CC BY
123Внедрение 1ВБ-подхода при оценке кредитного риска заемщиков коммерческого банка
см со £
Б
а
2 ©
Маркова Ольга Михайловна,
к.э.н., доцент, Финансовый университет при Правительстве РФ
В современных условиях возрастает интерес к проблеме роста уровня проблемных ссуд, связанных с ухудшением финансового состояния корпоративных и розничных заемщиков. Для минимизации уровня просроченной задолженности следует обратить на внедрение !ЯВ-под-хода для оценки кредитного риска на этапе выдачи ссуды и в случае выхода «на просрочку», а также на использование превентивных мер взыскания, связанных с качественным андеррайтингом ссудной задолженности клиентов (с помощью сгеМзсоппд), проведением стресс-тестирования по нескольким сценариям, применением скоринговых тестов для выявления негативных тенденций в платежном поведении должника.
Ключевые слова: проблемная ссуда, кредитный рейтинг, просроченная задолженность, !ЯВ-подход
Наиболее современным и продвинутым подходом, используемым для оценки кредитного риска банковских заемщиков, является !РВ-подход (Мегпа^Бк-Вазе^ргоасЬ). Отметим, что при оценке кредитного риска корпоративного портфеля он осуществляется на основе финансовой отчетности заемщика, внешних рейтингов, присваиваемых рейтинговыми агентствами, и рыночных данных. В свою очередь, !РВ-подход делится на: базовый (фундаментальный) и продвинутый. Отличие между ними заключается в том, что если при базовом(фундаментальном) подходе значения показателей оценки кредитного риска предоставляются Банком России (регулятором), то при продвинутом варианте его основные метрики рассчитываются самим банком на основе статистических данных о заемщике ( табл.1).
Для количественной оценки кредитного риска на основе продвинутого !ЯВ-под-хода, используются следующие метрики (таблица 2).
Учитывая большое количество типов продуктов при использовании данного подхода, необходимо принимать во внимание корреляцию между позициями в определенном классе активов и между классами активов. Присвоение внутреннего рейтинга производится на основе имеющихся экономических, социальных и прочих данных о заемщике, путем применения исторической статистической выборки по ряду параметров. Для каждого значения внутреннего рейтинга банк присваивает свой показатель вероятности дефолта, рассчитанный для годового горизонта на основании имеющейся в банке статистики по схожим клиентам.
На рис. 1 представлена схема присвоения внутренних рейтингов и дальнейшее их использование.
Для минимизации потерь от риска проблемных кредитов в ссудном портфеле банка особое внимание следует уделить расчету величины кредитного риска и мониторингу кредитного портфеля, поскольку именно от этих превентивных мер зависит вероятность выхода отдельно взятого кредита «на просрочку» и дальнейшая возможность его перехода в статус «проблемный». Поскольку конечной целью количественной оценки кредитного риска является расчет ожидаемых и непредвиденных потерь (^ - ипехрейе^озз), которые могут возникнуть на заданном временном промежутке с определенной (указанной) вероятностью, то ключевой функцией рейтинговых систем выступает разделение заёмщиков по степени (уровню) риска относительно друг друга. В итоге, модели оценки кредитного риска в основном направлены на расчет именно вероятности дефолта заемщика.
Для расчета величины кредитного риска по портфелю активов следует применить формулу математического ожидания потерь EL (Ехрейе^озБ):
EL = PD х LGD х EAD (1)
При выборе стратегии взыскания банки обращают внимание только на такие метрики, как dpd, сумма долга, тип кредита. В случае внедрения !РВ-подхода, сегментация будет также производиться и по внутреннему рейтингу, присвоенному при первичном анализе заемщика. Таким способом можно достичь максимальной эффективности управления проблемной задолженностью.
Данное предположение возможно выразить с помощью линейной скоринговой модели:
П(Х) = Я + Х1Б1 + Х2Б2 + х^з + ...+ ХБ (2)
где п(Х) - балл заемщика по итогам анализа,Р-внутренний рейтинг заемщика, х1, х2, х3, хп - прочие метрики заемщика, & -вес метрик в модели.
