This media is not supported in your browser
VIEW IN TELEGRAM
Как полюбить квантовые технологии и когда они дадут пользу бизнесу? Ч. 2.
Практика уже началась: квантовые подходы выходят в продакшн
Квантовые и квантово‑вдохновленные подходы уже применимы в оптимизации, генерации, моделировании и синтетике. В мире есть примеры индустриального внедрения: в Bank of America квантовые решения выводят в продакшн для расчетов и моделирования финансовых рынков. В ряде задач (например, прогнозирование кривых доходностей) квантово‑вдохновленные алгоритмы показывают очень высокую точность.
Кейс 1. Оптимизация инвестиционного портфеля
Типовой пайплайн квантовой оптимизации выглядит так:
— определяем размерность задачи;
— переводим постановку в квантовую форму;
— выделяем мат. ядро и переписываем его на «квантовом языке»;
— запускаем на квантовом компьютере (если хватит кубитов и качества) или на эмуляторе.
Важно: для «честного» квантового решения иногда нужны условные 1000+ кубитов. Но практические эффекты уже доступны на эмуляторах и квантово‑вдохновленных алгоритмах, в т.ч. за счет более точных операций внутри вычислительного контура.
При сравнительном анализе лучшие результаты показал SimCIM (Simulation of Coherent Ising), алгоритм квантово-вдохновленной оптимизации, имитирующий Coherent Ising Machine.
Что увидели в тестах:
— SimСIM по скорости обгоняет Gurobi во всех исследуемых сценариях;
— на крупных задачах лучше D-Wave;
— качество сопоставимо с Gurobi на малых задачах и выше на крупных.
Тесты эмулятора показали: квантово-вдохновленный оптимизатор обеспечивает лучшую точность и скорость в сравнении с классическими инструментами финансовой оптимизации.
Кейс 2. Ускорение саммаризации квантово‑вдохновленным подходом
Не все могут принести LLM «внутрь банка», но саммаризация нужна — чтобы передавать тексты в обучение или в контекст LLM.
Мы собрали саммаризатор на квантово‑вдохновленных алгоритмах, работающий на промежуточном стеке:
• по качеству он уступает полноценной LLM,
• зато быстрее и экономнее по ресурсам,
• точность — всего на 4% ниже, чем у Qwen 2.7B.
По скорости на одном из сценариев:
• классическое решение: 97 секунд
• квантово‑вдохновленное: 83 секунды (на 14% быстрее)
Потенциал на крупных текстах — ускорение на 30–50% при пользовательском анализе, плюс возможность работать с входными данными для LLM практически любого размера.
Что здесь важно
Все эти кейсы реализуются на квантово‑вдохновленных оптимизаторах — как on‑premise, так и в облаке. На практике, если у вас уже где-то «крутится» Gurobi или open‑source оптимизаторы, то во многих задачах их можно заменить квантово‑вдохновленным подходом (при корректной адаптации постановки). Ключевое — понимать математику своего вычислительного ядра.
Кейс 3: Улучшение характеристик маркетингового оптимизатора с помощью квантовых вычислений
Раньше для расчета маркетинговых рассылок мы использовали классический Gurobi и самописный алгоритм на C. Процесс был тяжелым: регулярные запуски, сбор датасета, подготовка данных. Один расчет (после загрузки базы данных) занимал около 14 часов.
Задача: сформировать оптимальный план маркетинговых рассылок: какие предложения, каким клиентам и через какие каналы коммуникации отправлять.
Что сделали : перестроили оптимизационное ядро и применили квантово‑вдохновленный подход, чтобы ускорить расчет и повысить «пропускную способность» процесса.
Результат: теперь тот же расчет выполняется за 40 минут. Прирост — кратный. Но важно не только время: выросло количество откликов, то есть решение стало приносить прямой бизнес‑эффект. Это как раз тот случай, когда «кванты» дают практическую пользу.
Итог
Мы часто воспринимаем квантовые вычислители и другие альтернативные архитектуры как что-то далёкое. Однако я очень рекомендую присмотреться к таким технологиям для высоконагруженных задач: многие из них можно решать уже сейчас — и при этом экономически эффективно.
Практика уже началась: квантовые подходы выходят в продакшн
Квантовые и квантово‑вдохновленные подходы уже применимы в оптимизации, генерации, моделировании и синтетике. В мире есть примеры индустриального внедрения: в Bank of America квантовые решения выводят в продакшн для расчетов и моделирования финансовых рынков. В ряде задач (например, прогнозирование кривых доходностей) квантово‑вдохновленные алгоритмы показывают очень высокую точность.
Кейс 1. Оптимизация инвестиционного портфеля
Типовой пайплайн квантовой оптимизации выглядит так:
— определяем размерность задачи;
— переводим постановку в квантовую форму;
— выделяем мат. ядро и переписываем его на «квантовом языке»;
— запускаем на квантовом компьютере (если хватит кубитов и качества) или на эмуляторе.
Важно: для «честного» квантового решения иногда нужны условные 1000+ кубитов. Но практические эффекты уже доступны на эмуляторах и квантово‑вдохновленных алгоритмах, в т.ч. за счет более точных операций внутри вычислительного контура.
При сравнительном анализе лучшие результаты показал SimCIM (Simulation of Coherent Ising), алгоритм квантово-вдохновленной оптимизации, имитирующий Coherent Ising Machine.
Что увидели в тестах:
— SimСIM по скорости обгоняет Gurobi во всех исследуемых сценариях;
— на крупных задачах лучше D-Wave;
— качество сопоставимо с Gurobi на малых задачах и выше на крупных.
Тесты эмулятора показали: квантово-вдохновленный оптимизатор обеспечивает лучшую точность и скорость в сравнении с классическими инструментами финансовой оптимизации.
Кейс 2. Ускорение саммаризации квантово‑вдохновленным подходом
Не все могут принести LLM «внутрь банка», но саммаризация нужна — чтобы передавать тексты в обучение или в контекст LLM.
Мы собрали саммаризатор на квантово‑вдохновленных алгоритмах, работающий на промежуточном стеке:
• по качеству он уступает полноценной LLM,
• зато быстрее и экономнее по ресурсам,
• точность — всего на 4% ниже, чем у Qwen 2.7B.
По скорости на одном из сценариев:
• классическое решение: 97 секунд
• квантово‑вдохновленное: 83 секунды (на 14% быстрее)
Потенциал на крупных текстах — ускорение на 30–50% при пользовательском анализе, плюс возможность работать с входными данными для LLM практически любого размера.
Что здесь важно
Все эти кейсы реализуются на квантово‑вдохновленных оптимизаторах — как on‑premise, так и в облаке. На практике, если у вас уже где-то «крутится» Gurobi или open‑source оптимизаторы, то во многих задачах их можно заменить квантово‑вдохновленным подходом (при корректной адаптации постановки). Ключевое — понимать математику своего вычислительного ядра.
Кейс 3: Улучшение характеристик маркетингового оптимизатора с помощью квантовых вычислений
Раньше для расчета маркетинговых рассылок мы использовали классический Gurobi и самописный алгоритм на C. Процесс был тяжелым: регулярные запуски, сбор датасета, подготовка данных. Один расчет (после загрузки базы данных) занимал около 14 часов.
Задача: сформировать оптимальный план маркетинговых рассылок: какие предложения, каким клиентам и через какие каналы коммуникации отправлять.
Что сделали : перестроили оптимизационное ядро и применили квантово‑вдохновленный подход, чтобы ускорить расчет и повысить «пропускную способность» процесса.
Результат: теперь тот же расчет выполняется за 40 минут. Прирост — кратный. Но важно не только время: выросло количество откликов, то есть решение стало приносить прямой бизнес‑эффект. Это как раз тот случай, когда «кванты» дают практическую пользу.
Итог
Мы часто воспринимаем квантовые вычислители и другие альтернативные архитектуры как что-то далёкое. Однако я очень рекомендую присмотреться к таким технологиям для высоконагруженных задач: многие из них можно решать уже сейчас — и при этом экономически эффективно.
🔥3👍2
Biweekly Scoring News: выдачи POS-кредитов сокращаются, ипотечный чек ползет вверх, фрод-звонков стало меньше
Средний размер ипотечного кредита в России за год вырос на 9% — до 4,8 млн рублей. В декабре 2025 года средний чек на вторичном рынке достиг 3,6 млн рублей (плюс 6% к ноябрю и плюс 33% к декабрю 2024 года). По новостройкам средний размер выданных ипотечных кредитов сохранился на уровне 5,9 млн рублей (минус 3% к декабрю 2024 года). На готовые дома и ИЖС средний размер ипотечных кредитов составил 5,4 млн рублей (плюс 4% к ноябрю; минус 2% к декабрю 2024 года).
В России снизились выдачи POS-кредитов. По данным ОКБ, количество оформленных кредитов сократилось на 52%, а объем выдач — на 51%, до 2,38 миллиона кредитов и 155,57 млрд рублей соответственно. В среднем ежемесячно россияне оформляли кредиты на товары на сумму 12,96 миллиарда рублей, в то время как в 2024 году этот показатель достигал 26,68 миллиарда рублей.
НБКИ: в декабре средний размер лимитов по новым выданным кредитным картам составил 99,1 тыс. руб. Это на 11,3% ниже, чем годом ранее (111,7 тыс. руб. в декабре 2024 г.), но на 2,1% выше, чем в ноябре 2025 года (97,1 тыс. руб.)
Среди 30 регионов-лидеров по выдачам новых кредитных карт в декабре 2025 года самые высокие средние лимиты были зафиксированы в Москве (137,7 тыс. руб.), Московской области (118,8 тыс. руб.), Санкт-Петербурге (117,9 тыс. руб.), а также в Тюменской (с ХМАО и ЯНАО) (107,7 тыс. руб.) и Ленинградской (103,3 тыс. руб.) областях.
В декабре банки замедлили корпоративное кредитование. По данным ЦБ, корпоративный портфель снизился на 0,2%, до 116,4 трлн рублей, а кредит экономике — на 0,4% до 156,5 трлн рублей. В ЦБ отмечают, что на динамику повлияли разовые колебания, связанные «с особенностями структуры отдельных сделок». Если исключить этот эффект, рост сохранялся, но был слабее, чем в октябре-ноябре, в т.ч. из-за факторов, обусловленных оплатой госзаказа.
Т-Банк сообщил о снижении числа мошеннических звонков в России: по его оценкам, в 2025 году их количество сократилось на 21%. В среднем защитные сервисы банка ежемесячно выявляли около 65 миллионов звонков от злоумышленников.
При этом в первом квартале 2025 года мошенничество продолжало расти, и по числу звонков, и по потенциальному ущербу. В этот период удалось сохранить на 20% больше средств на счетах клиентов, чем за аналогичный период 2024 года.
Средний размер ипотечного кредита в России за год вырос на 9% — до 4,8 млн рублей. В декабре 2025 года средний чек на вторичном рынке достиг 3,6 млн рублей (плюс 6% к ноябрю и плюс 33% к декабрю 2024 года). По новостройкам средний размер выданных ипотечных кредитов сохранился на уровне 5,9 млн рублей (минус 3% к декабрю 2024 года). На готовые дома и ИЖС средний размер ипотечных кредитов составил 5,4 млн рублей (плюс 4% к ноябрю; минус 2% к декабрю 2024 года).
В России снизились выдачи POS-кредитов. По данным ОКБ, количество оформленных кредитов сократилось на 52%, а объем выдач — на 51%, до 2,38 миллиона кредитов и 155,57 млрд рублей соответственно. В среднем ежемесячно россияне оформляли кредиты на товары на сумму 12,96 миллиарда рублей, в то время как в 2024 году этот показатель достигал 26,68 миллиарда рублей.
НБКИ: в декабре средний размер лимитов по новым выданным кредитным картам составил 99,1 тыс. руб. Это на 11,3% ниже, чем годом ранее (111,7 тыс. руб. в декабре 2024 г.), но на 2,1% выше, чем в ноябре 2025 года (97,1 тыс. руб.)
Среди 30 регионов-лидеров по выдачам новых кредитных карт в декабре 2025 года самые высокие средние лимиты были зафиксированы в Москве (137,7 тыс. руб.), Московской области (118,8 тыс. руб.), Санкт-Петербурге (117,9 тыс. руб.), а также в Тюменской (с ХМАО и ЯНАО) (107,7 тыс. руб.) и Ленинградской (103,3 тыс. руб.) областях.
В декабре банки замедлили корпоративное кредитование. По данным ЦБ, корпоративный портфель снизился на 0,2%, до 116,4 трлн рублей, а кредит экономике — на 0,4% до 156,5 трлн рублей. В ЦБ отмечают, что на динамику повлияли разовые колебания, связанные «с особенностями структуры отдельных сделок». Если исключить этот эффект, рост сохранялся, но был слабее, чем в октябре-ноябре, в т.ч. из-за факторов, обусловленных оплатой госзаказа.
Т-Банк сообщил о снижении числа мошеннических звонков в России: по его оценкам, в 2025 году их количество сократилось на 21%. В среднем защитные сервисы банка ежемесячно выявляли около 65 миллионов звонков от злоумышленников.
