Вид документа : Статья из журнала Шифр издания : Автор(ы) : Вималаратхне, Канчана, Ломакин, Николай Иванович, Сазонов, Сергей Петрович, Шабанов, Никита Тимофеевич, Крюкова, Светлана Юрьевна, Наумова, Светлана Алексеевна, Репин, Ярослав Андреевич, Ломакин, Иван Николаевич, Радионова, Елена Александровна Заглавие : AI-cистема, корреляционно-регрессионная и VaR-модель для прогнозирования просроченной задолженности коммерческих банков РФ и анализа финансового риска Серия: От теории к практике Место публикации : Международная экономика. - 2022. - № 6. - С.450-464. - ISSN 2074-6040 (Шифр meek/2022/6). - ISSN 2074-6040 Примечания : Библиогр.: с. 461-462 (13 назв.)References: p. 462-464 (13 names) УДК : 336.7 ББК : 65.262 Предметные рубрики: Экономика Кредитно-денежная система --Россия, 2013-2021 гг. Ключевые слова (''Своб.индексиров.''): коммерческие банки--корреляционно-регрессионные модели--невозвратные кредиты--прогнозирование просроченной задолженности--просроченная задолженность--финансовые риски Аннотация: В статье исследованы теоретические основы возникновения просроченной задолженности по кредитам и прогнозирования финансового риска в российских банках в современных условиях. Актуальность исследования в том, что рост проблемной задолженности коммерческих банков по кредитам в настоящее время является одной из наиболее острых проблем. Собранный материал позволил провести анализ динамики объемов просроченной задолженности по кредитам в коммерческих банках РФ за период 2013-2021 гг. В ходе исследования было выявлено, что на объем проблемной задолженности влияет множество факторов. В целях изучения влияния факториальных признаков на результативный признак - объем просроченной задолженности предпринята попытка использовать корреляционно-регрессионные модели AI и VaR. Выдвинута и доказана гипотеза, что с помощью корреляционно-регрессионной, AI- и VaR-моделей можно получить прогноз объема просроченных кредитов в портфеле коммерческих банков РФ. В корреляционно-регрессионную модель помимо результативного признака (темп роста просроченной задолженности) были включены такие факториальные признаки, как: темп роста ВВП на душу населения; темп роста среднедушевого дохода населения; темп роста профицита внешней торговли; индекс инфляции; темп роста оттока капитала; темп роста наличных денежных средств; процентная ставка по кредитам; курс доллара США; цена барреля нефти URLS долларов; рост заработной платы. Исследование показало, что применение различных инструментов прогнозирования обеспечивает получение разных объемов просроченной задолженности. Доп.точки доступа: Вималаратхне, Канчана (магистрант); Ломакин, Николай Иванович (кандидат экономических наук; доцент); Сазонов, Сергей Петрович (доктор экономических наук; профессор); Шабанов, Никита Тимофеевич (магистрант); Крюкова, Светлана Юрьевна (магистрант); Наумова, Светлана Алексеевна (магистрант); Репин, Ярослав Андреевич (студент); Ломакин, Иван Николаевич (бакалавр); Радионова, Елена Александровна (кандидат экономических наук; доцент)