Под прочими метриками мы рассматриваем такие метрики, как тип кредита, сумма долга, количество дней просроченной задолженности, регион, пр. Балльный анализ может использоваться для применения конкретной стратегии взыскания, а в комбинации с поведенческим скорингом возможно применение превентивных методов взыскания. Таким образом, можно сделать вывод, что от первоначального анализа заемщика (присвоения рейтинга) зависит его дальнейшее взаимоотношение с банком - вероятности одобрения кредита в рамках определенной суммы, предложения прочих продуктов, мониторинга кредитного риска, лимита риск-аппетита на заемщика.
Таблица 1
Источники получения информации о показателях оценки кредитного риска при базовом(фундамен-тальном) и продвинутом подходе
Наименование РО LGD К A] J
Базовый (фундаментальный ) ПОДХОД Оценка банка Оценка регулятора Оценка регулятора
Продвинутый подход Оценка банка Оценка банка Оценка банка
Таблица 2
Метрики IЯВ-подхода1
№ Название метрики Описание
1 Probability of Default (PD) Вероятность дефолта на выбранном горизонте (обычно 1 гея)
2 Loss Given Default (LGD) Погери при дефолте — доля кредитного требования (%), которую потеряет кредитор в случае дефолта заемщика
3 Exposure at Default (EAD) Сумма требований под риском (для ссуд -непогашенная часть основного долга)
Рисунок 1. Схема внутренних рейтингов для оценки проблемных кредитов2
Рис. 2. Механизм процесса работы с проблемными кредитами при внедрении 1ЯВ-подхода
На рис.2 представлена схема процесса взыскания долга по проблемным ссудам при внедрении !РВ-подхода. Ключевым моментом является интеграция процесса Рге-СоНесИоп в работу подразделения взыскания банка на основе синергии внутри подразделений оценки кре-
дитных рисков и непосредственно подразделением взыскания. При этом процесс присвоения внутреннего кредитного рейтинга и его мониторинг не должен заканчиваться после выхода кредита «на просрочку», а должен продолжаться на протяжении всей « жизни» кредита.
Наиболее оптимальным вариантом !РВ-подхода в процессе работы с проблемными кредитами является его применение в составе скоринговой модели СоНесйопЭсоппд (рис. 3), которая позволяет выбрать оптимальное сочетание действий банка для наиболее эффективной работы с должником.
Предлагаемая модель состоит из четырех основных стадий - «начало соНесйопБсоппд» (1), «расчет ценности стратегий» (2), «реализация стратегии» (3) и «итоги выполнения» (4). На первой стадии в отношении заемщика, попавшего в выборку, применяются поэтапные действия. Так, при анализе данных собираются статистические данные о данном типе заемщика, далее проводится балльный анализ задолженности клиента. Если присвоенный при первичной оценке внутренний кредитный рейтинг будет иметь наибольший вес, то по итогам суммы баллов необходимо провести сегментацию кредита, т.е. отнесение его в ранее обозначенную группу задолженности либо в более низкую группу (например, оптимальную, среднюю, плохую, критическую).
На второй стадии проводится одновременный подбор стратегии и способ взыскания задолженности, устанавливается срок для работы с должником. При этом делается поправка на внутренний рейтинг при выборе стратегии. Подразумевается, что изначально для каждого диапазона устанавливается стандартный набор методов, чтобы, в случае выбытия из диапазона при балльной оценке, возможно применение эффективных методов, предназначенных именно для указанного внутреннего рейтинга заемщика.
На третьей стадии проводится реализация выбранной стратегии. При этом производится мониторинг триггеров, которые могут повлиять на преждевременное окончание работы банка с проблемной задолженностью (например, подачи иска в отношении банка, признания заемщика банкротом, смерти должника, пр.). Для таких случаев, необходимы собственные, индивидуальные сценарии работы с долгом.
По итогам выполнения всех необходимых действий, на четвертой стадии, проводится анализ и оценка полученных результатов и эффективности взыскания, формируется оценка финансовых показателей взыскания (поступления оплат, сегментации расходов, чистого PnL). Кроме того, необходимо провести проверку корректности присвоенного внутренне-
© 3
В
S
г
3
см со £
Б
а
2 е
го рейтинга - в случае отрицательном эффективности процесса, имеет смысл снизить рейтинг и в будущем применить к должнику новые меры воздействия.
Далее необходимо провести SWOT-анализ предложенного решения (табл. 3).