При этом в первом квартале 2025 года мошенничество продолжало расти, и по числу звонков, и по потенциальному ущербу. В этот период удалось сохранить на 20% больше средств на счетах клиентов, чем за аналогичный период 2024 года.
👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Take Rate × EROE: как Альфа‑Банк считает «умную» ставку по кредиту наличными. Ч. 1.
Ставка — не всегда главный рычаг спроса. На Scoring Day руководитель продвинутой аналитики розничного бизнеса Альфа‑Банка Игорь Дойников показал, как банк перебирает 10 000+ комбинаций условий и в моменте выбирает для клиента оффер, который одновременно максимизирует согласие (Take Rate) и экономику (EROE).
Коротко — об эволюции конкуренции в ИИ в банках
До 2010-х рынок соревновался за качество скоринга: все «боролись за Gini» и строили первые модели на логистической регрессии.
Дальше наступила эпоха risk-based pricing: клиенты различаются по уровню риска, который должен учитываться в ставке.
С начала 2020-х фокус конкуренции сместился в модели ценообразования — в модели Take Rate (вероятности согласия клиента на предложение).
Гипотеза Take Rate: все просто
Люди по‑разному реагируют на параметры продукта. Хорошо видно на примере авто: для одних важны разгон и скорость, для других — экономичность или дизайн. Приоритеты напрямую влияют на вероятность покупки.
То же самое — в кредите наличными
Кто-то выбирает по сумме, кто-то по ставке, кому-то критично «без документов», отсутствие страховок и т. д.
Частая ошибка — считать, что самым эластичным параметром является ставка. Многое зависит от диапазона рассматриваемых ставок (условно «минус 2 / плюс 2» к базе). По нашим наблюдениям, чаще люди реагируют на сумму кредита — насколько мы закрываем потребность клиента в нужном объеме денег.
Из чего складывается прайс
В основе прайсинга кредита наличными — ставка фондирования, стоимость привлечения клиента, а также CAPEX и OPEX, распределенные на каждого клиента.
Есть индивидуальные параметры, влияющие на стоимость кредита: срок, сумма и весь cost of risk — модели PD, LGD, EAD.
Цель: не просто «выдать», а заработать
Наша базовая задача — выдавать кредиты с положительной экономикой. Внутри мы максимизируем метрику EROE (по смыслу близка к марже) — и именно ее хотим «поднимать» на потоке.
Почему одной финансовой метрики мало
Если повышать ставку по кредиту наличными, доходность на единицу может расти, но падает вероятность оформления — Take Rate. Если снизить ставку, этот показатель вырастет, выдач станет больше, но продукт может «уйти» в отрицательную маржу.
Значит, этот эффект нужно закладывать в оптимизацию явно, причем на уровне конкретного клиента.
Баланс ставки и спроса: «матрица предложений»
Практика такая: мы берем модель Take Rate и перебираем условия кредита (ставка, срок, сумма, страховка/без). Те же параметры подставляем в расчет EROE.
На выходе получаем тысячи комбинаций (10 000+ тыс. — зависит от шага по ставке) и выбираем оптимум по ожидаемой ценности.
Как это работает в моменте
Клиент приходит за кредитом — матрица прогоняет набор вариантов, считает Take Rate и риск-компоненты (в т.ч. тяжелые расчеты по PD). Цель — показать клиенту наиболее релевантный оффер (Take Rate × EROE). Сотруднику остается выбрать лучшее предложение по этим метрикам.
Что важно для модели Take Rate
1. Входные параметры кредита — обязательны (иначе нечего оптимизировать).
2. Адекватный знак зависимости (рост ставки не должен «повышать» Take Rate).
3. Монотонность: ставка вверх → Take Rate вниз. Иначе модель будет вести себя неустойчиво и выдавать нелогичные рекомендации.
4. Качественный лог показов: что именно показывали клиенту и с какими условиями. Без этого модель невозможно обучить — это реально отдельный челлендж.
5. Отдельные модели под разные каналы: отделение и онлайн.
Продолжение — в следующем посте!
Ставка — не всегда главный рычаг спроса. На Scoring Day руководитель продвинутой аналитики розничного бизнеса Альфа‑Банка Игорь Дойников показал, как банк перебирает 10 000+ комбинаций условий и в моменте выбирает для клиента оффер, который одновременно максимизирует согласие (Take Rate) и экономику (EROE).
Коротко — об эволюции конкуренции в ИИ в банках
До 2010-х рынок соревновался за качество скоринга: все «боролись за Gini» и строили первые модели на логистической регрессии.
Дальше наступила эпоха risk-based pricing: клиенты различаются по уровню риска, который должен учитываться в ставке.
С начала 2020-х фокус конкуренции сместился в модели ценообразования — в модели Take Rate (вероятности согласия клиента на предложение).
Гипотеза Take Rate: все просто
Люди по‑разному реагируют на параметры продукта. Хорошо видно на примере авто: для одних важны разгон и скорость, для других — экономичность или дизайн. Приоритеты напрямую влияют на вероятность покупки.
То же самое — в кредите наличными
Кто-то выбирает по сумме, кто-то по ставке, кому-то критично «без документов», отсутствие страховок и т. д.
Частая ошибка — считать, что самым эластичным параметром является ставка. Многое зависит от диапазона рассматриваемых ставок (условно «минус 2 / плюс 2» к базе). По нашим наблюдениям, чаще люди реагируют на сумму кредита — насколько мы закрываем потребность клиента в нужном объеме денег.
Из чего складывается прайс
В основе прайсинга кредита наличными — ставка фондирования, стоимость привлечения клиента, а также CAPEX и OPEX, распределенные на каждого клиента.
Есть индивидуальные параметры, влияющие на стоимость кредита: срок, сумма и весь cost of risk — модели PD, LGD, EAD.
Цель: не просто «выдать», а заработать
Наша базовая задача — выдавать кредиты с положительной экономикой. Внутри мы максимизируем метрику EROE (по смыслу близка к марже) — и именно ее хотим «поднимать» на потоке.
Почему одной финансовой метрики мало
Если повышать ставку по кредиту наличными, доходность на единицу может расти, но падает вероятность оформления — Take Rate. Если снизить ставку, этот показатель вырастет, выдач станет больше, но продукт может «уйти» в отрицательную маржу.
Значит, этот эффект нужно закладывать в оптимизацию явно, причем на уровне конкретного клиента.
Баланс ставки и спроса: «матрица предложений»
Практика такая: мы берем модель Take Rate и перебираем условия кредита (ставка, срок, сумма, страховка/без). Те же параметры подставляем в расчет EROE.
На выходе получаем тысячи комбинаций (10 000+ тыс. — зависит от шага по ставке) и выбираем оптимум по ожидаемой ценности.
Как это работает в моменте
Клиент приходит за кредитом — матрица прогоняет набор вариантов, считает Take Rate и риск-компоненты (в т.ч. тяжелые расчеты по PD). Цель — показать клиенту наиболее релевантный оффер (Take Rate × EROE). Сотруднику остается выбрать лучшее предложение по этим метрикам.
Что важно для модели Take Rate
1. Входные параметры кредита — обязательны (иначе нечего оптимизировать).
2. Адекватный знак зависимости (рост ставки не должен «повышать» Take Rate).
3. Монотонность: ставка вверх → Take Rate вниз. Иначе модель будет вести себя неустойчиво и выдавать нелогичные рекомендации.
4. Качественный лог показов: что именно показывали клиенту и с какими условиями. Без этого модель невозможно обучить — это реально отдельный челлендж.
5. Отдельные модели под разные каналы: отделение и онлайн.
Продолжение — в следующем посте!
👍5🔥2
Take Rate × EROE: как Альфа‑Банк считает «умную» ставку по кредиту наличными. Ч. 2
Про данные: почему их «нет»
Главная сложность в модели Take Rate — обучающая выборка. Похоже на ситуацию с котом Шрёдингера: мы не можем одновременно предложить одному клиенту кредит под 20% и под 25% — это будет выглядеть как минимум странно. Поэтому без экспериментов «чистых» данных для обучения просто не появляется.
Решение: управляемая рандомизация
Идея простая, но ее часто упускают: нужно встроить систему случайных «рычагов» и на этих данных учить модель. Мы так и сделали — запускали эксперименты, где рандомно варьировали ставку, сумму, наличие/отсутствие страховки, и на этих результатах обучили модели.
Что получилось
Ключевые цифры:
• интернет-канал: рост маржи +19%;
• отделения: около +5%.
Почему такая разница — отдельная тема (гипотез несколько). В целом по опыту модели прайсинга обычно дают бизнесу +10–20% маржи. Это не «иксы», но на больших объемах даже +10–15% — очень сильный результат.
Чек-лист для CPO: что нужно, чтобы запустить модель Take Rate
1. Индивидуальные офферы во всех точках контакта: отделение, приложение, веб. Без этого конструкция не взлетит.
2. Инфраструктура и ресурсы: в онлайне нужно быстро перебирать множество вариантов и гонять множество моделей. А десятки миллионов клиентов, помноженные на условные 10 тыс. комбинаций параметров, превращаются в триллионы вариантов.
3. Качественные данные: экспериментальный сбор — отдельная проектная задача.
4. Воля сделать продукт: реально хотеть сильный рыночный результат и быть готовыми довести до продакшна.
Планы
В ближайшее время планируются:
— запуск умного ценообразования для кредитных карт, депозитов и накопительных счетов, а также для некоторых комиссионных продуктов (в подписках);
— усиление моделей Take Rate.
Про данные: почему их «нет»
Главная сложность в модели Take Rate — обучающая выборка. Похоже на ситуацию с котом Шрёдингера: мы не можем одновременно предложить одному клиенту кредит под 20% и под 25% — это будет выглядеть как минимум странно. Поэтому без экспериментов «чистых» данных для обучения просто не появляется.
Решение: управляемая рандомизация
Идея простая, но ее часто упускают: нужно встроить систему случайных «рычагов» и на этих данных учить модель. Мы так и сделали — запускали эксперименты, где рандомно варьировали ставку, сумму, наличие/отсутствие страховки, и на этих результатах обучили модели.
Что получилось
Ключевые цифры:
• интернет-канал: рост маржи +19%;
• отделения: около +5%.
Почему такая разница — отдельная тема (гипотез несколько). В целом по опыту модели прайсинга обычно дают бизнесу +10–20% маржи. Это не «иксы», но на больших объемах даже +10–15% — очень сильный результат.
Чек-лист для CPO: что нужно, чтобы запустить модель Take Rate
1. Индивидуальные офферы во всех точках контакта: отделение, приложение, веб. Без этого конструкция не взлетит.
2. Инфраструктура и ресурсы: в онлайне нужно быстро перебирать множество вариантов и гонять множество моделей. А десятки миллионов клиентов, помноженные на условные 10 тыс. комбинаций параметров, превращаются в триллионы вариантов.
3. Качественные данные: экспериментальный сбор — отдельная проектная задача.
4. Воля сделать продукт: реально хотеть сильный рыночный результат и быть готовыми довести до продакшна.
Планы
В ближайшее время планируются:
— запуск умного ценообразования для кредитных карт, депозитов и накопительных счетов, а также для некоторых комиссионных продуктов (в подписках);
— усиление моделей Take Rate.
👍4🔥3
Если вы работаете с данными или отвечаете за data‑стратегию — приходите 26 февраля на FinCore 2026, который проводит команда Scoring Day.
Одна из ключевых тем программы — ИИ-трансформация, включая роль Data Governance и Big Data в этом процессе. В фокусе внимания - переход от точечных экспериментов к системным изменениям всей финплатформы: от данных и процессов до безопасности и культуры разработки.
👉 В первой панельной дискуссии примут участие:
— Максим Травин, директор по работе с данными Т‑Банка;
— Сергей Рябов, старший управляющий директор, директор по AI-трансформации Сбера. Один из ключевых вопросов дискуссии — использование ИИ‑агентов в банке.
👉 В числе спикеров второй сессии, где будут обсуждаться ядро финплатформы будущего: платформенный подход vs классические АБС, Open API, облака и LLM‑платформы — и как состыковать ИИ, платформы и открытый банкинг в одной архитектуре:
— Тигран Саркисов, директор по управлению данными X5, который расскажет о том, как эволюционировать от «склада данных» к «цифровому мозгу» компании и выстроить цепочку Data Governance → Big Data → AI.
— Адель Валиуллин, первый вице-президент, руководитель блока технологий искусственного интеллекта Газпромбанка, который расскажет о перестройке сквозных процессов и создании такой архитектуры, где ИИ становится частью ядра.
— Юрий Колошеин, руководитель центра компетенций развития озера данных и интеграционных решений РСХБ-Автоматизация, и Сергей Золотарёв, директор по коммерции и стратегическому развитию Группы Arenadata, которые выступят с интригующей темой "Философский путь одного озера».
