CC BY
51
KRIVOSHAPOVA Svetlana Valerievna and others PROSPECTS FOR USING NEW DIGITAL...
Azimut of Scientific Research: Economics and Administration. 2021. T.10. №4(37)p-ISSN: 2309-1762; e-ISSN: 2712-8482
VTTk" 77 IH iTl 0,202.1 Контент доступен по липеюни СС BY-NC 4.0
-'А14 • ' |(сс) t^U ОЗУ This is an open accessarticle under the CC BY-NC 4.0 license
DOI' 10 26140/anie-2021-1004-0021 iMiw (https://creativecommons.org/iicenses/by-nc/4.o/)
ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ НОВЫХ ЦИФРОВЫХ ТЕХНОЛОГИЙ В СФЕРЕ УПРАВЛЕНИЯ КРЕДИТНЫМ РИСКОМ И ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ © Автор(ы) 2021 AuthorID: 768866 SPIN: 3812-9760 ORCID: 0000-0002-1457-4369 ScopusID: 57200409029
КРИВОШАПОВА Светлана Валерьевна, кандидат экономических наук, доцент кафедры «Экономики и управления»
ORCID: 0000-0003-4690-4526
ГОРЬКОВ Александр Алексеевич, студент кафедры «Экономики и управления» Владивостокский государственный университет экономики и сервиса (690014, Россия, Владивосток, ул. Гоголя, 41, e-mail: ecwer10@yandex.ru) Аннотация. В условиях цифровизации экономики и трансформации современных коммерческих банков в полноценные экосистемы, меняются и их потребности, и условия конкуренции на рынке. Внедрение новых технологий в деятельность банков становится жизненно важным для устойчивой работы. С другой стороны, в условиях нынешней экономической ситуации кредитование развивается быстрыми темпами. Заемные средства играют важную роль в развитии отдельной организации, и, как следствие, экономики в целом. Для коммерческих банков один из основных источников доходов - кредитование юридических и физических лиц, а один из основных источников угроз для коммерческого банка - кредитный риск, что имеет особую актуальность в условиях сложной экономической ситуации как в мире, так и в России. Банковский сектор уже в настоящее время имеет высокий индекс цифровиза-ции, можно с уверенностью сказать, что у большинства рассмотренных в статье технологий огромный потенциал для применения, а также большие перспективы для развития. В статье дается краткое описание таким важнейшим технологиям, как Big Data/Data mining, AI, API, машинное обучение, технологии на основе распределенного реестра (блокчейн) RegTech&SupTech, роботизация, и рассматривается вопрос, о том, как данные технологии могут быть применены при оценке кредитоспособности и управлении кредитным риском. По результатам анализа сделан вывод об основных преимуществах и недостатках рассмотренных цифровых технологий, а также оценены перспективы их применения.
Ключевые слова: кредитоспособность, кредитный риск, банковский сектор, заемщик, платежеспособность, финансовая устойчивость, финансовый анализ, методы оценки кредитоспособности, финансовые коэффициенты, кредитование, Big Data, Data Mining, технологии распределенного реестра, RegTech, SupTech, машинное обучение, цифровизация, AI, нейросети.
PROSPECTS FOR USING NEW DIGITAL TECHNOLOGIES IN CREDIT RISK MANAGEMENT AND
CREDIT CAPACITY
© The Author(s) 2021
KRIVOSHAPOVA Svetlana Valerievna, Candidate of Economic Sciences, Associate Professor of the department of «Economics and management» GORKOV Alexander Alekseevich, student of the department of «Economics and management» Vladivostok state University of Economics and service (690014, Russia, Vladivostok, street Gogolya 41, e-mail: ecwer10@yandex.ru) Abstract. In the context of the digital transformation of the economy, modern banks are transforming into ecosystems. The introduction of new technologies into the activities of banks becomes vital for sustainable operation. On the other hand, in the current economic situation, lending is developing rapidly. Borrowed funds play an important role in the development of companies, and, as a consequence, the whole economy. For banks, one of the main sources of income is lending and one of the main sources of threats for a bank is credit risk. The banking sector is facing the problem of applying the modern digital technologies in order to provide the most accurate assessment of creditworthiness and manage the amount of credit risk and the quality of the loan portfolio. The banking sector already has a high digitalization index, a number of technologies are already in use, some of them are being implemented right now and some are in the stage of development. Most of the digital technologies, discussed in the article, have huge potential for application, as well as great prospects for development. The article provides a brief description of such important technologies as Big Data and Data mining, AI, API, machine learning, technologies based on a distributed ledger (blockchain), RegTech & SupTech, robotization, and discusses the question of how these technologies can be applied (or already applied) in the credit assessment and the credit risk board. Based on the results of the analysis, a conclusion contains main overview of advantages and disadvantages of the considered digital technologies, and the prospects for their application were assessed.
