Математическое моделирование операционного риска в коммерческом банке тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Золотарева, Екатерина Леоновна

• Золотарева, Екатерина Леоновна
• кандидат экономических наук
• 2011

Оглавление диссертации кандидат экономических наук Золотарева, Екатерина Леоновна

ВВЕДЕНИЕ.

1. СОВРЕМЕНЫЕ ПОДХОДЫ К УПРАВЛЕНИЮ ОПЕРАЦИОННЫМ РИСКОМ.

1.1. Предпосылки развития операционного риск-менеджмента.

1.2. Классификация событий операционного риска и направлений деятельности.

1.3. Управление операционным риском в России.

1.4. Моделирование и оценка операционного риска.

1.4.1. Подход на основе базового индикатора.

1.4.2. Стандартизированный подход.

1.4.3. Усовершенствованные подходы к оценке операционных рисков.

1.4.4. Подходы, основанные на вероятностном распределении потерь.

2. АКТУАРНЫЙ ПОДХОД К КОЛИЧЕСТВЕННОЙ ОЦЕНКЕ ОПЕРАЦИОННОГО РИСКА.

2.1. Выбор рискового события и направления деятельности.

2.1.1. Внешнее мошенничество в розничном кредитовании.

2.1.2. Внутреннее мошенничество в розничном кредитовании.

2.2. Общее описание модели.

2.3. Формирование выборки.

2.3.1. Однородные группы.

2.3.2. Масштабирование.

2.4. Моделирование размера и частоты потерь.

2.4.1. Моделирование размера потерь {severity).

2.4.1.1. Традиционный подход к выбору закона распределения и оценке параметров.

2.4.1.2. Моделирование экстремальных потерь.

2.4.2. Внешние, внутренние данные и сценарный анализ.

2.4.2.1. Байесовский подход.

2.4.2.2. Априорные и апостериорные распределения.

2.4.3. Моделирование частоты событий {frequency).

2.5. Моделирование зависимостей.

2.5.1. Копулы как инструмент моделирования зависимостей.

2.5.2. Виды копул.

2.6. Имитационный эксперимент.

2.6.1. Операционный VAR (Value-at-Risk).

2.6.2. Необходимое количество испытаний для расчета VAR.

2.6.3. Оценка катастрофических потерь Shortfall.

2.6.4. Учет страховой программы банка.

2.7. Исследование модели.

2.7.1. Анализ чувствительности.

2.7.2. Стресс-тестирование.

2.8. Программное обеспечение.

3. АПРОБАЦИЯ МОДЕЛИ.

3.1. Сбор данных о реализации операционного риска.

3.2. Моделирование риска внешнего мошенничества.

3.2.1. Исходные предположения и допущения. Формирование выборки.

3.2.2. Моделирование размера потерь в результате внешнего мошенничества

3.2.2.1. Экспресс-кредитование.

3.2.2.2. Автокредитование.

3.2.2.3. Ипотека.:.

3.2.2.4. Кредитование на неотложные нужды.

3.2.2.5. Проверка целесообразности разделения выборок.

3.2.3. Моделирование частоты событий внешнего мошенничества.

3.2.3.1. Подбор распределения как результат анализа бизнес-процесса.

3.2.3.2. Нахождение параметров распределения частоты потерь.

3.3. Моделирование риска внутреннего мошенничества.

3.3.1. Формирование выборки.

3.3.2. Моделирование размера потерь в результате внутреннего мошенничества.

3.3.2.1. Потери ниже порогового значения.

3.3.2.2. Экстремальные потери.

3.3.2.3.Корректировка параметров экстремального распределения.

3.3.3. Моделирование частоты событий внутреннего мошенничества.

3.4. Моделирование совокупных потерь.

3.4.1. Схема генерации случайных значений.

3.4.1.1. Внешнее мошенничество.

3.4.1.2. Внутреннее мошенничество.

3.4.2. Проведение имитационного эксперимента. Расчет VAR.

3.4.3. Анализ результатов эксперимента, проведенного без учета зависимостей и страхования.

3.4.4. Моделирование зависимостей.

3.4.4.1. Особенности генерации зависимых случайных величин.

3.4.4.2. Анализ результатов эксперимента, проведенного с учетом зависимостей.

3.4.5. Учет страховой программы.

3.4.6. Расчет Expected Shortfall.

3.5. Исследование модели.

3.5.1. Стресс-тестирование.

3.5.2. Анализ чувствительности.

3.5.3. Изменение программы кредитования.

Введение диссертации (часть автореферата) на тему «Математическое моделирование операционного риска в коммерческом банке»

Актуальность темы исследования. Управление операционным риском является сравнительно новым направлением для банковского сообщества. В документах Базельского комитета по банковскому надзору [1] оно впервые было выделено как самостоятельное направление в конце 90-х гг. В настоящее время, по данным компании Эе1оШе [36], управление операционными рисками является частью корпоративных программ риск-менеджмента в абсолютном большинстве банков (97%) и предусматривает четыре этапа: идентификацию, оценку, мониторинг, контроль и/или минимизацию (см. Рисунок 1). Тем не менее, многие методологические вопросы, в частности, связанные с количественной оценкой операционного риска, остаются открытыми.

