Статьи, Журналы
Как прогнозировать дефолты банков
Статьи, Журналы
Как прогнозировать дефолты банков
Щепелева, М.А. Как прогнозировать дефолты банков : эволюция методов, моделей и факторов риска / М. А. Щепелева, М. И. Столбов // Экономика и математические методы. — Москва, 2026 — N 1. Том 62. — С.63-77. — Библиогр. в конце ст.
Щепелева, М.А. и Столбов, М.И., (2026), "Как прогнозировать дефолты банков: эволюция методов, моделей и факторов риска", Экономика и математические методы, Москва, 2026, N 1. Том 62, С.63-77.
Щепелева М А, Столбов М И. Как прогнозировать дефолты банков: эволюция методов, моделей и факторов риска. Экономика и математические методы. 2026; (N 1. Том 62). С.63-77. DOI:DOI.
Поделиться
Вконтакте 
Одноклассники 
Telegram Источник
Аннотация
Прогнозирование банковских дефолтов представляет собой важную задачу для всей экономики. Раннее выявление проблемных банков помогает предотвратить надвигающиеся банкротства либо минимизировать связанные с ними потери. В статье обсуждается современное состояние инструментальных методов и данных, используемых для этой цели. Последовательно рассматриваются теоретические предпосылки, эволюция методологических подходов, применяемых для прогнозирования банковских дефолтов, особенности работы с данными, а также перечни предикторов, которые включают в модели раннего оповещения. Делается вывод, что в литературе до сих пор наблюдаются существенные противоречия в отношении как методов, так и переменных, которые следует использовать в прогнозных моделях. Методы машинного обучения демонстрируют лучшую по сравнению с традиционными статистическими моделями способность выявлять нелинейные зависимости и работать с большими выборками. Их преимущества часто нивелируются при вневыборочной оценке. Другие ограничения подобных методов связаны с риском переобучения и сложностью интерпретации результатов. Списки потенциальных предикторов банковских дефолтов также разнятся от страны к стране. Чаще всего в прогнозных моделях используют данные банковских балансов и финансовые коэффициенты. Однако есть исследования, которые показывают для отдельных стран повышение точности прогнозов при включении рыночных, макроэкономических и нефинансовых показателей. Перспективы дальнейших исследований в этой области заключаются в поиске оптимального сочетания параметрических и непараметрических подходов, исследовании потенциала нефинансовых показателей в качестве факторов банковских банкротств, а также в проведении исследований на больших выборках, включающих как развитые, так и развивающиеся страны.
Ключевые слова
-
УДК:336.71
-
DOI: DOI — Digital Object Identifier — цифровой идентификатор объекта. Современный стандарт обозначения объектов информационной деятельности в сети Интернет, позволяющий идентифицировать и искать научные данные, размещённые в сети Интернет и привязывать к объекту дополнительные метаданные. Номер DOI всегда остаётся неизменным, который позволяет найти объект, даже если сведения о нем не полные или не точные.
Рекомендовано к ознакомлению
- 1. Лугуева, А.С. Модели машинного обучения для предсказания дефолтов в банковском секторе / А. С. Лугуева, А. М. Нухова, Ш. С. Кадыров // Экономика и управление: проблемы, решения. — Москва, 2024 — N 12 ч. 6. — С.156-162.
- 2. Бекирова, О.А. Отозвать нельзя санировать: как со временем менялись индикаторы дефолтов российских банков / О. А. Бекирова // Экономический журнал Высшей школы экономики. — Москва, 2024 — N 2. Том 28. — С.195-222.
- 3. Галимуллин, Н.Р. Роль искусственного интеллекта в цифровой трансформации банковской системы / Н. Р. Галимуллин // Экономика и управление: проблемы, решения. — Москва, 2025 — Т. 2. № 3. — С.142-150.
- 4. Шмелев, Р.Ю. Актуальные проблемы и преимущества использования скоринговых моделей в оценке кредитных рисков / Р. Ю. Шмелев // Финансовые рынки и банки. — Москва, 2026 — N 4. — С.482-484.
- 5. Титов, В.Е. Искусственный интеллект в кредитном скоринге банков / В. Е. Титов // Финансовые рынки и банки. — Москва, 2026 — N 4. — С.458-460.
- 6. Петров, А.М. Использование инструментов бизнес-аналитики (BI) для оценки и управления рисками в банковском секторе / А. М. Петров // Экономические науки. Научно-информационный журнал. — Москва, 2025 — N 9. — С.194-199.
- 7. Багдасарова, И.А. Оценка и регулирование кредитных рисков в современной банковской среде / И. А. Багдасарова, А. А. Дюбилина // Банковское дело. — Москва, 2025 — N 6. — С.46-52.
- 8. Воробьев, К.С. Прогнозирование подверженности кредитному риску кластеров банков в зависимости от макропараметров / К. С. Воробьев, А. В. Гиринский // Финансовые рынки и банки. — Москва, 2025 — N 9. — С.381-390.
- 9. Карих, Д.А. Алгоритм оценки текущей стоимости кредитных организаций в условиях цифровизации / Д. А. Карих // Банковское дело. — Москва, 2025 — N 11. — С.66-71.
- 10. Предупреждение банкротства кредитных организаций / Финансовый университет при Правительстве Российской Федерации. — Москва : КноРус, 2021. — 164 с.. — (Магистратура). — ISBN 978-5-406-08319-2.
Отзывы читателей
0