и фрагментарность информации об индивидуальном предпринимателе-заемщике. Неполнота и неточности в имеющейся информации о заемщиках не дают банку в полной мере оценить его возможности по погашению кредитных обязательств и проинформировать банк о возможных рисках. Расширить имеющуюся информацию о предприятии возможно за счет использования банком искусственного интеллекта и возможностей BigData по поиску и сбору данных из различных источников, начиная с официальных сайтов, социальных сетей до любых упоминаний в сети Интернет. То есть формируется для дальнейшей проверки максимально полная информационная база – номер в ЕГРИП, местонахождение, связь предпринимателя с другими юридическими и физическими лицами, вид экономической деятельности, отзывы о деятельности ИП и любые упоминания о неми тому подобное. В то же время полнота такого информационного поиска зависит от большей информационной открытости предпринимателей и выхода из «тени». Формирование пула BigData на основе структурированной и неструктурированной информации позволяет осуществлять дальнейший анализ и оценку с устранением проблемы информационной асимметрии. Преимущество использования искусственного интеллекта во время сбора и анализа информации заключается в том, что с помощью самообучающихся алгоритмов вся ненужная или вводящая в заблуждение информация замечается в базе и исключает анализ заемщика в соответствии с ошибочными данными. Это делает невозможным использование намеренно искаженной мошенниками информации и позволяет банку принять более правильное решение о предоставлении кредита.Во-вторых, несовершенство моделей оценки кредитоспособности. Обычно для моделирования кредитного риска для внутренних процедур управления рисками используют линейные регрессии, logit и probitмодели, однако они являются статическими и одномерными, не учитывают особенностей функционирования индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве. Использование более сложных моделей, а именно моделей с искусственным интеллектом на основе методов машинного обучения, значительно повышает точность кредитного скоринга и уменьшает погрешности прогнозирования благодаря способности семантического понимания неструктурированных данных и определения скрытых закономерностей. Это позволяет улучшить уже имеющиеся модели кредитного скоринга и повысить эффективность выявления скрытых закономерностей. Использование метода многофакторного машинного обучения значительно улучшает точность оценки кредитного риска при кредитовании индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве.Однако лучшим подходом к оценке кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве,является сочетание вышеуказанных методов, то есть использование так называемой гибридной модели оценки риска. Такая модель сочетает в себе использование статистических методов и методов искусственного интеллекта, то есть сочетает регрессионный анализ и искусственные нейронные сети. Построение гибридной модели осуществляется в два этапа. На первом этапе с помощью линейных регрессий и теста Вальда осуществляется выбор независимых переменных (параметров воздействия), а на втором – выбранные параметры выступают как входные параметры для модели искусственных нейронных сетей. Доказано, что коэффициент точности прогнозирования модели с использованием искусственных нейронных сетей лучше, чем в линейной регрессионной модели, а двухступенчатая гибридная модель имеет лучшие показатели оценки, чем модели с использованием искусственных нейронных сетей.Несмотря на то, что модели линейной регрессии являются более простыми в понимании и интерпретации полученных результатов, использование банком более точных моделей кредитного скоринга позволит снизить риск портфеля кредитов индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, снизить требования банков к капиталу и в дальнейшем уменьшить процентные ставки для предпринимателей-заемщиков.