Для снижения кредитного риска на этапе Рге-Со11еойоп в банке должны также активно применяться два ключевых инструмента: во-первых, работа с обеспечением (для залоговых кредитов); во-вторых, мониторинг потенциально проблемных кредитов путем внедрения процедур систематического наблюдения, выявления и оценки негативных предупреждающих сигналов, а также их анализа и наблюдения, разработки стратегии и комплекса мероприятий для потенциально проблемных заемщиков.
Для подтверждения этого вывода, разделим дальнейшую работу на этапы (табл.4).
На первом этапе на основе регрессионного анализа выявим влияние объема выданных ссуд физическим лицам (Х) на величину просроченной задолженности физических лиц (0 в АО ЮниКредит Банк( табл.5)5.
Модель линейной регрессии имеет
вид:
y = a. + ax + - + ax
1 0 11 n n
(3)
где: а - коэффициенты регрессии, х - влияющие переменные, п - число факторов.
Воспользуемся функцией «Регрессия» из пакета «Анализ данных MSExcel» и ознакомимся с результатами (рис. 4).
R-квадрат или коэффициент детерминации определился (рис. 4) на уровне 0,8046 или 80,5%, что объясняется зависимостью между расчетными параметрами модели на 80,5%, качество модели хорошее. Коэффициент У-пересечения находится на уровне 39,21, что свидетельствует о том, что на уровень просроченной задолженности влияют и другие факторы, не используемые в этой модели.
Для определения уровня значимости переменных воспользуемся эталонным значением второго уровня значимости, т.е. Р-значение переменной должно быть меньше 0,01 или 1%. Р-значение переменной Х1 определилось на уровне 0,00043 или 0,04% . Следовательно, вероятность ошибочного вывода о зависимости по этой модели составляет всего 0,04%.
Определим коэффициент корреляции, как
(4)
- 4W
Начало Collection Scoring
1НВ
Расчет ценности стратегий
Реализация Итоги
стратегии выполнения
Анализ и оценка результатов
Сегментация
Выбор метода
Установление срока
Наличие стоп-триггеров
Формирование отчета
Рисунок 3. Внедрение Ш-подхода в модель ColleоtюпSоoгiпg^ Таблица 3
SWOT-анализ внедрения Ш-подход в процесс управления розничными проблемными кредитами4.
8- сильные стороны
1. Увеличении дохода
2. Повышение эффективности процесса
3. Сокращение затрат
4. Высвобождение ресурсов
5. Конку рен тное преимущество на рынке
6. Минимизация ошибок в случае автоматизации
7. Достоверная оценка кредитного риска
О- возможности
• Новые источники данных
• Использование имеющихся на рынке решений
слабые стороны
• Недостаточная глубина данных
• Длительный срок перехода на новый процесс
• Бюрократическая составляющая
• 11оиск гампетентньгх сотрудников для поддержания процесса
• Существенный объем затрат
• Отсутствие методологий
Т - угрозы + Конкуренция задолжника + Дефицит базы исторических данных
+ Слабая нормативно-правовая база
Таблица 4
Этапы внедрения !ЯВ-подхода
Этап Описание
1 Выявление связи между объемом выданных ссуд и величиной просроченной задолженности с помощью регрессионно-корреляциоппого анализа
2 Составление схемы процесса взыскания с учетом внедрения НТО-подхода
3 вТТОТ-анализ внедрения ] ЮЗ-подхода в процесс взыскания розничных проблемных кредитов
Рассчитанный коэффициент корреляции для рассматриваемой пары значений отобразился на уровне 0,897, что говорит о довольно тесной положительной связи. Таким образом, можно сделать выводы о том, что имеются: а) хорошее качество модели ^-квадрат = 80,5%); б) положительная линейная зависимость между объемом выданных ссуд и размером просроченной задолженности (г = 0,897); в) низкая вероятность ошибочного вывода о связи параметров (Р-зна-чение переменной Х1 - 0,04%).
Таким образом, уменьшение доли просроченной задолженности будет являться результатом не только эффективного управления проблемными кредитами, но и результатом качественной кредитной политики банка. Принимая во внимание прямую тесную связь между выданными ссудами и размером просроченной задолженности в портфеле, можно сказать, что сокращение объемов кредитования приведет к сокращению доли просроченной задолженности. Однако этот вывод не является применимым на
Таблица 5
Входные параметры регрессионной модели6
I ]ериод Размер просроченной Размер выданных ссуд
задолженности физических физическим лицам, млрд
лиц, млрд руб. руб.