👉 В заключительной дискуссии о регулировании ИИ в финансовых платформах примет участие:
— Антон Степанов, начальник Центра экспертизы искусственного интеллекта Департамента финансовых технологий Банка России. В числе ключевых вопросов: как финорганизациям подготовиться к предстоящим изменениям, а также сформулируют вопросы, ответы на которые им хотелось бы получить от регуляторов.
До Форума осталось всего две недели — поспешите зарегистрироваться!
Сайт и программа Форума
Одна из ключевых тем программы — ИИ-трансформация, включая роль Data Governance и Big Data в этом процессе. В фокусе внимания - переход от точечных экспериментов к системным изменениям всей финплатформы: от данных и процессов до безопасности и культуры разработки.
👉 В первой панельной дискуссии примут участие:
— Максим Травин, директор по работе с данными Т‑Банка;
— Сергей Рябов, старший управляющий директор, директор по AI-трансформации Сбера. Один из ключевых вопросов дискуссии — использование ИИ‑агентов в банке.
👉 В числе спикеров второй сессии, где будут обсуждаться ядро финплатформы будущего: платформенный подход vs классические АБС, Open API, облака и LLM‑платформы — и как состыковать ИИ, платформы и открытый банкинг в одной архитектуре:
— Тигран Саркисов, директор по управлению данными X5, который расскажет о том, как эволюционировать от «склада данных» к «цифровому мозгу» компании и выстроить цепочку Data Governance → Big Data → AI.
— Адель Валиуллин, первый вице-президент, руководитель блока технологий искусственного интеллекта Газпромбанка, который расскажет о перестройке сквозных процессов и создании такой архитектуры, где ИИ становится частью ядра.
— Юрий Колошеин, руководитель центра компетенций развития озера данных и интеграционных решений РСХБ-Автоматизация, и Сергей Золотарёв, директор по коммерции и стратегическому развитию Группы Arenadata, которые выступят с интригующей темой "Философский путь одного озера».
👉 В заключительной дискуссии о регулировании ИИ в финансовых платформах примет участие:
— Антон Степанов, начальник Центра экспертизы искусственного интеллекта Департамента финансовых технологий Банка России. В числе ключевых вопросов: как финорганизациям подготовиться к предстоящим изменениям, а также сформулируют вопросы, ответы на которые им хотелось бы получить от регуляторов.
До Форума осталось всего две недели — поспешите зарегистрироваться!
Сайт и программа Форума
🔥4👍2
Weekly Scoring News: антифрод-возвраты по инициативе получателя, комплексная реструктуризация для физлиц и ограничения на упрощенную идентификацию
Банк России определил процедуру отказа от зачисления средств, полученных при мошенническом переводе. Граждане, чьи реквизиты находятся в базе данных Банка России, смогут оформить отказ от зачисления на свой счет денег, поступивших в результате мошеннической операции, и вернуть их пострадавшему. Банкам рекомендовано обеспечить прием заявлений клиентов-физлиц об отказе от зачисления средств — например, в отделениях, по телефону горячей линии или через онлайн-банк.
Госдума одобрила проект о комплексной реструктуризации долгов физлиц. Законопроект предполагает, что должник с просрочкой по потребкредиту сможет согласовать индивидуальный план реструктуризации долга со всеми банками, МФО и коллекторами одновременно, а также обратиться к финансовому уполномоченному для контроля процесса. Кредиторы будут обязаны сообщать должникам о таком праве при задолженности от 25 тыс. рублей. С момента обращения клиента кредитор становится организатором процедуры и до ее завершения не сможет принудительно взыскать долг
Visa представила Visa & Main — платформу для ускорения роста малого бизнеса в США. Экосистема объединяет доступ к кредитованию, помощь в привлечении клиентов и набор бизнес-инструментов. Ключевой элемент — фонд оборотного финансирования на 100 млн долл. совместно с Lendistry. Одновременно Visa обещает предпринимателям маркетинговую и сервисную поддержку под крупные события (включая FIFA World Cup 2026), а также продвигает свои B2B-инструменты — управление расходами, риск- и антифрод-технологии, финансовое обучение.
Госдума приняла закон, нацеленный на борьбу с дропами и отмыванием доходов. Закон запрещает банковским платежным агентам самостоятельно проводить упрощенную идентификацию клиентов, а также лишает их возможности участвовать в выдаче банковских карт и открытии электронных кошельков. Ранее Банк России выявлял случаи, когда агенты незаконно использовали персональные данные физлиц для открытия электронных кошельков без их ведома: такие кошельки применялись для вывода похищенных средств и нелегальных транзакций. Платежные агенты сохранят возможность осуществлять денежные переводы без открытия счета на сумму до 15 тысяч рублей (и до 60 тысяч в случае оплаты ЖКУ). Переводы на более крупные суммы можно будет проводить через терминалы с использованием банковских карт. Нововведения не затронут операторов связи и Почту России.
Банк России определил процедуру отказа от зачисления средств, полученных при мошенническом переводе. Граждане, чьи реквизиты находятся в базе данных Банка России, смогут оформить отказ от зачисления на свой счет денег, поступивших в результате мошеннической операции, и вернуть их пострадавшему. Банкам рекомендовано обеспечить прием заявлений клиентов-физлиц об отказе от зачисления средств — например, в отделениях, по телефону горячей линии или через онлайн-банк.
Госдума одобрила проект о комплексной реструктуризации долгов физлиц. Законопроект предполагает, что должник с просрочкой по потребкредиту сможет согласовать индивидуальный план реструктуризации долга со всеми банками, МФО и коллекторами одновременно, а также обратиться к финансовому уполномоченному для контроля процесса. Кредиторы будут обязаны сообщать должникам о таком праве при задолженности от 25 тыс. рублей. С момента обращения клиента кредитор становится организатором процедуры и до ее завершения не сможет принудительно взыскать долг
Visa представила Visa & Main — платформу для ускорения роста малого бизнеса в США. Экосистема объединяет доступ к кредитованию, помощь в привлечении клиентов и набор бизнес-инструментов. Ключевой элемент — фонд оборотного финансирования на 100 млн долл. совместно с Lendistry. Одновременно Visa обещает предпринимателям маркетинговую и сервисную поддержку под крупные события (включая FIFA World Cup 2026), а также продвигает свои B2B-инструменты — управление расходами, риск- и антифрод-технологии, финансовое обучение.
Госдума приняла закон, нацеленный на борьбу с дропами и отмыванием доходов. Закон запрещает банковским платежным агентам самостоятельно проводить упрощенную идентификацию клиентов, а также лишает их возможности участвовать в выдаче банковских карт и открытии электронных кошельков. Ранее Банк России выявлял случаи, когда агенты незаконно использовали персональные данные физлиц для открытия электронных кошельков без их ведома: такие кошельки применялись для вывода похищенных средств и нелегальных транзакций. Платежные агенты сохранят возможность осуществлять денежные переводы без открытия счета на сумму до 15 тысяч рублей (и до 60 тысяч в случае оплаты ЖКУ). Переводы на более крупные суммы можно будет проводить через терминалы с использованием банковских карт. Нововведения не затронут операторов связи и Почту России.
👍3❤1🔥1
Коллеги, хотим поделиться с читателями фрагментами выступлений с предстоящего форума FinCore 2026. Он будет посвящен ИТ- и ИИ-трансформации с участием Сбера, ГПБ, Банка России, Т-Банка, Альфа-Банка и др. и пройдет уже 26 февраля.
Хотим узнать, фрагменты каких дискуссий / обзоры каких тем вам интереснее всего получить в этом канале?
Голосуйте в опросе ниже 👇
Хотим узнать, фрагменты каких дискуссий / обзоры каких тем вам интереснее всего получить в этом канале?
Голосуйте в опросе ниже 👇
Какие записи выступлений с предстоящего 26 февраля форума FinCore или выжимки выступлений вам интереснее всего получить в нашем канале?
Anonymous Poll
60%
Инсайты по стратегиям топ-10 банков по внедрению ИИ в core banking на 2026 год
70%
Кейсы применения ИИ-агентов в финансовых организациях
27%
Выдержки из сессии про регулирование ИИ в финансовых платформах с участием ЦБ
13%
Все актуальное про цифровые валюты и стейблкоины
50%
Кейсы работы с данными в рамках ИИ-трансформации
Премия FINNEXT 2026: кто уже прислал кейсы?
На Премию FINNEXT уже поступило 70+ заявок – начинаем знакомить вас с первыми проектами.
Среди уже присланных кейсов:
• «Катюша» — первый банк для бизнеса в мессенджере Max (ПСБ)
• Накопительный счёт «Кешбокс» с управляемой процентной ставкой (МТС Банк)
• «Цифровое урегулирование ОСАГО» (Абсолют Страхование)
• «Конструктор привилегий» — сервис для клиентов, которые одновременно обслуживаются как физлица и предприниматели (Альфа-Банк)
• DQLA и автоматизированное управление качеством данных на уровне всей организации (ОТП Банк)
• Масштабирование клиентоцентричной модели сервисных услуг: от автострахования к страхованию имущества (Росгосстрах)
• Речевая аналитика и сквозное управление качеством коммуникаций (ВТБ)
• Пилот бесконтактной оплаты на iPhone и Apple Watch с баланса телефона (МТС)
и другие.
Если ваша команда разрабатывает инновационные решения для финансовой и смежных отраслей — присылайте кейс на Премию FINNEXT 2026!
Подать заявку можно в 10 направлениях (список см. на сайте) либо в спецноминации.
Спецноминация (участие во внеконкурсной программе) — это презентация вашего кейса на церемонии вручения Премии FINNEXT и внимание коллег и потенциальных партнеров.
Специальные номинации отмечают выдающиеся результаты в цифровой трансформации финансового рынка и подчеркивают специфику именно ваших решений и задач.
По первым заявкам видно, что присланные кейсы уже в корне меняют процессы, продукты и клиентский опыт. Ждем ваш проект на Премию! Будет интересно.
На Премию FINNEXT уже поступило 70+ заявок – начинаем знакомить вас с первыми проектами.
Среди уже присланных кейсов:
• «Катюша» — первый банк для бизнеса в мессенджере Max (ПСБ)
• Накопительный счёт «Кешбокс» с управляемой процентной ставкой (МТС Банк)
• «Цифровое урегулирование ОСАГО» (Абсолют Страхование)
• «Конструктор привилегий» — сервис для клиентов, которые одновременно обслуживаются как физлица и предприниматели (Альфа-Банк)
• DQLA и автоматизированное управление качеством данных на уровне всей организации (ОТП Банк)
• Масштабирование клиентоцентричной модели сервисных услуг: от автострахования к страхованию имущества (Росгосстрах)
• Речевая аналитика и сквозное управление качеством коммуникаций (ВТБ)
• Пилот бесконтактной оплаты на iPhone и Apple Watch с баланса телефона (МТС)
и другие.
👉 Прием кейсов продолжается!
Церемония награждения — 7 апреля, Центр событий РБК. Участие в Премии — БЕСПЛАТНОЕ.
Прислать кейс можно до 20 марта 2026 через официальный сайт Премии.
Если ваша команда разрабатывает инновационные решения для финансовой и смежных отраслей — присылайте кейс на Премию FINNEXT 2026!
Подать заявку можно в 10 направлениях (список см. на сайте) либо в спецноминации.
Спецноминация (участие во внеконкурсной программе) — это презентация вашего кейса на церемонии вручения Премии FINNEXT и внимание коллег и потенциальных партнеров.
Специальные номинации отмечают выдающиеся результаты в цифровой трансформации финансового рынка и подчеркивают специфику именно ваших решений и задач.
По первым заявкам видно, что присланные кейсы уже в корне меняют процессы, продукты и клиентский опыт. Ждем ваш проект на Премию! Будет интересно.
This media is not supported in your browser
VIEW IN TELEGRAM
Как победить мошенников и не дать им украсть деньги ваших клиентов?
Пока ваши команды согласовывают регламенты и бюджеты, мошенники релизят новые «фичи» каждую неделю — на базе ИИ, дипфейков и готовых библиотек. На Scoring Day Вадим Алёшин (CPO, МТС Скоринг) объяснил, почему фрод стал массовым и как выстроить защиту, которая успевает за атакующими.
Сколько «заработали» мошенники?
Официальная статистика по мошенничеству есть (данные Банка России, МВД, крупных банков), но в зависимости от источника она сильно различается. И это, пожалуй, самое интригующее: оценки расходятся очень серьезно. Данные ЦБ — около 20 млрд, у одного из крупных банков — 300 млрд, у других — еще выше. Скорее всего, реальный ущерб намного больше.
Почему рост продолжается
Изменились и технологии, и среда. Сегодня мошенники активно используют ИИ, клонирование голоса, дипфейки и другие инструменты. Большинство населения обзавелось смартфонами, кратно выросла роль соцсетей и мессенджеров.
Миф о «уязвимых группах» уже не работает
Важно избавиться от мифа, что жертвы — только «социально незащищенные» (пожилые, дети). Сейчас пострадать может каждый. 25% жертв — люди с высшим образованием, 36% — в возрасте от 26 до 45 лет.