Keywords: creditworthiness, credit risk, banking sector, borrower, solvency, financial stability, financial analysis, methods of assessing creditworthiness, financial coefficients, lending, Big data, Data mining, AI, RegTech, SupTech, Digital Transformation, DT, Digital economy, blockchain, distributed ledger, robotization.
ВВЕДЕНИЕ
Постановка проблемы в общем виде и ее связь с важными научными и практическими задачами. Внедрение технологических инноваций в финансовую индустрию является важнейшим глобальным феноменом последних лет, и данная тенденция с каждым годом набирает обороты. Применение цифровых технологий для предоставления финансовых услуг (цифровизация) стимулирует инновации в финансовой сфере [1]. Цифровизация - важный драйвер для развития финансового рынка, а также появления новых более удобных и безопасных продуктов и сервисов. Успешное внедрение новых цифровых тех-
нологий предполагает кардинальные изменения принципов предоставления услуг и бизнес-процессов взаимодействия компаний с клиентами, между участниками финансового рынка и регуляторами, а также увеличение объемов и скорости транзакций за счет использования инновационных цифровых инструментов и платформенных решений. Тем не менее, большое количество новых технологий ставит вопрос, как именно и насколько успешно они могут использоваться в дальнейшем. Очевидно, что те кредитные организации, которые успеют внедрить новые технологии в ближайшее время, смогут в перспективе быть конкурентными и с коммерческими
Азимут научных исследований: экономика и управление.
2021. Т.10 №4(37)p-ISSN: 2309-1762; e-ISSN: 2712-8482
КРИВОШАПОВА Светлана Валерьевна и другие ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ НОВЫХ ЦИФРОВЫХ...
банками, и с компаниями-гигантами (Apple, Facebook, Alibaba, Google, Baidu, Amazon), которые осваивают рынок финансовых услуг.
Анализ последних исследований и публикаций, в которых рассматривались аспекты этой проблемы и на которых обосновывается автор; выделение неразрешенных раньше частей общей проблемы. В настоящее время новые цифровые технологии и способы их применения в разных сферах все чаще становятся темой научных исследований. Тем не менее, следует отметить, что данная тема остается все еще малоизученной. Как отмечается многими исследователями (Присяжнюк Я.М. [1], Казаков Р.И., Корсунова Н.Н.[2], Порошин И.Е. [3] и др. [5-11]), поскольку цифровые технологии стремительно внедряются в банковскую сферу, исследования в данной области имеют большую практическую пользу, в том числе как основа для анализа эффективности цифровизации банковского сектора.
МЕТОДОЛОГИЯ
Формирование целей статьи. Исходя из актуальности темы, целью данной работы является исследование современных цифровых технологий и изучение способов их текущего и прогнозируемого применения в практике российского финансово-банковского сектора в целях управления кредитным риском и в целях оценки кредитоспособности заёмщиков - организаций.
Постановка задач. В рамках поставленных целей необходимо решить следующие задачи:
- рассмотреть современные цифровые технологии, которые развиваются в настоящее время;
- выделить и охарактеризовать возможности их применения на данный момент и в прогнозируемом будущем в банковской сфере России в целях оценки кредитоспособности заемщиков и управления кредитным риском.