1 кв 2016 16,07 120,64
2 кв 2016 16,21 117,39
3 кв 2016 16,87 120,13
4 кв 2016 16,24 120,98
] ки 2017 14,40 120,64
2 кв 2017 14,01 125,36
3 кв 2017 14,66 129,78
4 кв 2017 13,80 132,03
1 кв 2018 13,89 137,46
2 кв 201К 12,14 142,71
3 кв 201К 9,28 146,89
вывод итогов
Регрессионная статистика
Множественный R 0.896972
R-квадрат 0,804559
Нормированный R 0,780129
Стандартная ощибк 1,040307
Наблюдения 10
Дисперсионный анализ
5S
М5
jHMi/AlÖCrriö F
Регрессия
Остаток
Итого
1 35,6414972 35,6414972 32,9331461 0,00043457 ä 8.6579028 1.082237В5 9 44,7™
Нозффици Стрн&артнс t-cmarnucmui Р-Значение Нижние 95 flepjfHue 95% Нижние 95,0 верхние 95.0% Y-паркпаниа 39,21275 4.37966Э32 8,95337021 1.9252Е-05 29,1132237 49.3122744 29,1132287 49,3122744 Переменная X1 -0,19375 0,0337üG7& -5,73Е740В 0,00043457 -0,271&449 -0.1159124 -0.2716449 -0.1159L24
Рисунок 4. Результаты регрессионного анализа
Рисунок 5. Итоги регрессионного анализа8
практике, поскольку при сокращении объемов кредитования банк потеряет один из источников формирования прибыли. Поэтому единственно верным вариантом в данном случае является внедрение эффективных методик оценки кредитного риска при выдаче ссуд. Рассмотрим данные методы. К традиционным методам оценки кредитного риска можно отнести:
- нормативный метод - оценка риска в соответствии с Положением Банка России от 28 июня 2017 г. № 590-П «О
порядке формирования кредитными организациями резервов на возможные потери по ссудам,ссудной и приравненной к ней задолженности», который используется во всех российский банках;
- методы кредитного скоринга (методы андеррайтинга), которые подтверждают важность качественного предварительного анализа заемщика;
- проведение стресс-тестирования.
Таким образом, банки в зависимости от ситуации и сценария стресс-тестирования могут спрогнозировать возмож-
ный размер будущих потерь, успеть мобилизовать ресурсы или предотвратить дальнейшее негативное развитие событий, а также применить иные методы анализа корпоративных кредитных рисков (например, Creditmetrics, CreditVaR). Однако данных методов может оказаться недостаточно для поддержания оптимального размера проблемных кредитов в общем объеме ссудного портфеля. Это свидетельствует о том, что применение указанных методов должно сопровождаться продуманной стратегией управления кредитным риском. Для российского банковского рынка IRB-подход является относительно новым методом оценки кредитных рисков. На наш взгляд, он наиболее качественно оценивает возникающие риски и помогает своевременно отследить факторы, которые могут привести к ухудшению финансового состояния заемщика. Следовательно, внедрение IRB-подхода для розничных клиентов, поможет не только более четко сегментировать потенциально проблемную задолженность, но и позволит качественно оценивать уровень кредитного риска.
Литература
1. Александров А.Ю. Управление портфелем проблемных кредитов коммерческого банка: автореферат дис. ... кандидата экономических наук: 08.00.10 / Александров Андрей Юрьевич; [Место защиты: С.-Петерб. гос. ун-т экономики и финансов].- Санкт-Петербург, 2010.23 с.: ил. РГБ ОД, 9 10-4/1521 [Электронный ресурс]. Экономическая библиотека URL: http://economy-lib.com (дата обращения: 10.06.2018)
2. Егорова Н.Е. О банковских стратегиях управления проблемной ссудной задолженностью // Банковское дело. -
2011. -№8. - с.44-47
3. Клейнер Г.Б., Коробов Д.С. История современного кредитного скоринга / Проблемы региональной экономики. -
2012. - №17. - с. 49-62.