Во-вторых, продолжительность и трудоемкость процессов кредитования. Внедрение банками скоринговых моделей на основе искусственного интеллекта может значительно сократить время на принятие решения о предоставлении кредита. Так, заявки на получение кредита могут ранжироваться системой в зависимости от скорингового балла и суммы кредита – чем выше балл и сумма кредита, тем выше эта заявка в списке на обработку оператором.Кроме этого, возможно автоматическое понижение процентной ставки по кредиту на определенный процент, если предприниматель-заемщик не имеет кредитной задолженности и своевременно возвращает несколько кредитов подряд. Прогнозный расчет, какой объем кредитования можно привлечь при введении пониженных процентных ставок для благополучных заемщиков, представлен в таблице 2.7.Таблица 2.7Расчет чистого процентного дохода при введении пониженных процентных ставок для благополучных заемщиков в одном офисе и по всей стране, в млн. рублейПоказатели расчета1 отдел малого бизнеса50 отделов по всей стране123Сумма привлеченных средств на кредитование ИП категории 135017500% ставка по кредитованию10,00%10,00%Сумма процентного дохода351750Стоимость привлеченных средств5,50%5,50%Сумма процентных расходов19,25962,5Чистый процентный доход 15,75787,5Источник: [составлено автором].Таблица 2.7 показывает, что более 10 тыс. индивидуальных предпринимателей могут воспользоваться кредитными возможностями в ближайшем будущем.На реализацию программы кредитования для индивидуальных предпринимателей может быть направлено 17,5 млрд. рублей, что позволит получить от АО Россельхозбанк доход в размере 787,5 млн. рублей за счет процентных платежей со стороны заемщиков.Средняя ставка по банковским вкладам сегодня составляет 5,5% годовых, поэтому можно сказать, что чистый процентный доход по кредитам по договору составит 65,6 млн. рублей в месяц или 787,5 млн. рублей в год. Офисы банка представлены в 69 регионах России, а также в Москве и Санкт-Петербурге. Предполагая, что не во всех регионах есть подразделения, обслуживающие малые и микропредприятия, а городов-миллионников насчитывается 2-3, возьмем за ориентир 50 отделений с учетом различий в финансовом состоянии и потребностях малых и средних предприятий в разных регионах. Можно отметить, что один отдел по кредитованию индивидуальных предпринимателей сможет принести 31,5 миллионов чистого процентного дохода в год.Динамику кредитного портфеля после внедрения кредитного продукта представим в таблице 2.8. Таблица 2.8Динамика кредитного портфеля банка АО РоссельхозбанкПоказательДо внедрения мероприятийПосле внедрения мероприятийИзменениеСумма, млрд. руб.Удельный вес, %Сумма, млрд. руб.Удельный вес, %Абсолютное, млрд. руб.Темп прироста, %1234567Кредиты юридическим лицам и ИП2 393,8078,872 411,3078,9917,500,73Кредиты физическим лицам641,4021,13641,4021,010,000,00Итого кредитный портфель3 035,20100,003 052,70100,0017,500,58Источник: [составлено автором].Из таблицы 2.8 видно, что банк сможет увеличить кредитный портфель на 17,5 млрд. руб. Динамика кредитов ИП и юрлицам после реализации мероприятия составит 0,73%, а их доля в общем кредитном портфеле банка увеличится до 79%. Общая величина кредитного портфеля банка увеличится на 0,58%. Повышение доходности банка является значимым показателем, но надежность банка по-прежнему важна. Доходность кредитного портфеля после внедрения предложенных мероприятий представлена в таблице 2.9. Таблица 2.9Динамика доходности кредитного портфеля АО РоссельхозбанкПоказательДо внедрения мероприятийПосле внедрения мероприятий123Процентные доходы по кредитам и авансам клиентов, млрд. руб.248,9250,7Средняя величина кредитов и авансов клиентов, млрд. руб.3035,23052,7Доходность кредитного портфеля, %8,208,21Источник: [составлено автором].