Используемые в исследовании методы, методики и технологии. Для решения поставленных задач в процессе исследовательской работы использованы общенаучные методы анализа и сравнительные сопоставления, а также логический метод и дедукция.
РЕЗУЛЬТАТЫ
Изложение основного материала исследования с полным обоснованием полученных научных результатов.
На основании изучения материалов Центрального Банка Российской федерации, специальной литературы и интернет-источники по теме современных цифровых технологий и способов их применения, можно выделить наиболее перспективные цифровые технологии и направления, которые с большой эффективностью могут применяться в сфере управления кредитным риском и оценке кредитоспособности в России и мире:
- Big Data & AI,
- Машинное обучение
- Роботизированные системы
- Технологии на основе распределенного реестра
- Облачные технологии
- RegTech & SupTech
В данный момент происходит трансформация банков из классических консервативных финансовых организаций в современные экосистемы с диверсифицированным бизнесом, где доля непосредственно банковских услуг постепенно снижается. На данный момент уже получили широкое применение такие технологии как высокоскоростной интернет, облачные технологии, технологии бесконтактных платежей, API, технологии распознавание голоса и лиц. В последнее время, в связи с колоссальным ростом объемов цифровой информации, особую популярность приобрело направление «Большие данные» (Big Data). Данный рост объемов информации обусловлен широким распространением технологий и доступа к сети Интернет, в следствие чего процесс создания пользователями новой информации стал чрезвычайно быстрым и непрерывным [12]. К такой информации можно отнести практически все данные сети Интернет, которые находятся в открытом доступе: сайты интернет-магазинов, сайты
по поиску работы, социальные сети, СМИ, блоги и многое другое. В целях автоматизации анализа и обработки данных, объем которых превышает сотни терабайт и постоянно увеличивается, были созданы специальные алгоритмы. Эту технологию принято называть «Big data». Другими словами, «Big data» - это обозначение структурированных и неструктурированных данных огромных объёмов и большого многообразия, которые эффективно обрабатываются горизонтально масштабируемыми программными инструментами.
Особенно продвинулись в анализе больших данных банки. Такой подход позволяет автоматически выявлять мошеннические операции, оценивать кредитоспособность клиентов, лучше управлять рисками. Наиболее эффективное использование больших данных происходит в сочетании с использованием искусственного интеллекта, технологиями машинного обучения, обработки естественного языка и других технологий.
Машинное обучение - это технологии, которые позволяют находить неочевидные взаимосвязи в данных. Вопрос определения границ понятия «машинное обучение» более чем актуален и в настоящий момент прорабатывается рядом международных организаций, например, Базельским комитетом по банковскому надзору. В настоящем времени машинное обучение используется во многих сферах для предиктивного анализа, выполнения оптимизационных задач, классификации данных, обнаружения аномалий, а также для распознавания образов. В финансовом секторе машинное обучение также используется для анализа рисков, финансового анализа, маркетинга и рекламы и т.д. [13].
Технологии обработки естественного языка - это одно их направлений на стыке технологий машинного обучения и лингвистики, которые позволяют компьютеру проводить анализ (интерпретацию устной и письменной речи), а также генерировать естественный язык. Данные технологии позволяют выявлять тематику, указанные факты и сущности, а также различать тональность аудиозаписей и текстов, разрабатывать голосовых помощников, чат-ботов.
Искусственный интеллект (AI) можно определить, как направление информатики, которое занимается созданием компьютеров для выполнения тех задач, которые ранее были подвластны только человеческому мозгу, например, обучение, рассуждение, логическое построение.