4. Кованёв А.А. Инструментарий управления проблемной задолженностью по ссудам коммерческого банка : диссертация ... кандидата экономических наук : 08.00.10 / Кованёв Алексей Александрович; [Место защиты: Сарат. гос. соц.-эко-ном. ун-т].- Саратов, 2010.- 139 с.: ил. РГБ ОД, 61 10-8/386 [Электронный ресурс]. Экономическая библиотека URL: http://economy-lib.com (дата обращения: 10.06.2018)
5. Костюченко Н.С. Анализ кредитных рисков. Часть 2. Проблемная задол-
0 3
в
S
г
Ы
см со £
Б
а
2 ©
женность. Издание: М.: Скифия, 2012, Страниц: 376 ISBN: 978-5-903463-80-0
- с.560/ [Электронный ресурс]. URL: http://altaempresa.ru/category/finansyi (дата обращения: 10.08.2018)
6. Лаврушин О.И., Н.И. Валенцева (и др.) Банковское дело; под ред. О.И. Лав-рушина. - 12-е изд., стер. - М. : КНО-РУС, 2016 - 800 с. - (Бакалавриат). -с.400-404
7. Ларионова И.В. Риск-менеджмент в коммерческом банке : монография / коллектив авторов ; под ред. И.В. Ларионовой. - М. : КНОРУС, 2014 - 456 с.
8. Людвик С.А., Пивень Е.В. Л 93 БАНКОВСКОЕ ДЕЛО: Учебное пособие. -Владивосток: Изд-во ВГУЭС, 2012. - 172 с.
9. Маркова О.М. Организация деятельности коммерческого банка - Учебник - М.: ИД ФОРУМ, НИЦ ИНФРА-М, 2016. - 496 с.
10. Сухарева, И. О. Управление проблемными долгами в банковском секторе / И. О. Сухарева // Периодическое издание Банковское дело ISSN 2071-4904.
- Банковское дело 2011. - N 07.1127808 Чит.зал С. 49-54
11. Тотьмянина К.М. Моделирование вероятности дефолта корпоративных заемщиков банков: диссертация ... кандидата экономических наук: 08.00.10 / Тотьмянина Ксения Михайловна;[Место защиты: Национальный исследовательский университет].- Москва, 2014.- 133 с.
12. Шустова Е.П. Проблемный кредит: терминологическое содержание, критерии определения и факторы возникновения: университет «Кайнар», Вестник Алтайской академии экономики и права [Электронный ресурс]. URL: journal-aael.intelbi.ru/main/wp-content/uploads/.../ Е.П.-Шустова^ (дата обращения: 10.06.2018)
13. Официальный сайт Центрального банка РФ. [Электронный ресурс]. URL: https://www.cbr.ru/analytics/bnkSyst/ (дата обращения: 25.09.2018)
14. Сбербанк России официальный сайт. [Электронный ресурс]. URL: http:// www.sberbank.ru/ (дата обращения: 25.10.2018)
15. ЮниКредит Банк официальный сайт. [Электронный ресурс]. URL: https:/ /www.unicreditbank.ru/ (дата обращения: 25.10.2018)
16. Официальный сайт ТАСС. ЦБ: доля просроченных кредитов физичес-
ких лиц снизилась с начала 2018 года до 6,7% с 6,9% [Электронный ресурс]. URL: https://tass.ru/ekonomika/5119210 (дата обращения: 17.08.2018)
Ссылки:
1Bank for International Settlements // The Internal Risk-Based Approach [Элект-ронныйресурс]. URL: http://www.bis.org/ publ/bcbsca05.pdf (дата обращения: 20.12.2018)
2Проблемы современной экономики, N 4 (60), 2016 // Финансово-кредитная система. Бюджетное, валютное и кредитное регулирование экономики, инвестиционные ресурсы. URL: http://www.m-economy.ru/art.php?nArtId=5936
ЗРисунок составлен автором на основе практических знаний работы Департамента взыскания АО ЮниКредит Банк 4Таблица составлена автором на основе практических знаний работы Департамента взыскания АО ЮниКредит Банк 5 Данные для проведения анализа взяты из официальной бухгалтерской отчетности по РСБУ с 1 квартала 2016 года по 3 квартал 2018 года.
6Таблица составлена автором на основании информации, размещенной в открытых источниках АО ЮниКредит Банк 7Рисунок составлен автором с помощью функции Регрессия в пакете «Анализ данных (MSExcel)»
8Рисунок составлен автором с помощью функции Регрессия в пакете Анализ данных (MSExcel)
Implementation of the irb approach to the assessment of the credit risk borrowers of a commercial bank Markova O.M.