Таким образом, в результате предложенных мероприятий по снижению процентных ставок для надежных заёмщикам-индивидуальным предпринимателям процентные доходы вырастут на 0,7%, а доходность кредитного портфеля банка увеличится на 0,1 процентных пункта. Таким образом, предложенное мероприятие по снижению процентных ставок по надежным заёмщикам-индивидуальным предпринимателям стимулирует их поддерживать хорошую кредитную историю и оставаться надежным клиентом банка, а банка – проявлять больше лояльности к клиенту. Этому также способствует сочетание технологии сбора, хранения и обработки больших массивов данных и маркетинговых инструментов, которые позволяют банку расширить сотрудничество с конкретным предприятием, предлагая дополнительные услуги в режиме реального времени. За счет обработки значительного количества информации о предпринимателе-заемщикебанковские услуги становятся более клиентоориентированными, то есть банк сокращает расходы на широкоформатный маркетинг и использует адресную, индивидуальную предложение для каждого предприятия.Следовательно, внедрение банками искусственного интеллекта и BigData дает возможность максимально снизить операционные издержки, увеличить скорость принятия кредитных решений, расширить деятельность за счет снижения рисковости кредитования индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве. Такие преимущества повышают потенциал банков конкурировать не только между собой, но и со стремительно растущими FinTech-компаниями, ведь на первое место выходит качество услуг и сервиса, а уже потом – репутация и доверие к банку.Комплексное внедрение вышеперечисленных мер будет способствовать совершенствованию процесса анализа кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, принятию более взвешенных и рациональных решений в системеуправления кредитными рисками банка. Таким образом изменения в методике анализа кредитоспособности улучшат качество кредитного портфеля банковского учреждения и обеспечат эффективную деятельность банка.ЗаключениеПо результатам исследования теоретических и аналитических аспектов оценки кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, были сформированы следующие выводы.Проведение исследовательской работы в сфере анализа ретроспективы и трансформации подходов к формированию такой экономической категории как «кредитоспособность заемщика» показало существование довольно значительных противоречий между историческими научными подходами к прорисовке внутреннего содержания данной категории, а также обусловило необходимость реализовать в этом контексте сопоставление между категориями «кредитоспособности» и «платежеспособности», что позволило сформировать вывод о абсолютное различие между содержательным наполнением этих двух теоретических понятий.Систематизация и анализ действующих достижений отечественной научной мысли в плане теоретического определения содержания категории «кредитоспособность» дали нам возможность предоставить собственное улучшенное формулировка содержательной наполненности данной категории. Результатом наших исследований стала формулировка вывода о том, что кредитоспособность заемщика представляет собой способность сформировать определенную величину денежных средств, которая будет достаточной для своевременного удовлетворения кредитных требований в соответствии с принятым графиком погашения кредита и процентных начислений, расчет которой базируется на учете определенного числа качественных и количественных критериев оценки будущего клиента. Считаем, что данное определение будет способствовать более комплексному пониманию теоретической наполненности этого понятия.В ходе исследования был установлен тот факт, что адекватное функционирование всей системы оценки кредитоспособности заемщика-индивидуального предпринимателя невозможно обеспечить без четкого структурирования ее ключевых составляющих элементов и определенных методологических приемов и инструментов, которые являются залогом взвешенного гармонического оценки кредитоспособности на всех этапах организации кредитного процесса в учреждении.