Технологии Big Data в сочетании с технологиями машинного обучения позволяют проводить комплексный анализ взаимосвязей, быстро производить обработку неструктурированных данных, а затем использовать полученные результаты при текущем мониторинге заемщиков банка, для выявления тревожных сигналов в финансовых показателях компаний, а также целых отраслях или регионах, то есть своевременно выявлять рост кредитного риска. Очевидно, что ранние сигналы о росте кредитного риска оставляет больше времени и возможностей для минимизации потерь по данному риску. Также, большие данные после обработки могут быть использованы и в целях определения кредитоспособности новых клиен-тов-юридических лиц. Обладая наиболее полной картиной, полученной после анализа гораздо большего числа показателей и факторов, банк имеет возможность максимально точно определять финансовое положение клиента и спрогнозировать перспективность сделки. Используя большие данные, банки могут получать и обрабатывать поступающие данные с минимальной задержкой.
Федеральная налоговая служба России планирует создать цифровую платформу для передачи административных данных в другие госорганы. Через данный сервис будут доступны сведения, содержащиеся в налоговых декларациях, информация о задолженностях, данные контрольно-кассовой техники. Такой массив доступной информации также может упростить анализ клиентов.
Очевидно, что в ближайшей перспективе анализ текущего финансового положения заемщика будет произво-
KRIVOSHAPOVA Svetlana Valerievna and others PROSPECTS FOR USING NEW DIGITAL...
Azimut of Scientific Research: Economics and Administration. 2021. T.10. №4(37)p-ISSN: 2309-1762; e-ISSN: 2712-8482
диться не по официальной или управленческой отчетности, а исходя из данных о его состоянии, которые могут быть собраны в режиме реального времени из разных источников. Кроме того, большие данные можно использовать для углубленного анализа прошлых и текущих кредитных досье, с целью поиска скрытых, ранее неизвестных причин, следствий и закономерностей, которые в дальнейшем могут быть использованы для оптимизации финансового анализа и текущего мониторинга заемщиков. Процесс углубленного изучения и извлечения таких сырых скрытых данных, называется Data Mining (буквально «добыча данных»). Следует отметить, что в процессе работы с данными поменяются и роли сотрудников банка, функции которых больше смещаются в сторону контроля за работой системы, и, при необходимости, дополнительной перепроверки данных.
В кредитовании с применением Big Data может проявиться конкурентное преимущество крупных технологических компаний и операторов связи, которые вышли на рынок финансовых услуг, поскольку они получают возможность монетизировать накопленные ими массивы данных о потребителях. Данная модель в случае реализации может кардинальным образом изменить конкурентную среду на финансовом рынке и повилять на подходы оценки кредитоспособности заемщиков. В критерии оценки кредитоспособности физических лиц включаются такие параметры как модель телефона, данные о совершенных покупках, история поисковых запросов, данные геолокации, и другие параметры, составляющие цифровой след. Сочетание полной информации о финансовом состоянии заемщика с информацией о его потребностях позволяет продавать кредитные продукты с максимальной эффективностью, одновременно минимизируя кредитный риск.
Банк России ожидает, что развитие конкуренции на рынке услуг будет способствовать также и расширению перечня продуктов и услуг Бюро кредитных историй (БКИ) и повышению их качества. Услуги по предоставлению кредитных отчетов и скоринговых оценок будут сопровождаться внедрением в практику работы БКИ альтернативных источников данных и моделей оценки заемщиков, включая поведенческий скоринг на основе данных социальных сетей и других доступных и легальных источников данных, с применением методов анализа Big data для повышения точности оценки кредитоспособности и платежной дисциплины потенциальных заемщиков [13].
Еще одним из ключевых направлений в цифровиза-ции является технология распределенных реестров - децентрализованный подход к обмену и хранению информации, при котором:
- информация надежно хранится, т.к. каждый участник обладает своей полноценной копией реестра;
- синхронизация копий реестра происходит на основе протокола достижения распределенного консенсуса, то есть соглашения среди участников на добавление новой информации;
- каждый участник взаимодействия может иметь доступ к истории транзакций;
- актив может быть любым;
- быстрые транзакции;
- сделки конфиденциальны, а права сторон надежно защищены, что практически исключает возможность мошенничества;
- минимальные комиссии.