Что чаще всего практикуют мошенники?
Наиболее популярный сценарий — «инвестиции в интернете» (55%), по-прежнему популярны «звонки от банков и полиции» (54%), «заем до понедельника» через взлом соцсетей также сохраняет актуальность (36%).
Почему мошенничество стало массовым?
Причина простая: входной порог упал. 5–10 лет назад мошенничать технологически было сложнее. По сути, даже школьник может на коленке собрать массовую рассылку в личку и пробовать сценарии обмана.
Мошенники адаптируются быстрее компаний
Компаниям мешают процессы — согласования с ИБ, юристами, бюджетирование, внедрение. А им это не нужно: увидели новость, быстро применили — и уже атакуют людей. Они живут как стартап, постоянно тестируя новые гипотезы: перестал работать один сценарий — запускают следующий. Поэтому мы фиксируем все больше фродовых кейсов, и к этому «новому тренду» нужно готовиться уже сейчас.
«Отложенное мошенничество»: кража не сразу, а через несколько дней
Один из самых неприятных сценариев — «отложенное мошенничество» (отложенный фрод). Это когда вас «разогревают» сегодня: нагоняют страх, давят «срочно спасайте деньги», но реальная кража происходит через несколько дней — когда вы (или ваши близкие) приходите в банк снять наличные или оформить кредит.
Как это выглядит со стороны банка
На нашей стороне картина такая: сегодня — высокий пик фрод-риска (понятно, что человека ведут), а в банк он приходит позже, когда сигнал уже слабее. И это ещё мягкий вариант: бывают кейсы намного жёстче.
Продолжение в следующем посте!
Пока ваши команды согласовывают регламенты и бюджеты, мошенники релизят новые «фичи» каждую неделю — на базе ИИ, дипфейков и готовых библиотек. На Scoring Day Вадим Алёшин (CPO, МТС Скоринг) объяснил, почему фрод стал массовым и как выстроить защиту, которая успевает за атакующими.
Сколько «заработали» мошенники?
Официальная статистика по мошенничеству есть (данные Банка России, МВД, крупных банков), но в зависимости от источника она сильно различается. И это, пожалуй, самое интригующее: оценки расходятся очень серьезно. Данные ЦБ — около 20 млрд, у одного из крупных банков — 300 млрд, у других — еще выше. Скорее всего, реальный ущерб намного больше.
Почему рост продолжается
Изменились и технологии, и среда. Сегодня мошенники активно используют ИИ, клонирование голоса, дипфейки и другие инструменты. Большинство населения обзавелось смартфонами, кратно выросла роль соцсетей и мессенджеров.
Миф о «уязвимых группах» уже не работает
Важно избавиться от мифа, что жертвы — только «социально незащищенные» (пожилые, дети). Сейчас пострадать может каждый. 25% жертв — люди с высшим образованием, 36% — в возрасте от 26 до 45 лет.
Что чаще всего практикуют мошенники?
Наиболее популярный сценарий — «инвестиции в интернете» (55%), по-прежнему популярны «звонки от банков и полиции» (54%), «заем до понедельника» через взлом соцсетей также сохраняет актуальность (36%).
Почему мошенничество стало массовым?
Причина простая: входной порог упал. 5–10 лет назад мошенничать технологически было сложнее. По сути, даже школьник может на коленке собрать массовую рассылку в личку и пробовать сценарии обмана.
Мошенники адаптируются быстрее компаний
Компаниям мешают процессы — согласования с ИБ, юристами, бюджетирование, внедрение. А им это не нужно: увидели новость, быстро применили — и уже атакуют людей. Они живут как стартап, постоянно тестируя новые гипотезы: перестал работать один сценарий — запускают следующий. Поэтому мы фиксируем все больше фродовых кейсов, и к этому «новому тренду» нужно готовиться уже сейчас.
«Отложенное мошенничество»: кража не сразу, а через несколько дней
Один из самых неприятных сценариев — «отложенное мошенничество» (отложенный фрод). Это когда вас «разогревают» сегодня: нагоняют страх, давят «срочно спасайте деньги», но реальная кража происходит через несколько дней — когда вы (или ваши близкие) приходите в банк снять наличные или оформить кредит.
Как это выглядит со стороны банка
На нашей стороне картина такая: сегодня — высокий пик фрод-риска (понятно, что человека ведут), а в банк он приходит позже, когда сигнал уже слабее. И это ещё мягкий вариант: бывают кейсы намного жёстче.
Продолжение в следующем посте!
🔥3👍1
Как победить мошенников и не дать им украсть деньги ваших клиентов? Ч. 2.
«Досье» на человека и рост точности атак
Сделать копию голоса конкретного человека уже не проблема - достаточно поговорить с ним на любую тему пару минут.
Несколько фото/видео из соцсетей позволяют лучше узнать жертву, спланировать детально сценарий атаки.
А дальше дело техники - и вот вы уже получаете звонок от своего босса, который говорит о том, что в компании ведут расследование и вы должны участвовать. Как итог, в конце данной цепочки событий вы сами отдаете деньги мошенникам под предлогом «благое дело» или «спасти капитал»
Антифрод становится умнее, мошенники - тоже.
Что делать: подтягивать зрелость всего рынка
Большие игроки должны быть драйвером — технологиями, практиками, интеграциями. Но защищаться нужно всем, включая МСБ: иначе мошенники будут уходить туда, где связь между безопасностью и человеком/клиентом не настроена.
Почему мошенничество живет и процветает?
Потому что это выгодно. Конверсия в украденные деньги — 4–5%, средний чек — примерно 100 тыс. руб. Если умножить на объемы — получаются огромные суммы, и с такой «эффективностью» не сравнится никакой бизнес. Поэтому основная задача всех, кто борется или помогает бороться — это "убить" экономику мошенничества.
Что делаем мы в МТС, чтобы бить по экономике фрода:
— Развиваем B2C‑защиту для абонентов: «Защитник», «Безопасные звонки», антиспам, «адвокаты» и др.
— Эти инструменты заодно обогащают нашу Big Data и помогают тренировать модели, в т.ч. для защиты B2B-рынка.
Используем как инновационные инструменты, такие как модели выявления социнженерии, так и классические, включая голосовой антифрод, событийные модели обслуживания.
Ключевая идея: рынок должен объединяться (в т.ч. через государство как площадку), но нужно ускоряться. Тем более на подходе регулирование, которое может сделать «легальный спам» нормой, и старые защитные факторы ослабнут.
Переходим от «по запросу» к проактивной защите
Поэтому мы строим платформу с централизованными данными (онлайн+офлайн), которая не только отвечает «по запросу», а умеет сигнализировать с помощью push‑уведомлений, что клиент находится под атакой, чтобы дает возможность среагировать до выдачи кредита/снятия денег.
«Досье» на человека и рост точности атак
Сделать копию голоса конкретного человека уже не проблема - достаточно поговорить с ним на любую тему пару минут.
Несколько фото/видео из соцсетей позволяют лучше узнать жертву, спланировать детально сценарий атаки.
А дальше дело техники - и вот вы уже получаете звонок от своего босса, который говорит о том, что в компании ведут расследование и вы должны участвовать. Как итог, в конце данной цепочки событий вы сами отдаете деньги мошенникам под предлогом «благое дело» или «спасти капитал»
Антифрод становится умнее, мошенники - тоже.
Что делать: подтягивать зрелость всего рынка
Большие игроки должны быть драйвером — технологиями, практиками, интеграциями. Но защищаться нужно всем, включая МСБ: иначе мошенники будут уходить туда, где связь между безопасностью и человеком/клиентом не настроена.
Почему мошенничество живет и процветает?
Потому что это выгодно. Конверсия в украденные деньги — 4–5%, средний чек — примерно 100 тыс. руб. Если умножить на объемы — получаются огромные суммы, и с такой «эффективностью» не сравнится никакой бизнес. Поэтому основная задача всех, кто борется или помогает бороться — это "убить" экономику мошенничества.
Что делаем мы в МТС, чтобы бить по экономике фрода:
— Развиваем B2C‑защиту для абонентов: «Защитник», «Безопасные звонки», антиспам, «адвокаты» и др.
— Эти инструменты заодно обогащают нашу Big Data и помогают тренировать модели, в т.ч. для защиты B2B-рынка.
Используем как инновационные инструменты, такие как модели выявления социнженерии, так и классические, включая голосовой антифрод, событийные модели обслуживания.
Ключевая идея: рынок должен объединяться (в т.ч. через государство как площадку), но нужно ускоряться. Тем более на подходе регулирование, которое может сделать «легальный спам» нормой, и старые защитные факторы ослабнут.
Переходим от «по запросу» к проактивной защите
Поэтому мы строим платформу с централизованными данными (онлайн+офлайн), которая не только отвечает «по запросу», а умеет сигнализировать с помощью push‑уведомлений, что клиент находится под атакой, чтобы дает возможность среагировать до выдачи кредита/снятия денег.
🔥3👍1
‼️Если вы отвечаете за AI/ML‑стратегию или обучаете модели под бизнес‑задачи — приходите 7 апреля на FINNEXT 2026, который проводит команда Scoring Day.
Одна из ключевых тем программы — AI-ECONOMY: от цифровых помощников к автономному бизнесу; ей будут посвящены отдельная сессия и Public Talk.
Рынок уже привык к формату Co‑Pilot, когда ИИ помогает сотрудникам. Следующий шаг — Autopilot, где алгоритмы берут на себя часть решений и действий. На сессии поговорим о том, как меняются архитектура, продукты, безопасность и правила управления моделями, когда бизнес становится более автономным.
В числе тем выступлений:
✅ Переход от Co‑Pilot к Autopilot и то, как BPM вместе с AI‑агентами превращают банк в автономную операционную систему, разберет Муслим Сатыбалдиев, директор департамента развития цифрового бизнеса Ростелекома.
✅ Практиками повышения качества AI‑саппорта с помощью инструментов менеджмента — без бесконечных доработок кода — поделится Максим Лягушкин, Lead Product Manager, Yandex.
✅ Как интернет‑банк может по‑настоящему «понимать» клиента и действовать точнее в моменте — покажет на примерах Андрей Ершов, руководитель направления в CommIT.
✅ Где GenAI и цифровые сервисы дают измеримый финансовый эффект, а где остаются «игрушкой», — про реальный ROI инноваций расскажет Uttaran Nayak, соучредитель и CEO одного из самых быстрорастущих стартапов Индии Alchemyst AI.
Модератор — Никита Худов, зам. генерального директора Альянса в сфере искусственного интеллекта.
Сайт и программа Форума
Если ваша команда разрабатывает инновационные решения для финансовой и смежных отраслей — присылайте кейс на Премию FINNEXT 2026!
Подать заявку можно в 10 направлениях (список см. на сайте) либо в спецноминации (участие во внеконкурсной программе), которой отмечают выдающиеся результаты в цифровой трансформации финансового рынка и подчеркивают специфику именно ваших решений и задач.
Одна из ключевых тем программы — AI-ECONOMY: от цифровых помощников к автономному бизнесу; ей будут посвящены отдельная сессия и Public Talk.
Рынок уже привык к формату Co‑Pilot, когда ИИ помогает сотрудникам. Следующий шаг — Autopilot, где алгоритмы берут на себя часть решений и действий. На сессии поговорим о том, как меняются архитектура, продукты, безопасность и правила управления моделями, когда бизнес становится более автономным.
В числе тем выступлений:
Модератор — Никита Худов, зам. генерального директора Альянса в сфере искусственного интеллекта.
Сайт и программа Форума
Если ваша команда разрабатывает инновационные решения для финансовой и смежных отраслей — присылайте кейс на Премию FINNEXT 2026!
Подать заявку можно в 10 направлениях (список см. на сайте) либо в спецноминации (участие во внеконкурсной программе), которой отмечают выдающиеся результаты в цифровой трансформации финансового рынка и подчеркивают специфику именно ваших решений и задач.
Please open Telegram to view this post
VIEW IN TELEGRAM
finnext.ru
FINNEXT 2026. 15-й форум финансовых инноваций
7 апреля 2026 г., Москва, «Центр событий РБК»
❤4
This media is not supported in your browser
VIEW IN TELEGRAM
Пока модель едет в прод, бизнес теряет миллиарды
Лайфхаками, как этого избежать, на Scoring Day поделился Александр Шишорин, ex-руководитель по моделированию в ОКБ.
В условиях постоянного изменения среды и обновлений модельного ландшафта time-to-market, превышающий полгода, стал означать, что бизнес-процессы компании работают в «прошлой» или «позапрошлой» макрореальности.
При этом в политиках управления модельным риском длинный time-to-market почти нигде не фигурирует как риск, хотя каждые 1–2 года банки могут терять огромные деньги всего лишь из-за плохо выстроенной операционки.
Как же сократить лаг между появлением данных в проде и включением модели в бизнес-процесс?
1. Сдвигайте выборку с целевой переменной максимально близко к текущему моменту.
Например, если таргет — 90+ на 12 месяцев, двигайте его как можно ближе к today. Дальше:
• проверяйте модель на коротких целевых переменных;
• делайте гигиеническую проверку: качество на длинном и коротком таргете должно быть сопоставимым.