Financial University
In modern conditions, there is an increasing interest in the problem of increasing the level of problem loans associated with the deterioration of the financial condition of a retail borrower. To minimize the level of overdue debt, one should pay attention to introducing an IRB approach to assessing credit risk at the loan issuance stage and in case of going into arrears, as well as using preventive recovery measures related to high-quality underwriting customer loan debt (using creditscoring), conducting stress testing under several scenarios, using scoring tests to identify negative trends in the debtor's payment behavior.
Keywords: problem loan, credit rating, overdue debt, IRB-approach
References
1. Aleksandrov A.Yu. Managing a portfolio of problem loans of a commercial bank: abstract of thesis. ... Candidate of Economic Sciences: 08.00.10 / Andrei Y. Aleksandrov; [Place of
defense: St. Petersburg. state University of Economics and Finance] .- St. Petersburg, 2010.- 23 p.: ill. RSL OD, 9 10-4 / 1521 [Electronic resource]. Economic Library URL: http://economy-lib.com (appeal date: 06/10/ 2018)
2. Egorov N.E. On Bank Strategies for Managing
Distressed Loan Debt // Banking. - 2011. -№8. - pp.44-47
3. Kleiner, G. B., Korobov, D.S. History of modern
credit scoring / Problems of the regional economy. - 2012. - №17. - with. 49-62.
4. Kovanev A.A. Management tools of a problem
debt on loans of a commercial bank: dissertation ... Candidate of Economic Sciences: 08.00.10 / Kovanev Aleksey Aleksandrovich; [Place of protection: Sarat. state social-econom University Press]. Saratov, 2010.- 139 pp., ill. RSL OD, 61 10-8 / 386 [Electronic resource]. Economic Library URL: http://economy-lib.com (appeal date: 06/10/ 2018)
5. Kostyuchenko N.S. Credit risk analysis. Part 2.
Bad debts. Edition: Moscow: Skifia, 2012, Pages: 376 ISBN: 978-5-903463-80-0 -p.560 / [Electronic resource]. URL: http:// altaempresa.ru/category/finansyi (access date: 08/10/2018)
6. Lavrushin OI, N.I. Valenceva (and others) Banking;
by ed. O.I. Lavrushin. - 12th ed., Sr. - M.: KNORUS, 2016 - 800 p. - (Undergraduate). -p.400-404
7. Larionova I.V. Risk management in a commercial
bank: a monograph / team of authors; by ed. I.V. Larionova. - M.: KNORUS, 2014 - 456 p.
8. Ludvik S.A., Piven E.V. L 93 BANKING: Study
Guide. - Vladivostok: Publishing house VSUES, 2012. - 172 p.
9. Markova O.M. Organization of a commercial bank
- Textbook - Moscow: ID FORUM, SIC INFRA-M, 2016. - 496 p.
10. Sukhareva, I. O. Managing Distressed Debts in the Banking Sector / I. O. Sukhareva // Periodical Edition Banking ISSN 2071-4904. -Banking 2011. - N 07.1127808 Chit.zal S. 49-54
11. Totmianina K.M. Modeling the probability of default of corporate borrowers of banks: dissertation ... Candidate of Economic Sciences: 08.00.10 / Totmianina Xenia Mikhailovna; [Place of defense: National Research University] .- Moscow, 2014.- 133 p.
12. Shustova E.P. Problem loan: terminological content, criteria for determining and factors of occurrence: Kainar University, Bulletin of the Altai Academy of Economics and Law [Electronic resource]. URL: journal-aael.intelbi.ru/main/wp-content/uploads/... / E.n.- WycTOBa.pdf (access date: 10.06.2018)
13. The official site of the Central Bank of the Russian Federation. [Electronic resource]. URL: https://www.cbr.ru/analytics/bnksyst/ (access date: 09/25/2018)
14. Sberbank of Russia official website. [Electronic resource]. URL: http://www.sberbank.ru/ (appeal date: 10/25/2018)
15. UniCredit Bank official website. [Electronic resource]. URL: https://www.unicreditbank.ru/ (appeal date: 10/25/2018)
16. The official website of TASS. Central Bank: the share of overdue loans of individuals decreased from the beginning of 2018 to 6.7% from 6.9% [Electronic resource]. URL: https:// tass.ru/ekonomika/5119210 (appeal date: 08/ 17/2018)