Управление какими рисками включено в Вашу ЕКМ-программу?

Операционный риск Кредитный рнск Рыночный риск Риск ликвидности Репутационный рнск Комплаенс-риск Рнск ИТ-безопасности Стратегический риск Модельный рнск Опрос проведен среди организаций, имеющих корпоративную программу управления рисками (ЕЯМ)

Рисунок 1. Результаты опроса, проведенного компанией Deloitte [36] В рамках усовершенствованных подходов (AMA) Базель II предоставляет банкам право самостоятельно разрабатывать экономико-математические модели для количественной оценки операционного риска и, соответственно, для расчета размера капитала, достаточного для покрытия потенциальных потерь. В отличие от более простых подходов (BIA и TSA), также предлагаемых в Базель II, такие модели способны давать более обоснованные оценки операционного риска.

Операционному риску в той или иной мере подвержены все направления деятельности банка, причины его реализации могут быть различными, и, следовательно, моделирование неоднородных событий должно осуществляться по отдельности. Основным препятствием для практического использования внутренних систем оценки является дефицит статистических данных. Кроме того, сведения об операционных потерях носят закрытый характер, поскольку их разглашение критично для деловой репутации банка. Однако по мере того как банки накапливают собственную статистику и анализируют сведения о потерях других организаций, возможности применения экономико-математических моделей расширяются. Одновременно возникает необходимость разработки способов решения ряда задач, обозначенных в Базель II: моделирования экстремальных потерь («тяжелых хвостов»), комбинирования информации из различных источников в условиях дефицита данных и учета зависимостей при агрегировании совокупных потерь в нескольких однородных группах. Помимо этих факторов, для более точной оценки операционного риска необходимо принимать во внимание особенности работы конкретного банка, и, в том числе, страновые различия.

В отечественных коммерческих банках операционному риску в наибольшей степени подвержено направление кредитования физических лиц, что связано с бурным развитием розничного сегмента в России и странах СНГ в 2005-2010 гг. Стремление банков любой ценой нарастить портфель, появление ускоренных и упрощенных схем кредитования, отсутствие опыта разработки розничных продуктов и управления риском - всё это создало возможности для злоупотреблений и получения кредита мошенническим путем как со стороны клиентов, так и сотрудников банков.

Внедрение Базель II в России намечено на 2011-2018 гг., однако для принятия взвешенных решений кредитным организациям уже сейчас необходим гибкий инструмент - модель, позволяющая анализировать возможные варианты событий и прогнозировать величину потенциальных потерь, в частности, в результате мошенничества в розничном кредитовании.

Степень разработанности темы. Вопросы управления операционным риском как составляющей процесса риск-менеджмента коммерческого банка представлены в работах Д.Г. Хоффмана, К. Маршалла, Ф. Джориона, Ф. Фабоцци, М. Левгш и др. и систематизированы Базельским комитетом по банковскому надзору. В России вопросы управления операционными рисками нашли отражение в работах В.Б. Сазыкина, В.М. Золотарева, М. Натуриной, О. Громенко и др., а также в документах Банка России.

С учетом лучшей мировой практики Базельским комитетом были сформулированы основные требования к банкам, применяющим AMA, и, следовательно, к разрабатываемым ими внутренним системам оценки. В настоящее время большинство используемых моделей заимствованы из страховой отрасли и основываются на исследовании вероятностного распределения потерь. Теоретический анализ актуарных моделей проведен в работах М. Круза, К. Александр, A.C. Чернобай, С.Т. Рачева. Имеется также ряд прикладных исследований, посвященных той же тематике, например, работы Г. Миньолы, Р.Угочьони, Ф. Aye, М.Калкбренера, А.Фрашо, Т. Ронкалли, П.Джорждеса, Н. Боуда и др.

Несмотря на заметный прогресс в последние 2-3 года, единого мнения относительно оптимального способа построения модели оценки операционного риска банковским сообществом пока не выработано.

Значительные сложности связаны с оценкой экстремальных потерь - так называемых «тяжелых хвостов». Проблема «тяжелых хвостов» при моделировании операционного риска исследовалась в работах К. Дуты, Дж. Пэрри, Дж. Неслеховой, Е. Медовой, М.Н. Куриаку и др. Одним из предлагаемых способов ее решения является использование теории экстремальных значений, основы которой были заложены учеными Р. Фишером, Д. Типпетом, Б.В. Гнеденко, Р.фон Мизесом и впоследствии развивались, в том числе, применительно к финансовой сфере, Дж. Пикандсом, Р.Л. Смитом, П. Эмбрехтсом, К. Клюпперберг, Т. Микошем, Л: Де Хааном, А.Мак-Нейлом, С.Т. Рачевым, С. Менном, С. Коулзом, А. Дэвисоном, А.С.Себрианом, М.Денуитом, Ф. Ламбертом и др.