Полезно также проверить, что модели на коротких таргетах «разваливаются» быстрее, чем на длинных.
2. Жестко разделяйте R&D и RUN.
Подключение новых источников, новые подходы к моделированию, feature engineering, миграции данных и системы исполнения моделей — все это зона R&D. Такие задачи нужно вести параллельно основному процессу и интегрировать в RUN примерно раз в 6–12 месяцев.
А сам RUN должен быть максимально автоматизирован, с минимальным участием ЛПР в итерациях по приемке моделей.
3. Стройте инфраструктуру фичей.
Обычно все говорят только про Feature Store, но по факту нужны две вещи:
• Feature Store;
• интерфейсы для использования фичей.
Критично вывести в прод длинный список фичей: 50, 100, 300, 4000 — сколько получится. Именно это радикально сокращает время подготовки данных и автоматизирует сбор продуктивных данных на ретродате. Даже если Feature Store еще не идеален, длинный список фичей в проде плюс интерфейсы — это уже половина решения.
Что это дает на практике:
• базовые модели с Gini 50–70 по сегментам;
• ещё +5–15% качества при донастройке под задачи конкретного клиента;
• более понятные модели;
• возможность быстро делать drill-down при деградации;
• постоянный поток гипотез для улучшений.
Подход можно описать одной фразой: «Делай базу до отказа»
Feature engineering и длинный список фичей — это дорого и долго, но именно они позволяют быстро строить сильные модели.
Что интересного можно делать с длинным списком фичей
Когда у вас 3000 фичей, открываются новые задачи. Например:
Задача 1. Модель работает хорошо в сегментах A и B, но плохо в C
Полный перебор фичей займет вечность. Но можно начать с простого:
• корреляций;
• анализа различий Gini фичей в разрезе сегментов.
Это быстро покажет, куда идти дальше: во feature selection, feature engineering или заняться перевзвешиванием.
Задача 2. Быстрый baseline без нейросетей, долгого отбора фичей и тяжелых вычислений.
Здесь можно использовать метод главных компонент для сжатия размерности. В сыром виде он работает плохо, потому что среди 3000 фичей много мусора. Но если сначала кластеризовать фичи по однофакторным характеристикам (Gini, его вариация, drop-out-of-time и т.д.), можно потерять всего около 3% качества, но получить baseline за 1–3 дня.
Это позволяет быстро понять целевой уровень качества и поставить задачу дата-сайентисту.
Задача 3. Горизонтальное федеративное обучение между двумя DS-командами на домене кредитных историй.
Проблема стандартная: у разных команд разные списки фичей. Хотя домен один — кредитная история.
Можно «подружить» два списка через эмбеддинги: сначала моделировать не дефолт, а фичи одной команды через фичи другой. После этого можно переходить к федеративному обучению.
Главный вывод
Работа с длинными списками фичей кажется скучной. Но на самом деле — это один из самых мощных источников эффективности.
Но только если:
• фичи находятся в проде;
• их можно прогонять на ретроспективе 3–5 лет.
Лайфхаками, как этого избежать, на Scoring Day поделился Александр Шишорин, ex-руководитель по моделированию в ОКБ.
В условиях постоянного изменения среды и обновлений модельного ландшафта time-to-market, превышающий полгода, стал означать, что бизнес-процессы компании работают в «прошлой» или «позапрошлой» макрореальности.
При этом в политиках управления модельным риском длинный time-to-market почти нигде не фигурирует как риск, хотя каждые 1–2 года банки могут терять огромные деньги всего лишь из-за плохо выстроенной операционки.
Как же сократить лаг между появлением данных в проде и включением модели в бизнес-процесс?
1. Сдвигайте выборку с целевой переменной максимально близко к текущему моменту.
Например, если таргет — 90+ на 12 месяцев, двигайте его как можно ближе к today. Дальше:
• проверяйте модель на коротких целевых переменных;
• делайте гигиеническую проверку: качество на длинном и коротком таргете должно быть сопоставимым.
Полезно также проверить, что модели на коротких таргетах «разваливаются» быстрее, чем на длинных.
2. Жестко разделяйте R&D и RUN.
Подключение новых источников, новые подходы к моделированию, feature engineering, миграции данных и системы исполнения моделей — все это зона R&D. Такие задачи нужно вести параллельно основному процессу и интегрировать в RUN примерно раз в 6–12 месяцев.
А сам RUN должен быть максимально автоматизирован, с минимальным участием ЛПР в итерациях по приемке моделей.
3. Стройте инфраструктуру фичей.
Обычно все говорят только про Feature Store, но по факту нужны две вещи:
• Feature Store;
• интерфейсы для использования фичей.
Критично вывести в прод длинный список фичей: 50, 100, 300, 4000 — сколько получится. Именно это радикально сокращает время подготовки данных и автоматизирует сбор продуктивных данных на ретродате. Даже если Feature Store еще не идеален, длинный список фичей в проде плюс интерфейсы — это уже половина решения.
Что это дает на практике:
• базовые модели с Gini 50–70 по сегментам;
• ещё +5–15% качества при донастройке под задачи конкретного клиента;
• более понятные модели;
• возможность быстро делать drill-down при деградации;
• постоянный поток гипотез для улучшений.
Подход можно описать одной фразой: «Делай базу до отказа»
Feature engineering и длинный список фичей — это дорого и долго, но именно они позволяют быстро строить сильные модели.
Что интересного можно делать с длинным списком фичей
Когда у вас 3000 фичей, открываются новые задачи. Например:
Задача 1. Модель работает хорошо в сегментах A и B, но плохо в C
Полный перебор фичей займет вечность. Но можно начать с простого:
• корреляций;
• анализа различий Gini фичей в разрезе сегментов.
Это быстро покажет, куда идти дальше: во feature selection, feature engineering или заняться перевзвешиванием.
Задача 2. Быстрый baseline без нейросетей, долгого отбора фичей и тяжелых вычислений.
Здесь можно использовать метод главных компонент для сжатия размерности. В сыром виде он работает плохо, потому что среди 3000 фичей много мусора. Но если сначала кластеризовать фичи по однофакторным характеристикам (Gini, его вариация, drop-out-of-time и т.д.), можно потерять всего около 3% качества, но получить baseline за 1–3 дня.
Это позволяет быстро понять целевой уровень качества и поставить задачу дата-сайентисту.
Задача 3. Горизонтальное федеративное обучение между двумя DS-командами на домене кредитных историй.
Проблема стандартная: у разных команд разные списки фичей. Хотя домен один — кредитная история.
Можно «подружить» два списка через эмбеддинги: сначала моделировать не дефолт, а фичи одной команды через фичи другой. После этого можно переходить к федеративному обучению.
Главный вывод
Работа с длинными списками фичей кажется скучной. Но на самом деле — это один из самых мощных источников эффективности.
Но только если:
• фичи находятся в проде;
• их можно прогонять на ретроспективе 3–5 лет.
👍6
В рамках 15-го Форума финансовых инноваций FINNEXT состоится выставка FINNEXT EXPO, на которой будут представлены ключевые решения для финансового рынка.
Что вас ждет на выставке:
— Живые демонстрации финтех-решений;
— Общение с лидерами рынка и технологическими командами и полезный нетворинг;
— Обзор актуальных ИТ-платформ и продуктов для банков и бизнеса.
‼️Важно: вход на выставку бесплатный после регистрации (без доступа к деловой программе Форума).
На выставке вы увидите:
— современные платформы автоматизации;
— готовые AI-решения для бизнеса;
— платежные и инфраструктурные технологии;
— инструменты для повышения эффективности и безопасности.
Среди участников выставки: Яндекс.Нейросаппорт, Диасофт, ФлексСофт, BSS, А7 и другие ведущие игроки рынка.
Приходите на EXPO, чтобы приобщиться к атмосфере FINNEXT. Здесь можно напрямую пообщаться с лидерами финтеха, получить реальную обратную связь по внедренным решениям, узнать, что рекомендуют и внедряют ведущие банки, и забрать с собой инсайды из практики — без маркетинговых фильтров.
Посетители выставки также смогут приобрести билет на деловую программу в день форума.
👉 Посетить выставку (бесплатно)
👉 Купить билет на FINNEXT и принять участие в деловой программе
Что вас ждет на выставке:
— Живые демонстрации финтех-решений;
— Общение с лидерами рынка и технологическими командами и полезный нетворинг;
— Обзор актуальных ИТ-платформ и продуктов для банков и бизнеса.
‼️Важно: вход на выставку бесплатный после регистрации (без доступа к деловой программе Форума).
На выставке вы увидите:
— современные платформы автоматизации;
— готовые AI-решения для бизнеса;
— платежные и инфраструктурные технологии;
— инструменты для повышения эффективности и безопасности.
Среди участников выставки: Яндекс.Нейросаппорт, Диасофт, ФлексСофт, BSS, А7 и другие ведущие игроки рынка.
Приходите на EXPO, чтобы приобщиться к атмосфере FINNEXT. Здесь можно напрямую пообщаться с лидерами финтеха, получить реальную обратную связь по внедренным решениям, узнать, что рекомендуют и внедряют ведущие банки, и забрать с собой инсайды из практики — без маркетинговых фильтров.
Посетители выставки также смогут приобрести билет на деловую программу в день форума.
👉 Посетить выставку (бесплатно)
👉 Купить билет на FINNEXT и принять участие в деловой программе
❤2👍1🔥1
Weekly Scoring News: рекордная просрочка по автокредитам, досудебная санация должников и биткоин в ипотечном залоге
Просрочка по автокредитам в России достигла рекордного уровня. В феврале количество проблемных автокредитов с просрочкой более 90 дней в России впервые превысило 200 тысяч. В годовом выражении показатель вырос почти в 1,3 раза, в месячном — на 5,6%.
Объем плохих автокредитов в прошлом месяце также впервые превысил 200 млрд рублей. Это на 40,8% больше год к году и на 6,6% больше месяц к месяцу.
Всего в феврале у россиян было почти 3,4 млн автокредитов, а совокупная задолженность по ним составляла 3,5 трлн рублей.
В Госдуму внесен подготовленный Минэкономразвития законопроект о создании процедуры досудебной санации должников. Группа депутатов внесла поправки к закону о банкротстве, которые предусматривают введение института добанкротной санации предприятий-должников и судебной процедуры реструктуризации долгов. Минэк работал над проектом несколько лет.
Законопроект о комплексной реформе института банкротства, внесенный в Госдуму еще в 2021 году, так и не был рассмотрен в первом чтении. Он предполагает отказ от процедур наблюдения, финансового оздоровления и внешнего управления. Вместо них предлагается ввести реструктуризацию долгов и конкурсное производство.
Соглашение о санации смогут заключать кредиторы и должник, а утверждать его будет суд. Условия могут быть как едиными, так и различаться для отдельных кредиторов, присоединившихся к соглашению.
Среди обязательных условий:
• поддержка неаффилированных кредиторов, обладающих не менее чем половиной требований;
• отсутствие у компании-должника задолженности по зарплате;
• получение кредиторами, не участвовавшими в соглашении, не меньше того, что они получили бы при банкротстве, плюс не менее 10% от суммы основного долга в первый год санации и не менее 30% за весь срок ее действия.
В США разрешили использовать биткоины в качестве залога по ипотеке Fannie Mae
Ипотечная компания Better Home & Finance Holding и криптоплатформа Coinbase запустили продукт, позволяющий использовать биткоин и стейблкоин USDC в качестве первоначального взноса по ипотеке, соответствующей требованиям Федеральной национальной ипотечной ассоциации (Fannie Mae).
Bloomberg со ссылками на сообщения компаний поясняет, что заемщики оформляют два кредита с одинаковыми ставками: основной ипотечный и дополнительный под залог криптовалюты, который покрывает первоначальный взнос. Условия кредита не зависят от колебаний цен на криптоактивы, а заложенные средства могут быть реализованы банком только в случае просрочки платежей.
Просрочка по автокредитам в России достигла рекордного уровня. В феврале количество проблемных автокредитов с просрочкой более 90 дней в России впервые превысило 200 тысяч. В годовом выражении показатель вырос почти в 1,3 раза, в месячном — на 5,6%.
Объем плохих автокредитов в прошлом месяце также впервые превысил 200 млрд рублей. Это на 40,8% больше год к году и на 6,6% больше месяц к месяцу.
Всего в феврале у россиян было почти 3,4 млн автокредитов, а совокупная задолженность по ним составляла 3,5 трлн рублей.
В Госдуму внесен подготовленный Минэкономразвития законопроект о создании процедуры досудебной санации должников. Группа депутатов внесла поправки к закону о банкротстве, которые предусматривают введение института добанкротной санации предприятий-должников и судебной процедуры реструктуризации долгов. Минэк работал над проектом несколько лет.
Законопроект о комплексной реформе института банкротства, внесенный в Госдуму еще в 2021 году, так и не был рассмотрен в первом чтении. Он предполагает отказ от процедур наблюдения, финансового оздоровления и внешнего управления. Вместо них предлагается ввести реструктуризацию долгов и конкурсное производство.