Особенности оценки кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, были рассмотрены на примере АО «Россельхозбанк». Банк является одним из крупнейших банков Российской Федерации и является базой государственной кредитно-финансовой системы, обслуживающей товаропроизводителей в сфере агропромышленного производстваВ целом эффективность деятельности АО Россельхозбанк в 2019-2021 гг. увеличивается. Активы банка за 2020 год выросли на 604,1 млрд. рублей, или на 18,8%, а за 9 месяцев 2021 года – на 66,6 млрд. рублей, или на 1,7%. Собственный капитал банка в 2020 году увеличился на 35,4 млрд. рублей, или на 17,8%, а за 9 месяцев 2021 года – на 13 млрд. рублей, или на 5,5%. Чистая прибыль в 2020 году увеличилась более чем в два раза, а за 9 месяцев 2021 года – на 1,1 млрд. рублей, или на 8,5%.АО Россельхозбанк предоставляет различные программы по кредитованию индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве. Кредитный портфель юридическим лицам и ИП за 2020 год увеличились на 382,1 млрд. рублей, или на 19,7%, тогда как за 9 месяцев 20,21 года – на 52,2 млрд. рублей, или на 2,2%. При этом кредиты юридическим лицам и ИП занимали около 80% кредитного портфеля банка. Процесс оценки кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, состоит из определенной совокупности этапов, на каждом из которых происходит по элементное оценки кредитоспособности потенциального клиента банка. В частности, на первом этапе, как правило, происходит непосредственная коммуникация с клиентом, сбор необходимой информации с возможным выездом кредитных специалистов к клиенту; на втором этапе анализируется программно собранный массив данных, на третьем подсчитываются количественные и качественные показатели кредитоспособности определяется категория заемщика, обработанную информацию в виде кредитной заявления на четвертом этапе рассматривает кредитный комитет банка, и окончательным этапом является принятие решения о выдаче или отказе в выдаче кредита.Была произведена оценка кредитоспособности ИП Игнатьев С.В., осуществляющего деятельность в сельском хозяйстве, на основании методики Россельхозбанка. На основании проведенного анализа количественных и качественных факторов коммерческому банку можно отнести ИП Игнатьев С.В. по надежности заемщиков к категории 1, поскольку и количественный анализ абсолютных показателей, и качественный анализ относительных показателей свидетельствуют о платежеспособности предпринимателя, росте масштабов деятельности, и итоговая рейтинговая оценка составляет более 60 баллов.С целью улучшения ситуации с оценкой кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве. предлагается: осуществить разработку специализированных нормативных предписаний или документов, которыми урегулируются все возможные кредитные отношения такого типа; обеспечить формирование единых подходов к рейтингования заемщиков-индивидуальных предпринимателей и осуществить обобщение методологии их аналитической оценки; дать представление детализированного осмотра компонентов оценки и разработать унифицированные индикаторы и их разноплановое группировки; разработать комплекс стандартизированных правил и требований к принципам обеспечения понятности и прозрачности предоставляемой заемщиками информации личного и делового характера; способствовать включению расчета влияния ситуативных факторов на процесс оценки кредитоспособности предпринимателей в виде индикативных коэффициентов.Внедрение банками искусственного интеллекта и BigData дает возможность максимально снизить операционные издержки, увеличить скорость принятия кредитных решений, расширить деятельность за счет снижения рисковости кредитования индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве. Комплексное внедрение вышеперечисленных мер будет способствовать совершенствованию процесса анализа кредитоспособности индивидуальных предпринимателей, осуществляющих деятельность в сельском хозяйстве, принятию более взвешенных и рациональных решений в системе управления кредитными рисками банка.