Яркий пример реализации технологии распределенных реестров - блокчейн. Широкое распространение блокчейн получил при разработке криптовалют. Тем не менее, в данный момент ведется активная разработка и других проектов, основанных на этой технологии. Так Федеральная налоговая служба России ведет активную разработку блокчейн-платформы для предоставления банкам «досье» заемщиков, т.е. профиля организации с необходимыми для выдачи кредита документами и оцен-
кой рисков клиента [14]. Работа платформы будет способствовать значительному повышению эффективности предоставления кредитных услуг. ФНС рассматривает предоставление бесплатного доступа к платформе, что должно способствовать снижению стоимости оценки рисков, что в свою очередь должно снизить стоимость кредитных продуктов и ускорить их выдачу. Заемщикам также выгодна такая платформа - их кредитный профиль будет доступен в рамках создаваемой платформы разным организациям, т.е. им не придется подавать документы несколько раз. В настоящий момент цифровая платформа для взаимодействия с банками уже функционирует. В 2020 году ее использовали для поддержки граждан и экономики, пострадавших от пандемии COVID-19, что позволяло ускорить выдачу льготных кредитов бизнесу.
Также, все большее применение во всех сферах жизни находит роботизация - оптимизация и автоматизация повторяющихся процессов за счет программируемых алгоритмов. В результате роботизации процесс получает количественную и качественную оптимизацию, а сам алгоритм может работать практически в непрерывном режиме и обрабатывать поступающие задания в короткие сроки. Задачами сотрудников становятся контроль метрик исполнения алгоритмами заданий, управление данными, адаптация алгоритма под изменяющиеся условия [13]. В сфере оценки риска и кредитоспособности роботизация применяется в автоматизации процессов оценки финансового состояния, расчета коэффициентов и кредитного риска заемщика. Высоки перспективы использования роботизированных голосовых помощников, которые могут выполнять определенные команды и алгоритмы. Это позволит снизить временные затраты сотрудников на второстепенные и рутинные задачи и сконцентрироваться на важном, что повысит качество работы.
Роботизированные голосовые системы активно внедряются банками в целях работы по взысканию просроченной задолженности. Такая система способна в автоматическом режиме осуществить обзвон большого числа клиентов и проинформировать должников в целях возвращения долга.
В рамках применения технологий регуляторами и поднадзорными организациями можно выделить два направления - SupTech и RegTech. SupTech (Supervisory Technology) - технологии, используемые регуляторами для повышения эффективности контроля и надзора за деятельностью участников финансового рынка. RegTech (Regulatory Technology) - технологии, используемые финансовыми организациями для повышения эффективности выполнения требований регулятора [13].
Задачи внедрения SupTech-решений: улучшение качества аналитики поступающих данных за счет оптимизации их сбора, хранения и обработки; повышение уровня эффективности и оперативности выявления рисков в деятельности финансовых организаций; высвобождение времени сотрудников для решения задач, которые требуют профессионального суждения и экспертизы.
Задачи внедрения RegTech-решений: автоматизация и стандартизация бизнес-процессов, которые связаны с выполнением регуляторных требований (в том числе требований, касающихся кредитного риска и оценки кредитоспособности); снижение рисков и затрат, (компла-енс-требования, более точное выполнение требований регулятора); повышение уровня оперативности выявления мошеннических действий и реагирования на них.
По результатам консультаций с участниками финансового рынка Банк России принял решение о необходимости проработки и реализации новых проектов и инициатив. Согласно документу «Основные направления развития технологий SupTech и RegTech на период 2021-2023 годов», в план первоочередных мероприятий («дорожная карта») в сфере SupTech и RegTech входят такие инициативы, как «Создание сервиса «Знай своего клиента» (ЗСК)», «Создание единого реестра участников финансового рынка». А такие проекты, как «Валидация
Азимут научных исследований: экономика и управление.
2021. Т.10 №4(37)p-ISSN: 2309-1762; e-ISSN: 2712-8482
КРИВОШАПОВА Светлана Валерьевна и другие ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ НОВЫХ ЦИФРОВЫХ...