Соглашение о санации смогут заключать кредиторы и должник, а утверждать его будет суд. Условия могут быть как едиными, так и различаться для отдельных кредиторов, присоединившихся к соглашению.
Среди обязательных условий:
• поддержка неаффилированных кредиторов, обладающих не менее чем половиной требований;
• отсутствие у компании-должника задолженности по зарплате;
• получение кредиторами, не участвовавшими в соглашении, не меньше того, что они получили бы при банкротстве, плюс не менее 10% от суммы основного долга в первый год санации и не менее 30% за весь срок ее действия.
В США разрешили использовать биткоины в качестве залога по ипотеке Fannie Mae
Ипотечная компания Better Home & Finance Holding и криптоплатформа Coinbase запустили продукт, позволяющий использовать биткоин и стейблкоин USDC в качестве первоначального взноса по ипотеке, соответствующей требованиям Федеральной национальной ипотечной ассоциации (Fannie Mae).
Bloomberg со ссылками на сообщения компаний поясняет, что заемщики оформляют два кредита с одинаковыми ставками: основной ипотечный и дополнительный под залог криптовалюты, который покрывает первоначальный взнос. Условия кредита не зависят от колебаний цен на криптоактивы, а заложенные средства могут быть реализованы банком только в случае просрочки платежей.
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Почему модели подвели банки и кредитные потери почти удвоились?
На Scoring Day Сергей Турищев, директор по портфельному анализу ОКБ, на Scoring Day, оценил со стороны бизнес-заказчика то, как решения из области Data Science работают в реальности и к каким неожиданным эффектам они могут приводить в кредитовании.
Рынок необеспеченного потребительского кредитования в 2023–2025 годах уверенно рос: количество кредитных сделок увеличивалось, портфель расширялся — с примерно 25 до 28 млн активных кредитов. Казалось бы, что ситуация развивается стабильно: уровень кредитных потерь держался в диапазоне около 4,5–4,8% годовых.
На основе PD-моделей и более сложных инструментов прогнозирования ожидалось, что эта динамика сохранится. Однако в начале 2024 года ситуация резко изменилась: уровень потерь начал быстро расти и достиг примерно 8–9%.
Проблема оказалась в горизонте моделей. Классические PD-модели ориентируются на длительный период — обычно 12 месяцев до дефолта. Даже если используются промежуточные метрики, горизонт все равно остается достаточно длинным.
Эффект «зеркала заднего вида»
В результате решения принимались на основе данных прошлого, тогда как реальность уже изменилась. Модели показывают стабильность, но фактическое качество портфеля стремительно ухудшается.
Так реализовался модельный риск. Особенно это проявилось в новых выдачах — кредитах, оформленных начиная с третьего квартала 2023 года. Более старые портфели вели себя стабильно даже позже, в 2025 году.
Логика управления предполагала, что новый поток кредитов будет сопоставим по качеству с предыдущим. Но этого не произошло: новые выдачи показали значительно более высокий уровень потерь. Причина — модели были обучены на данных предыдущего периода, а условия на рынке и в экономике уже существенно изменились.
Материально это выразилось в ощутимых отклонениях. Например, в сегменте с наименьшим ожидаемым риском прогнозируемые потери должны были составлять около 1,5% годовых. Фактически же они превысили 3%. Ошибка — более чем двукратная, почти трехкратная.
Возникает закономерный вопрос: что с этим делать?
Полностью предсказать будущее невозможно — и это признается прямо. Поэтому ключевая задача смещается: не «угадать всё», а помочь лучше принимать решения в условиях неопределенности.
Подход, к которому пришли в ОКБ, — это максимальная прозрачность данных. Чем больше информации о рынке, поведении заемщиков и текущих изменениях доступно, тем более осознанно можно оценивать, насколько моделям стоит доверять.
Здесь уместна аналогия с Bloomberg Terminal: система не принимает решения за пользователя, но дает максимально полную картину происходящего. Ответственность за риск остается на стороне того, кто принимает решение — но качество этих решений становится выше.
В кредитном риске это особенно важно: горизонты длинные, эффект от решений проявляется не сразу, а изменения на рынке могут происходить быстро.
Поэтому основной фокус — на том, чтобы:
— своевременно замечать дрейф моделей;
— корректно оценивать уровень доверия к ним;
— принимать решения о рекалибровке;
— при необходимости добавлять экспертные поправки.
Именно такой подход позволяет снижать последствия модельного риска в условиях быстро меняющейся среды.
Лайфхаки по сокращению лага между появлением данных в проде и включением модели в бизнес-процесс - см. в предыдущем посте
На Scoring Day Сергей Турищев, директор по портфельному анализу ОКБ, на Scoring Day, оценил со стороны бизнес-заказчика то, как решения из области Data Science работают в реальности и к каким неожиданным эффектам они могут приводить в кредитовании.
Рынок необеспеченного потребительского кредитования в 2023–2025 годах уверенно рос: количество кредитных сделок увеличивалось, портфель расширялся — с примерно 25 до 28 млн активных кредитов. Казалось бы, что ситуация развивается стабильно: уровень кредитных потерь держался в диапазоне около 4,5–4,8% годовых.
На основе PD-моделей и более сложных инструментов прогнозирования ожидалось, что эта динамика сохранится. Однако в начале 2024 года ситуация резко изменилась: уровень потерь начал быстро расти и достиг примерно 8–9%.
Проблема оказалась в горизонте моделей. Классические PD-модели ориентируются на длительный период — обычно 12 месяцев до дефолта. Даже если используются промежуточные метрики, горизонт все равно остается достаточно длинным.
Эффект «зеркала заднего вида»
В результате решения принимались на основе данных прошлого, тогда как реальность уже изменилась. Модели показывают стабильность, но фактическое качество портфеля стремительно ухудшается.
Так реализовался модельный риск. Особенно это проявилось в новых выдачах — кредитах, оформленных начиная с третьего квартала 2023 года. Более старые портфели вели себя стабильно даже позже, в 2025 году.
Логика управления предполагала, что новый поток кредитов будет сопоставим по качеству с предыдущим. Но этого не произошло: новые выдачи показали значительно более высокий уровень потерь. Причина — модели были обучены на данных предыдущего периода, а условия на рынке и в экономике уже существенно изменились.
Материально это выразилось в ощутимых отклонениях. Например, в сегменте с наименьшим ожидаемым риском прогнозируемые потери должны были составлять около 1,5% годовых. Фактически же они превысили 3%. Ошибка — более чем двукратная, почти трехкратная.
Возникает закономерный вопрос: что с этим делать?
Полностью предсказать будущее невозможно — и это признается прямо. Поэтому ключевая задача смещается: не «угадать всё», а помочь лучше принимать решения в условиях неопределенности.
Подход, к которому пришли в ОКБ, — это максимальная прозрачность данных. Чем больше информации о рынке, поведении заемщиков и текущих изменениях доступно, тем более осознанно можно оценивать, насколько моделям стоит доверять.
Здесь уместна аналогия с Bloomberg Terminal: система не принимает решения за пользователя, но дает максимально полную картину происходящего. Ответственность за риск остается на стороне того, кто принимает решение — но качество этих решений становится выше.
В кредитном риске это особенно важно: горизонты длинные, эффект от решений проявляется не сразу, а изменения на рынке могут происходить быстро.
Поэтому основной фокус — на том, чтобы:
— своевременно замечать дрейф моделей;
— корректно оценивать уровень доверия к ним;
— принимать решения о рекалибровке;
— при необходимости добавлять экспертные поправки.
Именно такой подход позволяет снижать последствия модельного риска в условиях быстро меняющейся среды.
Лайфхаки по сокращению лага между появлением данных в проде и включением модели в бизнес-процесс - см. в предыдущем посте
👍3🔥1
Weekly Scoring News: кредитный рынок оттаивает, ЦБ берется за бонды, кредитки теряют популярность из-за дороговизны
Ренессанс спроса на кредиты: в марте россияне заняли у банков 925,7 млрд рублей. Это на 24,2% больше, чем месяцем ранее. Рост показали все исследуемые сегменты — ипотека, автокредиты, POS-кредиты и кредиты наличными.
Объем ипотечных кредитов составил 326 млрд рублей, что на 14,1% больше, чем в феврале. Средний чек вырос на 2,8%, до 4,4 млн рублей, число ссуд — на 11%.
Спрос на автокредиты также начал восстанавливаться: в марте россияне заняли на эти цели 171,7 млрд рублей, на 48% больше, чем месяцем ранее. Количество ссуд выросло на 47,2%, а средний чек почти не изменился — 1,54 млн рублей (+0,5%).
Выдачи кредитов наличными увеличились на 24,5%, до 404,6 млрд рублей. Число выданных ссуд выросло на 23,6%, средний чек остался почти на прежнем уровне — 190,5 тыс. рублей (+0,7%).
Рынок POS-кредитов составил 23,4 млрд рублей, прибавив за месяц 28,1%. При этом средний чек снижается третий месяц подряд: в марте он сжался на 12,8%, до 61,7 тысяч рублей. Число оформленных POS-кредитов выросло на 46,8%.
ЦБ ограничит вложения банков в бонды, обеспеченные потребкредитами. Банк России подготовил проект изменений, который вводит требование о применении макропруденциальных надбавок по вложениям банков в облигации, обеспеченные выплатами по потребительским кредитам, за исключением ипотеки. Мера должна снизить риск обхода банками действующих ограничений.
Регулятор отмечает, что в последнее время кредитные организации стали активно выпускать такие облигации, при чем в ряде случаев большую часть бумаг выкупают другие банки.
Денежно-кредитные условия в феврале–марте продолжили смягчаться, хотя и оставались жесткими. В марте снизились ставки денежного и облигационного рынков. При этом инфляционные ожидания населения и бизнеса остались повышенными, поэтому реальные ставки в среднем уменьшились.
Ставки по корпоративным кредитам и депозитам населения в феврале сдвинулись вниз. Кредит экономике в феврале увеличился за счет возобновления роста корпоративного кредитования. В то же время расширение розничного кредитования приостановилось из-за снижения спроса на ипотеку и сокращения задолженности по неипотечным кредитам.
МФО предупредили о риске ухода заемщиков в «серый» сегмент на фоне инициативы ЦБ. Банк России поддержал идею выявлять среди клиентов МФО граждан с низкими доходами и предлагать им меры господдержки вместо займов. Предполагается, что это поможет снизить закредитованность за счет «перехвата» наиболее уязвимых заемщиков.
Однако участники рынка указывают, что значительная часть таких клиентов уже сейчас не проходит скоринг и фактически не получает доступ к микрозаймам.
В МФО «Займер» считают, что предложенный механизм может быть полезен как дополнительный инструмент адресной поддержки, но не должен противопоставляться легальному рынку микрофинансирования. При этом ключевыми факторами закредитованности, по оценке МФО, остаются уровень доходов и финансовая дисциплина, а не сама стоимость займов.
Россияне стали реже брать кредитные карты из-за роста стоимости их обслуживания. В феврале количество кредитных карт на руках у россиян сократилось до 95 млн — минимума с марта 2023 года, сообщили в «Скоринг бюро».
С конца 2024 года банки почти вдвое увеличили полную стоимость кредита по картам — с 26% до более чем 48%. Причина — стремление поддержать доходность на фоне роста числа «грейсовиков».
Рынок кредитных карт отреагировал на общее охлаждение кредитования с запозданием: пока в 2024 году потребительское кредитование сокращалось, спрос на карты продолжал расти. Снижение началось лишь в 2025 году.
Ренессанс спроса на кредиты: в марте россияне заняли у банков 925,7 млрд рублей. Это на 24,2% больше, чем месяцем ранее. Рост показали все исследуемые сегменты — ипотека, автокредиты, POS-кредиты и кредиты наличными.
Объем ипотечных кредитов составил 326 млрд рублей, что на 14,1% больше, чем в феврале. Средний чек вырос на 2,8%, до 4,4 млн рублей, число ссуд — на 11%.
Спрос на автокредиты также начал восстанавливаться: в марте россияне заняли на эти цели 171,7 млрд рублей, на 48% больше, чем месяцем ранее. Количество ссуд выросло на 47,2%, а средний чек почти не изменился — 1,54 млн рублей (+0,5%).
Выдачи кредитов наличными увеличились на 24,5%, до 404,6 млрд рублей. Число выданных ссуд выросло на 23,6%, средний чек остался почти на прежнем уровне — 190,5 тыс. рублей (+0,7%).
Рынок POS-кредитов составил 23,4 млрд рублей, прибавив за месяц 28,1%. При этом средний чек снижается третий месяц подряд: в марте он сжался на 12,8%, до 61,7 тысяч рублей. Число оформленных POS-кредитов выросло на 46,8%.
ЦБ ограничит вложения банков в бонды, обеспеченные потребкредитами. Банк России подготовил проект изменений, который вводит требование о применении макропруденциальных надбавок по вложениям банков в облигации, обеспеченные выплатами по потребительским кредитам, за исключением ипотеки. Мера должна снизить риск обхода банками действующих ограничений.
