В НовГУ рассказали, при какой ключевой ставке кредиты становятся «проблемными»
29 июля 2026, 09:30 31
Учёные из Санкт-Петербурга создали новую математическую модель, которая с точностью до 83% предсказывает риск невозврата ипотеки. Исследование доказало: главная угроза для банка — не падение цен на жилье, а просрочки по платежам свыше 90 дней. Новая методика также показывает, что при ключевой ставке ЦБ выше 16% привычные правила выдачи кредитов перестают работать, требуя от банков пересмотреть свои подходы к оценке рисков.
Статья вышла в журнале НовГУ BENEFICIUM. Авторы исследования – доцент Санкт-Петербургского политехнического университета Петра Великого Максим Измайлов и кредитный аналитик кредитования корпоративного бизнеса Татьяна Измайлова.
Как просчитать риск ипотеки
Международный стандарт оценки банковских рисков складывается из трёх главных показателей:
- PD (Probability of Default) — вероятность того, что человек перестанет платить.
- LTV (Loan-to-Value) — соотношение долга к стоимости жилья.
- LGD (Loss Given Default) — сколько денег потеряет банк, если дело дойдет до продажи квартиры.
Петербургские экономисты доказали: эти показатели нельзя рассматривать отдельно. В кризис они работают как сообщающиеся сосуды — экономический спад одновременно выбрасывает людей с работы, снижая их платёжеспособность, и обрушивает цены на жилье.
16% – критический рубеж
Ученые проанализировали данные Центробанка и Росреестра за 2020–2024 годы. Выяснилось, что при ключевой ставке в 16% снижение цен на недвижимость всего на 12% переводит 58,3% всех выданных кредитов в категорию проблемных — когда долг становится дороже самой квартиры. А комбинированный шок (падение цен на четверть плюс рост ставки до 18%) утраивает потенциальные убытки банковского портфеля.
— Мы привыкли думать, что главный враг ипотеки — это обвал рынка недвижимости или резкий взлет ставок, — отметил Максим Измайлов. — Однако наши расчёты показали, доминирующим фактором риска остаётся человеческая дисциплина. Кредитная история сегодня говорит о будущем заемщика гораздо больше, чем прогнозы Минэкономразвития. А в условиях высокой волатильности российский заемщик умеет адаптироваться к скачкам процентов.
Однако эта адаптация «ломается», когда ставка ЦБ достигает 16% годовых. При такой ставке сумма ежемесячного платежа начинает поглощать ту часть дохода, которая уходит на еду, лекарства и коммунальные услуги. Экономить становится просто не на чем. Любое непредвиденное событие моментально приводит к просрочке.
Ставка косвенно влияет и на LTV — соотношение долга к стоимости жилья.
— Традиционно безопасным считается LTV до 80–85%, — рассказал Максим Измайлов. — При ставке ЦБ в 16% планка безопасности опускается до 75%. Теперь любому кредиту, чтобы стать проблемным, достаточно снижения цен на рынке всего на 12%. То есть, у 58 заёмщиков из ста выручки от продажи квартиры просто не хватит, чтобы закрыть долг перед банком.
Потери банка при продаже ипотечного жилья
Учёные выявили зависимость LGD (потери банка при продаже залогового жилья) от времени, потраченного на судебные разбирательства. Каждый лишний месяц обходится банку в 1,7% убытка. При реализации залога в срок до 12 месяцев потери умеренные – 31,2%. Задержка от 13 до 18 месяцев поднимает их до 47,5%. Если процедура затягивается дольше чем на 18 месяцев, банк теряет 68,9% от остатка долга.
— Разница между ценой реализации и кадастровой стоимостью достигает 25,4%, к чему добавляются фиксированные комиссии риелторов и нотариусов (около 7%) и расходы на содержание объекта, — отметил Максим Измайлов.
Опасности «вторички» и экстремальный обвал цен на жильё
Пока модель лучше всего работает на первичном рынке стандартных квартир. Прогнозы для старого жилого фонда и нестандартных объектов требуют доработки, так как исторические данные по ним могут давать погрешность до 27%.
Ученые планируют детально проанализировать вторичный рынок жилья. На него приходится значительная часть ипотечных кредитов, а из-за юридических сложностей суды могут длиться годами. Ещё одна задача – просчитать сценарий экстремального падения цен на недвижимость (более чем на 40%), чтобы понять реальный запас прочности банковской системы. Главным же технологическим приоритетом станет создание автоматизированной системы корректировки LTV на основе данных Росреестра. Пилотные испытания таких решений уже позволили сократить время реакции банка с целого квартала до 72 часов и снизить потери кредитного портфеля на 17%.
Эту и другие новости читайте в официальном МАХ-канале Новгородского университета.