В результате предложенных мероприятий по снижению процентных ставок для надежных заёмщикам-индивидуальным предпринимателям процентные доходы вырастут на 0,7%, а доходность кредитного портфеля банка увеличится на 0,1 процентных пункта. Банк сможет увеличить кредитный портфель на 17,5 млрд. руб. Динамика кредитов ИП и юрлицам после реализации мероприятия составит 0,73%, а их доля в общем кредитном портфеле банка увеличится до 79%. Общая величина кредитного портфеля банка увеличится на 0,58%. Библиографический списокWilson T.C. Portfolio Credit Risk (I) / T.C. Wilson // Risk. – 2017. – #10 (Oct.). – P. 111-117.Zhang L. Corporate financial distress diagnosis model and application in credit rating for listing firms in China / L. Zhang, E.I. Altman, J. Yen // Frontiers of Computer Science. – 2015. – #4(2). – P. 220-236.Алексеев П.В. Банковское дело: управление в современном банке. Учебное пособие / П.В. Алексеев. - М.: КноРус, 2018. - 304 c.Алпатов А.В., Федотенкова О.А. Теоретические подходы к формированию финансовых результатов в сельскохозяйственных организациях: Аграрный сектор экономики России: опыт, проблемы и перспективы развития / Материалы всероссийской (национальной) научной конференции. Научный редактор Е.В. Бураева. – 2020. – С. 142-150Афанасьева Н.С. Разработка глобальных логической и физической моделей информационной системы расчета кредитоспособности сельхозпроизводителей / Н. С. Афанасьева // Современные технологии в науке и образовании - СТНО-2019 / Под общей редакцией О.В. Миловзорова. – Рязань, 2019. – С. 99-101Афанасьева О.Н. Банковское дело: современная система кредитования. - Москва: КноРус, 2016. - 256 с. Ачкасов А.И. Активные операции коммерческих банков. – Москва: Дрофа, 2012. –– 360 с.Банковское дело: учебник / О.И. Лаврушин, Н.И. Валенцева [и др.]; под ред. О.И. Лаврушина. 12-е изд., стер. – Москва: КноРус, 2016. – 800 с.Барынькина Н.П. Формы оценки кредитоспособности заемщика- индивидуального предпринимателя банками в складывающихся условиях / Н. П. Барынькина, Е. А. Супрунова // Экономические и гуманитарные науки. – 2020. – № 10(345). – С. 25-32Бурдина А.А., Москвичева Н.В., Мелик-Асланова Н.О., Захаров А.С., Рогуленко Т.М. Методика оценки стоимости кредитных ресурсов с учетом сложности их привлечения на основе теоремы об эквивалентности // Revista ESPACIOS. - 2017. - Vol. 38(№33). - P. 27-43Водопьянова В.А., Бородай Е.А. Анализ методов оценки кредитоспособности юридических лиц, используемых российскими банками // Азимут научных исследований: экономика и управление. - 2020. - Т.9. - №4. С.83-86Гибаев Л. Банковский сектор как институт финансового посредничества и экономического развития // Профессиональное образование: методология, технологии, практика: сб. науч. ст. - Челябинск: Библиотека А. Миллера, 2022. - С. 186-194Годовая отчетность АО "Россельхозбанк" за 2021 год. URL: https://www.rshb.ru/investors/ (дата обращения: 28.12.2022).Гребенникова В.А. Совершенствование методики оценки кредитоспособности сельскохозяйственного предприятия на примере АО "Россельхозбанк" / В. А. Гребенникова, В. Е. Семиков // Глобальная экономика и национальная безопасность. – 2021. – № 1. – С. 9-14.Гуляев Г.Ю. К вопросу о сущности и значении оценки кредитоспособности коммерческой организации// Экономика в теории и на практике: актуальные вопросы и современные аспекты: сборник статей V Международной научно-практической конференции. - Пенза: МЦНС "Наука и Просвещение", 2020. - С.59-61Енин И.В. Принцип оценки кредитоспособности заемщика / Банковское дело. – 2017. – № 9. – с. 37-39.Иванова А.В. Экономическое содержание и сущность оценки кредитоспособности заемщика в коммерческом банке / А. В. Иванова // Теория и практика современной науки. – 2022. – № 6(84). – С. 116-119Канищев И.С. Оценка точности работы ансамблевых алгоритмов для кредитного скоринга // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2021. № 6. С. 102-108Кузнецова В.В. Банковское дело. Практикум. Учебное пособие / В.В. Кузнецова, О.И. Ларина, В.П. Бычков. - Москва: КноРус, 2016. - 264 c.Купчина Л.Ю. Анализ кредитоспособности заемщика - юридического лица / Проблемы теории и практики управления. – 2017. – № 6. – с. 92-95.