Регулятор отмечает, что в последнее время кредитные организации стали активно выпускать такие облигации, при чем в ряде случаев большую часть бумаг выкупают другие банки.
Денежно-кредитные условия в феврале–марте продолжили смягчаться, хотя и оставались жесткими. В марте снизились ставки денежного и облигационного рынков. При этом инфляционные ожидания населения и бизнеса остались повышенными, поэтому реальные ставки в среднем уменьшились.
Ставки по корпоративным кредитам и депозитам населения в феврале сдвинулись вниз. Кредит экономике в феврале увеличился за счет возобновления роста корпоративного кредитования. В то же время расширение розничного кредитования приостановилось из-за снижения спроса на ипотеку и сокращения задолженности по неипотечным кредитам.
МФО предупредили о риске ухода заемщиков в «серый» сегмент на фоне инициативы ЦБ. Банк России поддержал идею выявлять среди клиентов МФО граждан с низкими доходами и предлагать им меры господдержки вместо займов. Предполагается, что это поможет снизить закредитованность за счет «перехвата» наиболее уязвимых заемщиков.
Однако участники рынка указывают, что значительная часть таких клиентов уже сейчас не проходит скоринг и фактически не получает доступ к микрозаймам.
В МФО «Займер» считают, что предложенный механизм может быть полезен как дополнительный инструмент адресной поддержки, но не должен противопоставляться легальному рынку микрофинансирования. При этом ключевыми факторами закредитованности, по оценке МФО, остаются уровень доходов и финансовая дисциплина, а не сама стоимость займов.
Россияне стали реже брать кредитные карты из-за роста стоимости их обслуживания. В феврале количество кредитных карт на руках у россиян сократилось до 95 млн — минимума с марта 2023 года, сообщили в «Скоринг бюро».
С конца 2024 года банки почти вдвое увеличили полную стоимость кредита по картам — с 26% до более чем 48%. Причина — стремление поддержать доходность на фоне роста числа «грейсовиков».
Рынок кредитных карт отреагировал на общее охлаждение кредитования с запозданием: пока в 2024 году потребительское кредитование сокращалось, спрос на карты продолжал расти. Снижение началось лишь в 2025 году.
Приглашаем на конференцию «Распределенный финтех и Web3-инфраструктура России», которая состоится 22 апреля 2026 года в Москве.
До принятия нового законодательства о цифровых активах остается совсем мало времени. Ответ на главный вопрос — как подготовить инфраструктуру к вступлению в силу закона «О цифровой валюте и цифровых правах» — можно будет получить 22 апреля на конференции. Принять участие
В числе спикеров:
• Дмитрий Аксаков, вице-президент ВЭБ РФ, председатель совета директоров «Токеон»;
• Андрей Макаров, основатель криптобиржи XRuby;
• Мария Болобонова, адвокат, член ЭС ГД РФ по законодательному регулированию криптовалют;
• Ольга Гончарова, руководитель экспертного центра по ЦФА и цифровым валютам АБР;
• Андрей Михайлишин, генеральный директор компании «Цифровые платежи»;
• Дмитрий Сорокин, директор по работе с правоохранительными органами «Цифком»;
• Екатерина Фроловичева, управляющий директор АО «Цифровые решения»;
• Анна Шаповалова, руководитель платформы ЦФА Альфа-Банка;
• Юлия Воронова, директор по консалтингу «Позитив Текнолоджиз»;
и другие эксперты.
В программе:
• регулирование хранения и оборота цифровых активов в России;
• кастодиальное хранение и операции с криптовалютами;
• технологические аспекты ЦФА и токенизации;
• мосты и публичные блокчейны;
• криптографические протоколы и кибербезопасность;
• риски блокировок, цифровой комплаенс и ПОД/ФТ;
• практические кейсы.
Для кого: на конференции соберутся представители банков и крупных финансовых организаций, платежных сервисов, финтех-компаний, интеграторы и участники крипторынка, подпадающие под новый закон: депозитарии, обменники, брокеры, биржи и др.
📍Когда и где: 22 апреля 2026 г., Москва, лофт-пространство в ДК «Серп и Молот» (м. «Площадь Ильича»).
👉 Участие бесплатное по предварительной регистрации (обязательно дождитесь подтверждения от организаторов и получения билета).
Организатор: Web3 Tech — центр компетенций по блокчейн-инфраструктуре и провайдер Web3-сервисов.
👉 Программа и спикеры
👉 Регистрация делегатов
Реклама, ООО «Веб3 Интегратор», ИНН 7706464945, erid: 2Vtzqv46aU6
До принятия нового законодательства о цифровых активах остается совсем мало времени. Ответ на главный вопрос — как подготовить инфраструктуру к вступлению в силу закона «О цифровой валюте и цифровых правах» — можно будет получить 22 апреля на конференции. Принять участие
В числе спикеров:
• Дмитрий Аксаков, вице-президент ВЭБ РФ, председатель совета директоров «Токеон»;
• Андрей Макаров, основатель криптобиржи XRuby;
• Мария Болобонова, адвокат, член ЭС ГД РФ по законодательному регулированию криптовалют;
• Ольга Гончарова, руководитель экспертного центра по ЦФА и цифровым валютам АБР;
• Андрей Михайлишин, генеральный директор компании «Цифровые платежи»;
• Дмитрий Сорокин, директор по работе с правоохранительными органами «Цифком»;
• Екатерина Фроловичева, управляющий директор АО «Цифровые решения»;
• Анна Шаповалова, руководитель платформы ЦФА Альфа-Банка;
• Юлия Воронова, директор по консалтингу «Позитив Текнолоджиз»;
и другие эксперты.
В программе:
• регулирование хранения и оборота цифровых активов в России;
• кастодиальное хранение и операции с криптовалютами;
• технологические аспекты ЦФА и токенизации;
• мосты и публичные блокчейны;
• криптографические протоколы и кибербезопасность;
• риски блокировок, цифровой комплаенс и ПОД/ФТ;
• практические кейсы.
Для кого: на конференции соберутся представители банков и крупных финансовых организаций, платежных сервисов, финтех-компаний, интеграторы и участники крипторынка, подпадающие под новый закон: депозитарии, обменники, брокеры, биржи и др.
📍Когда и где: 22 апреля 2026 г., Москва, лофт-пространство в ДК «Серп и Молот» (м. «Площадь Ильича»).
👉 Участие бесплатное по предварительной регистрации (обязательно дождитесь подтверждения от организаторов и получения билета).
Организатор: Web3 Tech — центр компетенций по блокчейн-инфраструктуре и провайдер Web3-сервисов.
👉 Программа и спикеры
👉 Регистрация делегатов
Реклама, ООО «Веб3 Интегратор», ИНН 7706464945, erid: 2Vtzqv46aU6
❤1🔥1
Weekly Scoring News: Wildberries тестирует автокредиты, NFC-мошенничество набирает обороты, НСПК повышает антифрод-пороги
МВД отключило банки от сервиса проверки паспортов, лишив возможности выдавать онлайн-кредиты. С 15 апреля банки потеряли доступ к сервису проверки подлинности паспортов через Систему межведомственного электронного взаимодействия (СМЭВ). Об этом, по данным «Коммерсанта», сообщили источники в крупных кредитных организациях. Отключение затронуло все банки, включая те, у которых есть необходимые аттестаты доступа.
В Минцифры, по информации Forbes, утверждают, что все сервисы СМЭВ и НСУД, включая личные кабинеты участников, работают штатно: "Механизм контроля доступа в ЕИП НСУД и СМЭВ функционирует корректно. Причиной возникших проблем являются действия по управлению доступом владельцев соответствующих ВС и РЗ".
Wildberries запустила оформление автокредитов. Пользователи могут выбрать автомобиль онлайн, подать заявку в банки-партнеры и оформить кредит полность ю дистанционно, в т.ч. по льготным программам автопроизводителей. Заявка рассматривается за несколько минут, после чего клиенту нужно загрузить документы и подписать договор электронной подписью. Пока сервис доступен только в веб-версии и работает в тестовом режиме, в дальнейшем его планируют добавить в мобильное приложение.
В Госдуму внесли законопроект о защите прав пользователей рассрочки. Документ предлагает ввести нормы, которые защитят потребителей в случаях, когда оператор не выполняет обязательства по оплате товара или услуги перед продавцом. Предполагается, что обязательства покупателя перед продавцом будут считаться исполненными с момента внесения первого платежа оператору рассрочки.
Кроме того, на операторов рассрочки предлагают распространить требования законодательства в сфере ПОД/ФТ. Операторы будут обязаны предоставлять информацию в Росфинмониторинг по запросу, а также не смогут разглашать факт передачи таких сведений.
Одной из основных схем хищения денег стало NFC-мошенничество. Во второй половине 2025 года на него пришлось до половины всех дистанционных хищений с вредоносным ПО, и в 2026 году его распространение продолжается.
Схема работает так: злоумышленники убеждают жертву снять наличные с карт, а затем под предлогом перевода на «безопасный счет» просят установить на телефон специальное приложение-троян, замаскированное под банковское. Утилита получает доступ к NFC-модулю, после чего человека убеждают внести наличные через банкомат с помощью телефона. Деньги в итоге зачисляются на токенизированную карту злоумышленников, привязанную к смартфону жертвы.
НСПК подвела итоги премии "Лучшие в антифроде" по результатам 2025 года. В сегменте защиты физлиц были отмечены Сбер и ПСБ. Сбер также стал лидером по возврату средств клиентам через механизм "Добрая воля", который позволяет компенсировать потери в отдельных случаях мошенничества.
В эквайринге лидером вновь стал Т-Банк, у которого зафиксирован минимальный уровень мошеннической активности среди ТСП. Отдельно банк получил награду за развитие антифрод-инициатив, включая сервисы "Фрод-рулетка", "Защита близких" и "Защитим или вернем деньги".
В сегменте Системы быстрых платежей (СБП) лучшими по уровню защиты стали Газпромбанк и Россельхозбанк. ПСБ и ВТБ получили награды за развитие межбанковского взаимодействия в сфере противодействия мошенничеству.
НСПК планирует изменить стандарты платежной системы «Мир» в части информирования о мошенничестве и контроля неправомерных операций. В частности, предлагается пересмотреть порог общего объема мошеннических операций, после которого для банка начинают действовать штрафные санкции и он попадает в специальную программу НСПК по мониторингу фрода.
Предполагается ввести несколько пороговых уровней. Сейчас действует базовый порог: санкции наступают, если объем мошеннических операций достигает 1 млн руб. в месяц и составляет 0,05% от общего оборота по картам банка. Второй порог предлагается установить на уровне свыше 10 млн руб. и 0,02% мошеннических операций, а третий порог — свыше 50 млн руб. и 0,01% аналогичных операций.
МВД отключило банки от сервиса проверки паспортов, лишив возможности выдавать онлайн-кредиты. С 15 апреля банки потеряли доступ к сервису проверки подлинности паспортов через Систему межведомственного электронного взаимодействия (СМЭВ). Об этом, по данным «Коммерсанта», сообщили источники в крупных кредитных организациях. Отключение затронуло все банки, включая те, у которых есть необходимые аттестаты доступа.
В Минцифры, по информации Forbes, утверждают, что все сервисы СМЭВ и НСУД, включая личные кабинеты участников, работают штатно: "Механизм контроля доступа в ЕИП НСУД и СМЭВ функционирует корректно. Причиной возникших проблем являются действия по управлению доступом владельцев соответствующих ВС и РЗ".
Wildberries запустила оформление автокредитов. Пользователи могут выбрать автомобиль онлайн, подать заявку в банки-партнеры и оформить кредит полность ю дистанционно, в т.ч. по льготным программам автопроизводителей. Заявка рассматривается за несколько минут, после чего клиенту нужно загрузить документы и подписать договор электронной подписью. Пока сервис доступен только в веб-версии и работает в тестовом режиме, в дальнейшем его планируют добавить в мобильное приложение.
В Госдуму внесли законопроект о защите прав пользователей рассрочки. Документ предлагает ввести нормы, которые защитят потребителей в случаях, когда оператор не выполняет обязательства по оплате товара или услуги перед продавцом. Предполагается, что обязательства покупателя перед продавцом будут считаться исполненными с момента внесения первого платежа оператору рассрочки.
Кроме того, на операторов рассрочки предлагают распространить требования законодательства в сфере ПОД/ФТ. Операторы будут обязаны предоставлять информацию в Росфинмониторинг по запросу, а также не смогут разглашать факт передачи таких сведений.
Одной из основных схем хищения денег стало NFC-мошенничество. Во второй половине 2025 года на него пришлось до половины всех дистанционных хищений с вредоносным ПО, и в 2026 году его распространение продолжается.
Схема работает так: злоумышленники убеждают жертву снять наличные с карт, а затем под предлогом перевода на «безопасный счет» просят установить на телефон специальное приложение-троян, замаскированное под банковское. Утилита получает доступ к NFC-модулю, после чего человека убеждают внести наличные через банкомат с помощью телефона. Деньги в итоге зачисляются на токенизированную карту злоумышленников, привязанную к смартфону жертвы.