и надзор за применением моделей оценки кредитного риска для банков, применяющих подход на основе внутренних рейтингов», «Оценка розничных кредитных рисков», уже реализованы.
В рамках проекта «Оценка розничных кредитных рисков» в 2019 году было запущено в промышленную эксплуатацию новое аналитическое приложение «Аналитика самообслуживания» на платформе нового Единого хранилища данных). Данное приложение АСО представляет собой автоматизированную систему анализа информации по оценке кредитного риска, позволяет оперативно проводить анализ и делать выводы по портфелям однородных ссуд и индивидуальных ссуд физических лиц на основе алгоритмов обработки больших массивов первичных данных. В дальнейшем планируется реализовать моделирование риска дефолта с помощью машинного обучения, статистического анализа кредитного портфеля для выявления негативных риск-тенденций на ранних стадиях. Данное решение дает возможность проведения анализ широкого спектра розничных рисков, в том числе прогнозировать поведение кредитного портфеля, осуществлять построение моделей оценки PD, LGD, ЕАО по ссудам для оценки ожидаемых потерь по кредитному портфелю [12].
Другой важный проект - «Анализ взаимосвязанности юридических лиц», согласно которому, будет разработано единое решение, позволяющее проводить максимально достоверную оценку кредитных рисков по группам взаимосвязанных лиц. В области инициатив, связанных с оценкой кредитоспособности и управления кредитным риском, следует выделить такие, как «Совершенствование инструментов по анализу взаимосвязанности юридических лиц для целей автоматического определения периметра группы, в которую входит организация», «Создание реестра детальных данных о предметах залога, принятых кредитными организациями в качестве обеспечения по ссудам», «Разработка модели оценки кредитного риска по юридическим лицам на основе публичных финансовых и транзакционных данных заемщиков», «Внедрение системы мониторинга и анализа операционных рисков кредитных организаций», «Определение вероятности дефолта и кросс-дефолта связанных организаций», «Разработка системы оценки непредвиденных потерь по кредитным портфелям банков».
ОБСУЖДЕНИЕ
Сравнение полученных результатов с результатами в других исследованиях. В целом, можно заключить, что в своих исследованиях другие авторы также отмечают высокий потенциал использования новых цифровых технологий в разных сферах, в том числе в банковской сфере.
ВЫВОДЫ
Выводы исследования. Изучив действующую практику и прогнозируемые способы применения новых цифровых технологий в сфере оценки кредитоспособности заемщиков и управления кредитным риском, можно выделить их основные преимущества и недостатки. Основными преимуществами являются высокий потенциал применения и высокая эффективность использования технологий по отдельности и в комбинации. Недостатками являются высокая сложность разработки и внедрения, а также высокая стоимость разработки.
Тем не менее, международный и российский опыт демонстрирует, что многие цифровые технологии уже активно внедряются и используются банками и другими участниками финансового рынка. Крупнейшие представители банков производят существенные вложения в разработку решений на основе рассмотренных технологий с целью их развития и адаптации для задач банка. Поэтому, как следствие особое внимание уделяется внедрению цифровых технологий в сфере оценки кредитоспособности заемщиков и управления кредитным риском, поскольку кредитование является одним из основных источников дохода коммерческого банка, а кредитный риск - один из основных рисков, с которым сталкивает-
ся банк. О высоких перспективах применения цифровых технологий говорит и тот факт, что важность инноваций понимают и регуляторы, и участники финансового рынка В разных странах уже разработали и внедряют SupTech и RegTech-стратегии, которые включают в себя как содействие поднадзорным организациям в применении собственных или вендорских RegTech-решений, так и совместное применение с поднадзорными организациями решений для упрощения и оптимизации выполнения регуляторных требований [13].
Перспективы дальнейших изысканий в данном направлении. Важно отметить, что дальнейшая цифрови-зация в банковской сфере будет происходить еще более быстрыми темпами, поэтому исследования данной темы не потеряют свою актуальность. Изучение цифровой трансформации банков и подходов в сфере оценки кредитоспособности и управления кредитным риском важно в контексте оценки влияния нововведений на экономику в целом, а также в целях повышения эффективности внедрения новых технологий.