Ледовская Ю.В. Проблемы оценки кредитоспособности заемщика / Ю. В. Ледовская // Вопросы управления и экономики: современное состояние актуальных проблем. – Москва: Интернаука, 2019. – С. 19-23Мазняк В.М. Особенности анализа делового риска при оценке кредитоспособности потенциального заемщика коммерческим банком / В.М. Мазняк, В.В. Ильинова // Экономика 2020: актуальные вопросы и современные аспекты. – Пенза: Наука и Просвещение, 2020. – С. 49-51.Манукян О.А. Кредитоспособность заёмщиков как основа состояния кредитного портфеля ПАО "Сбербанк" / О. А. Манукян // Молодой ученый. – 2021. – № 7(349). – С. 162-164.Махмадов О.С. Методики оценки кредитоспособности заёмщика в современных условиях / О.С. Махмадов, Б.М. Шарипов // Вестник РЭУ им. Плеханова № 3. - 2018. - с. 99.Москвичева Н.В. Исследование методов оценки кредитоспособности и оценка кредитоспособности на примере предприятия авиационной промышленности / Н.В. Москвичева, А.З. Бзикадзе // Российский экономический интернет-журнал. – 2019. – № 2. – С. 61.Несмеянова Т.С. Понятие, сущность и критерии кредитоспособности заемщика / Т.С. Несмеянова // Интернаука. – 2022. – № 27-3(250). – С. 9-11.О банках и банковской деятельности: Федеральный закон от 02.12.1990 N 395-1 (ред. от 05.12.2022) // СПС "Консультант плюс"О кредитных историях: Федеральный закон от 30.12.2004 N 218-ФЗ (ред. от 20.10.2012) // СПС "Консультант плюс".Обухова А.С. Применение цифровых технологий при оценке кредитоспособности заемщика / А.С. Обухова, Н.П. Казаренкова // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. - 2020. - Т. 10. - № 2. - С. 140-153Османова Г.Г. Анализ и оценка кредитоспособности заемщика // Наука: общество, экономика, право. - 2020. - №2. - С.217-223.Оценка кредитоспособности субъектов агробизнеса / А. В. Алпатов, О. А. Федотенкова, О. В. Филимонова [и др.] // Экономика, труд, управление в сельском хозяйстве. – 2021. – № 1(70). – С. 34-46Папцов А.Г. Методика установления справедливой стоимости земельных участков сельскохозяйственного назначения сравнительным подходом // Экономика, труд, управление в сельском хозяйстве. - 2019. - № 7. -С. 2-22Пашаев С.С. Проблемы оценки кредитоспособности российских банков / С.С. Пашаев // Научный журнал "Дневник наук" (№ 2), - 2020. - с.1-6.Расторгуев Л.М. Построение скоринговой модели для определения кредитоспособности потенциального заёмщика / Л. М. Расторгуев, Е. А. Микишанина // Вектор экономики. – 2022. – № 5(71). – С. 1-14Селищев А.С. Деньги. Кредит. Банки. Учебник / А.С. Селищев. - М.: Проспект, 2017. - 304 c.Симонов А.П. Сущность кредитного риска и кредитоспособности заемщика / А. П. Симонов // Сибирская финансовая школа. – 2019. – № 1(132). – С. 82-86Тимошенко Н.В. Применение скоринговых моделей при оценке кредитоспособности потенциального заемщика / Н.В. Тимошенко, М.Р. Хаджиев, Н. В. Еремина // Вестник Академии знаний. – 2021. – № 46(5). – С. 394-402Трифонова Е.М. Зарубежный опыт оценивания кредитоспособности клиентов банка с помощью скоринга / Е.М. Трифонова // Актуальные проблемы науки и практики: Гатчинские чтения - 2020. – Гатчина: Государственный институт экономики, финансов, права и технологий, 2020. – С. 362-365Хасянов О.Р. Разработка модели потенциальной кредитоспособности сельскохозяйственных организаций / О. Р. Хасянов, И. Г. Нуретдинов, Ю.В. Нуретдинова // Московский экономический журнал. – 2019. – № 12. – С. 52Чараева М.В. Корпоративные финансы: Учебное пособие. - Москва: Инфра-М, 2017. - 288с.Чоботару Р.М. Методы оценки кредитоспособности корпоративного заемщика как фактор снижения кредитного риска // Студенческий вестник. - 2021. - №18-7. - С.36-40Чушинская О.С., Роль финансового анализа в кредитоспособности заемщика / О.С. Чушинская, А.С. Петрушин // Экономика и бизнес: теория и практика. 2018 - № 9 - С. 104-107.Шеремет А.Д. Анализ и диагностика финансово-хозяйственной деятельности предприятия. 2-е изд., доп. Москва: Инфра-М, 2017. – 374 с.