НСПК подвела итоги премии "Лучшие в антифроде" по результатам 2025 года. В сегменте защиты физлиц были отмечены Сбер и ПСБ. Сбер также стал лидером по возврату средств клиентам через механизм "Добрая воля", который позволяет компенсировать потери в отдельных случаях мошенничества.
В эквайринге лидером вновь стал Т-Банк, у которого зафиксирован минимальный уровень мошеннической активности среди ТСП. Отдельно банк получил награду за развитие антифрод-инициатив, включая сервисы "Фрод-рулетка", "Защита близких" и "Защитим или вернем деньги".
В сегменте Системы быстрых платежей (СБП) лучшими по уровню защиты стали Газпромбанк и Россельхозбанк. ПСБ и ВТБ получили награды за развитие межбанковского взаимодействия в сфере противодействия мошенничеству.
НСПК планирует изменить стандарты платежной системы «Мир» в части информирования о мошенничестве и контроля неправомерных операций. В частности, предлагается пересмотреть порог общего объема мошеннических операций, после которого для банка начинают действовать штрафные санкции и он попадает в специальную программу НСПК по мониторингу фрода.
Предполагается ввести несколько пороговых уровней. Сейчас действует базовый порог: санкции наступают, если объем мошеннических операций достигает 1 млн руб. в месяц и составляет 0,05% от общего оборота по картам банка. Второй порог предлагается установить на уровне свыше 10 млн руб. и 0,02% мошеннических операций, а третий порог — свыше 50 млн руб. и 0,01% аналогичных операций.
❤3👍2
Weekly Scoring News: карточный фрод у селлеров, финприложения под атакой, рост спроса на кредитные отчёты
Банки зафиксировали рост мошенничества в онлайн-торговле в 2025 году. Большинство мошеннических операций по картам «Мир» в 2025 году совершали не физические лица, а ТСП. Схема была простой: торговые точки получали оплату, но не поставляли покупателям оплаченные товары.
По данным НСПК, в четвертом квартале 2025 года в e-commerce было зафиксировано 136,7 тысячи таких транзакций, через POS-платежи, включая ТСП — 65 тысяч. Причем весь год сегмент e-commerce показывал стабильный рост мошеннических операций, начав со 105 тысяч в первом квартале.
В же время через банкоматы и переводы от физлица физлицу (P2P) в сумме прошло лишь чуть более 7 тысяч карточных мошеннических операций.
Число критических уязвимостей в финансовых приложениях выросло почти в 11 раз с 2023 года.В 2023 году в приложениях компаний финансового сектора — банков, микрофинансовых и страховых организаций — аналитики обнаружили 4500 уязвимостей, из которых 183 были критическими. В 2024 году общее число найденных уязвимостей снизилось до 1583, однако уже 569 из них были признаны критическими. Последнее исследование выявило 3555 уязвимостей, из которых 2006 отнесли к критическим. Анализ приложений проводила компания AppSec Solutions.
Одна из причин такой динамики в том, что разработчики нередко встраивают чувствительную информацию непосредственно в код приложения. В результате злоумышленники могут получить доступ к конфиденциальным данным с помощью декомпиляции.
Онлайн-кредитование в первом квартале заметно оживилось и вышло на максимум за последний год, но с важной оговоркой: рынок восстановился по спросу, но не по доступности.
Снижение ключевой ставки поддержало интерес заемщиков, однако регуляторные ограничения и жесткие банковские фильтры не позволяют этому спросу полностью реализоваться внутри банков. В результате сильнее всего растут либо более гибкие продукты, либо альтернативные каналы, например, микрозаймы.
По данным Banki,ru, главный драйвер роста — необеспеченные продукты: спрос на кредиты наличными вырос на 52% год к году и на 14% к предыдущему кварталу, на кредитные карты на 102% и 31% соответственно. Наиболее резкий рост показали микрозаймы: +181% год к году. МФО берут на себя тот спрос, который не могут удовлетворить банки из-за более жестких требований к заемщикам.
Банк России изменил процедуру исключения реквизитов из базы данных о мошеннических операциях. Новые правила начнут действовать со 2 мая.
Что изменится:
• если регулятор рассматривает заявление на исключение и направляет запрос в банк, банк теперь должен связаться с клиентом-плательщиком, чьё обращение стало основанием для внесения сведений в базу, и уточнить, считает ли он операцию по-прежнему мошеннической.
• Заявление по доверенности теперь подается через обслуживающий банк.
• При обращении через сайт ЦБ можно указывать реквизиты недействительного паспорта, чтобы человека можно было корректно идентифицировать после смены документа.
Количество полученных гражданами кредитных отчетов в 2025 году выросло на 4%. Как считают в ЦБ, это свидетельствует о повышении финансовой грамотности россиян.
Кроме того, спрос на услуги БКИ со стороны МФО увеличился в 1,6 раза. Больше всего запросов на кредитные отчеты поступило от банков и МФО, тогда как как другие финансовые организации чаще интересовались скорингами.
По данным Банка России, использование кредитных отчетов помогает снижать объем просроченной задолженности: каждый рубль, потраченный на кредитный отчет, может снизить задолженность более чем на 337 рублей.
Банки зафиксировали рост мошенничества в онлайн-торговле в 2025 году. Большинство мошеннических операций по картам «Мир» в 2025 году совершали не физические лица, а ТСП. Схема была простой: торговые точки получали оплату, но не поставляли покупателям оплаченные товары.
По данным НСПК, в четвертом квартале 2025 года в e-commerce было зафиксировано 136,7 тысячи таких транзакций, через POS-платежи, включая ТСП — 65 тысяч. Причем весь год сегмент e-commerce показывал стабильный рост мошеннических операций, начав со 105 тысяч в первом квартале.
В же время через банкоматы и переводы от физлица физлицу (P2P) в сумме прошло лишь чуть более 7 тысяч карточных мошеннических операций.
Число критических уязвимостей в финансовых приложениях выросло почти в 11 раз с 2023 года.В 2023 году в приложениях компаний финансового сектора — банков, микрофинансовых и страховых организаций — аналитики обнаружили 4500 уязвимостей, из которых 183 были критическими. В 2024 году общее число найденных уязвимостей снизилось до 1583, однако уже 569 из них были признаны критическими. Последнее исследование выявило 3555 уязвимостей, из которых 2006 отнесли к критическим. Анализ приложений проводила компания AppSec Solutions.
Одна из причин такой динамики в том, что разработчики нередко встраивают чувствительную информацию непосредственно в код приложения. В результате злоумышленники могут получить доступ к конфиденциальным данным с помощью декомпиляции.
Онлайн-кредитование в первом квартале заметно оживилось и вышло на максимум за последний год, но с важной оговоркой: рынок восстановился по спросу, но не по доступности.
Снижение ключевой ставки поддержало интерес заемщиков, однако регуляторные ограничения и жесткие банковские фильтры не позволяют этому спросу полностью реализоваться внутри банков. В результате сильнее всего растут либо более гибкие продукты, либо альтернативные каналы, например, микрозаймы.
По данным Banki,ru, главный драйвер роста — необеспеченные продукты: спрос на кредиты наличными вырос на 52% год к году и на 14% к предыдущему кварталу, на кредитные карты на 102% и 31% соответственно. Наиболее резкий рост показали микрозаймы: +181% год к году. МФО берут на себя тот спрос, который не могут удовлетворить банки из-за более жестких требований к заемщикам.
Банк России изменил процедуру исключения реквизитов из базы данных о мошеннических операциях. Новые правила начнут действовать со 2 мая.
Что изменится:
• если регулятор рассматривает заявление на исключение и направляет запрос в банк, банк теперь должен связаться с клиентом-плательщиком, чьё обращение стало основанием для внесения сведений в базу, и уточнить, считает ли он операцию по-прежнему мошеннической.
• Заявление по доверенности теперь подается через обслуживающий банк.
• При обращении через сайт ЦБ можно указывать реквизиты недействительного паспорта, чтобы человека можно было корректно идентифицировать после смены документа.
Количество полученных гражданами кредитных отчетов в 2025 году выросло на 4%. Как считают в ЦБ, это свидетельствует о повышении финансовой грамотности россиян.
Кроме того, спрос на услуги БКИ со стороны МФО увеличился в 1,6 раза. Больше всего запросов на кредитные отчеты поступило от банков и МФО, тогда как как другие финансовые организации чаще интересовались скорингами.
По данным Банка России, использование кредитных отчетов помогает снижать объем просроченной задолженности: каждый рубль, потраченный на кредитный отчет, может снизить задолженность более чем на 337 рублей.
👍1
Weekly Scoring News: импортозамещение риск-систем, рост МФО и кредитные уступки
Сбер перевел оценку рисков юрлиц на Platform V. Сбер завершил миграцию систем оценки рисков в корпоративном кредитовании на отечественные решения Platform V от «СберТеха». Они заменили зарубежные Pega Platform, Oracle Database и IBM WAS.
Переход прошел без остановки критически важных процессов и с сохранением функциональности бизнес-приложений. По данным банка, новые решения повысили надежность и отказоустойчивость систем, увеличили число ежеквартальных обновлений в 60 раз и ускорили их установку в 3,6 тыс. раз.
«Альфа деньги» почти сравнялась с «Т-финанс» по выдачам микрозаймов. Микрокредитная компания «Альфа деньги» почти догнала «Т-финанс» по объему выдач в 2025 году. По данным ренкинга «Эксперт РА», обе банковские «дочки» выдали займы примерно на 79,9 млрд рублей.
Отрыв «Т-финанс» сократился до 30 млн рублей, тогда как год назад компания опережала «Альфа деньги» на 16,8 млрд рублей. При этом «Т-финанс» росла в среднерыночном темпе — на 35%, а «Альфа деньги» увеличила выдачи на 89%.
Среди топ-10 МФО быстрее росли только «Альфа финанс» (+100%, до 34,4 млрд рублей) и «Совком экспресс» — «дочка» Совкомбанка выдала 25,6 млрд рублей, увеличив показатель в шесть раз год к году.
Банки в первом квартале пошли на уступки почти по 500 тыс. кредитных договоров.о данным ОКБ, только в марте поддержку получили около 150 тыс. заемщиков, столкнувшихся с финансовыми трудностями.
Чаще всего помощь требовалась по кредитам наличными — на них пришлось 70% всех уступок. Доля ипотечных кредитов выросла до 14,8%, автокредитов — до 4,2%, кредитных карт — до 4,3%.
Самой распространенной мерой оставалась отсрочка платежа, но ее доля снизилась до 47,5% против 61,1% в феврале. При этом выросла доля неначисления процентов за просрочку — до 39,2%. Замена залога применялась в 5,5% случаев, прощение штрафов — в 6,1%, временное снижение платежа — в 1,7%.
Сбер перевел оценку рисков юрлиц на Platform V. Сбер завершил миграцию систем оценки рисков в корпоративном кредитовании на отечественные решения Platform V от «СберТеха». Они заменили зарубежные Pega Platform, Oracle Database и IBM WAS.
Переход прошел без остановки критически важных процессов и с сохранением функциональности бизнес-приложений. По данным банка, новые решения повысили надежность и отказоустойчивость систем, увеличили число ежеквартальных обновлений в 60 раз и ускорили их установку в 3,6 тыс. раз.
«Альфа деньги» почти сравнялась с «Т-финанс» по выдачам микрозаймов. Микрокредитная компания «Альфа деньги» почти догнала «Т-финанс» по объему выдач в 2025 году. По данным ренкинга «Эксперт РА», обе банковские «дочки» выдали займы примерно на 79,9 млрд рублей.
Отрыв «Т-финанс» сократился до 30 млн рублей, тогда как год назад компания опережала «Альфа деньги» на 16,8 млрд рублей. При этом «Т-финанс» росла в среднерыночном темпе — на 35%, а «Альфа деньги» увеличила выдачи на 89%.
Среди топ-10 МФО быстрее росли только «Альфа финанс» (+100%, до 34,4 млрд рублей) и «Совком экспресс» — «дочка» Совкомбанка выдала 25,6 млрд рублей, увеличив показатель в шесть раз год к году.
Банки в первом квартале пошли на уступки почти по 500 тыс. кредитных договоров.о данным ОКБ, только в марте поддержку получили около 150 тыс. заемщиков, столкнувшихся с финансовыми трудностями.
Чаще всего помощь требовалась по кредитам наличными — на них пришлось 70% всех уступок. Доля ипотечных кредитов выросла до 14,8%, автокредитов — до 4,2%, кредитных карт — до 4,3%.
Самой распространенной мерой оставалась отсрочка платежа, но ее доля снизилась до 47,5% против 61,1% в феврале. При этом выросла доля неначисления процентов за просрочку — до 39,2%. Замена залога применялась в 5,5% случаев, прощение штрафов — в 6,1%, временное снижение платежа — в 1,7%.
❤1👍1