СПИСОК ЛИТЕРАТУРЫ:
1. Основные тренды развития цифровой экономики в финансовой сфере. Правовые аспекты регулирования и практического применения. Государственная Дума Российской Федерации. 2019 г. URL: http:// duma.gov.ru/media/files/ONpz3AjFkualqgKS9lsgtqckucXiScBP.pdf
2. Присяжнюк Я.М. Предпосылки и перспективы цифровизации механизмов предупреждения несостоятельности (банкротства) кредитных организаций. //Имущественные отношения в Российской Федерации. 2020. № 1 (220). С. 71-76.
3. Казаков Р.И. Использование технологии Big Data при реализации функции банка по сбору просроченной задолженности. //Бизнес-образование в экономике знаний. 2016. № 1 (3). С. 33-36.
4. Корсунова Н.Н. Возможности применения технологии блокчейн в работе российских банков при обслуживании корпоративных клиентов. // Финансовая экономика. 2020. № 11. С. 269-274.
5. Третьякова В.В. Эволюция инструментов финансового надзора в эпоху диджитализации: Fintech, RegTech и SupTech // Экономика и предпринимательство. 2019. № 1 (102). С. 973-977.
6. Жданович В.В. Применение цифровых технологий SupTech в целях повышения эффективности надзора за участниками финансовых рынков. //Экономика и предпринимательство. 2019. № 4 (105). С. 211214.
7. Ключников О.И. Big Data в прогнозной аналитике банков // Ученые записки международного банковского института. 2021. № 1 (35). С. 43-60.
8. Порошин И.Е. Большие данные (Big Data) и наука о данных (Data Science): прогрессивные тренды современности. // Молодой ученый. № 27 (317). С. 59-61.
9. Зверева О.А. Применение в банке блокчейн технологий. // Информационные технологии. Радиоэлектроника. Телекоммуникации. Бизнес-образование в экономике знаний. 2017. № 7. С. 228-232.
10. Мальцева К.К., Муллинова С.А. Диагностика и внедрение технологии блокчейн, как залог успешной работы банка. // Modern Economy Success. 2018. №4. С. 73-78.
11. Михеева И.Е. Использование технологии блокчейн банками Японии. //Право и экономика. 2019. № 7 (377). С. 26-32.
12. «Основные направления развития финансовых технологий на период 2018—2020 годов», Центральный Банк Российской Федерации, Москва, 2017 г.
13. «Основные направления развития технологий SupTech и RegTech на период 2021—2023 годов», Центральный Банк Российской Федерации, Москва, 2021 г.
14. Доклад для общественных консультаций «Развитие технологии распределенных реестров», Центральный Банк Российской Федерации, Москва, 2017 г.
15. Доклад для общественных консультаций «Применение облачных технологий на финансовом рынке», Центральный Банк Российской Федерации, Москва, 2018 г. URL: https://cbr.ru/Content/ Document/File/59559/Consultation_Paper_181218.pdf / URL: http:// www.cbr.ru/content/document/file/50678/consultation_paper_171229(2). pdf / URL: https://www.cbr.ru/Content/Document/File/120709/SupTech_ RegTech_2021-2023.pdf
16. «Основные направления развития финансового рынка. Российской Федерации на период 2019 — 2021 годов», Центральный Банк Российской Федерации, Москва, 2019 г. / URL: http://www.cbr.ru/content/ document/file/71220/main_directions.pdf / URL: https://cbr.ru/Content/ Document/File/84852/0N_FinTex_2017.pdf
17. Доклад «Цифровая трансформация отраслей: стартовые условия и приоритеты, Национальный Исследовательский Университет «Высшая Школа Экономики», Москва, 2021 г. / URL: https://conf. hse.ru/mirror/pubs/share/463148459.pdf
Статья поступила в редакцию 22.07.2021
Статья принята к публикации 27.11.2021