Существенные трудности вызывает также комбинирование в модели информации о подверженности операционному риску, полученной из различных источников, в том числе экспертных оценок. В ряде исследований для преодоления этих трудностей использовался байесовский подход (работы Е.А. Медовой;, М.Н. Куриаку, Р;Л. Смита, Дж. Голдмана, Дж. Петерса, С. Сиссона, И.Шевченко, М.Вютриха, И. Журавлева и др.). Особенности применения байесовского подхода в финансовой сфере раскрыты в работах С. Рачева, Дж. Хсу, Л.В. Уткина и др. Решения сопутствующих байесовскому анализу проблем вычислительного характера предложены в работах в Н. Метрополиса, К. Гастингса, Дж. Гиббса; А.Ф. М: Смита, А.Е. Гелфанда, Д. Финка и др.

Между тем, отечественные исследования, посвященные решению указанных вопросов при моделировании операционного риска в коммерческом банке, практически отсутствуют.

Важной задачей является моделирование зависимостей при агрегировании совокупных потерь в нескольких: однородных группах, в том числе при расчете требований: к капиталу. Одним из инструментов; применяемых для-решения этой задачщ, является теория копул, основы которой? были заложены А.Скляром, М.Фреше и В. Хоффдингом. Математический аппарат теории копул и его применение в риск-менеджменте обсуждались в работах И: Эмбрехтса, Р. Б. Нельсона, А. МакНейла, К. Дженеста, Дж. Неслеховой, Дж. Пучетти, Д. Штрауманна, Л. де Хаана, А. Новоселова, Д. Карлиса и др.

Наличие известных математических и инструментальных методов, тем не менее, не гарантирует автоматического решения задачи моделирования операционного риска. Основная сложность связана именно с адаптацией указанных- методов для анализа конкретных направлений деятельности банка и рисковых событий, что требует, как минимум, целенаправленного сбора и обработки данных об операционных потерях и апробации моделей в реальных условиях. Эта работа в основном концентрируется в крупных иностранных кредитных организациях {Deutsche Bank, LCL, Intesa, Mizuho, BBVA и др.), использующих собственные данные, однако они являются конфиденциальными. Информационной базой остальных прикладных исследований, также преимущественно зарубежных, служат «суррогатные» данные (например, данные страховых компаний, статистика убытков по операциям на финансовом рынке и т.п.) или же статистика консорциумов по операционному риску, которые в России пока отсутствуют. Ни в одной из проанализированных работ не рассматривались практическая реализация всех этапов актуарного подхода, не исследовалась задача моделирования операционного риска мошенничества в розничном кредитовании коммерческого банка и не использовалась статистика, применимая для анализа этих рисковых событий в отечественных кредитных организациях.

Из приведенного рассмотрения следует, что тема моделирования операционного риска в коммерческом банке еще недостаточно разработана даже на мировом уровне, а в России это направление находится лишь на начальном этапе.

Цель исследования состоит в разработке экономико-математической модели, позволяющей получить оценки потенциальных потерь в результате реализации операционного риска мошенничества в розничном кредитовании:

Для достижения указанной цели в работе поставлены следующие задачи:

1. Формирование информационной базы исследования на основе реальных сведений о потерях, статистическая обработка данных и выделение однородных групп событий, относящихся к реализации риска мошенничества в розничном кредитовании;

2. Разработка способа математического моделирования частоты и размера потерь в однородных группах событий, обеспечивающего, в частности:

- учет экстремальных потерь («тяжелых хвостов»);

- восполнение дефицита данных за счет комбинирования информации из нескольких источников;

3. Разработка способа математического моделирования зависимостей между однородными группами событий при агрегации оценок совокупных потерь;

4. Разработка способа моделирования ожидаемых и непредвиденных потерь в результате реализации риска мошенничества в розничном кредитовании с учетом ограничений, следующих из экономического смысла задачи, и возможностей применения инструментов минимизации риска (страхования);

5. Анализ результатов применения разработанной методики для оценки потенциальных потерь абстрактного среднестатистического коммерческого банка и исследование экономико-математической модели.

Объектом исследования является направление розничного кредитования в коммерческом банке, включающее в себя экспресс-кредитование, автокредитование, ипотеку и кредитование на неотложные нужды.

Предметом исследования является математическое моделирование операционного риска внешнего (совершенного третьими лицами) и внутреннего (совершенного при<участии сотрудников банка) мошенничества.

Теоретической и методологической основой исследования послужили положения, содержащиеся в трудах российских и зарубежных авторов в таких областях науки как теория вероятностей и математическая статистика, теория экстремальных значений, байесовский анализ, теория копул и имитационное моделирование. В исследования использовались научные положения в области банковского дела, анализа бизнес-процессов и управления операционными рисками.

В процессе написания работы были применены следующие методы исследования: методы теории вероятностей, математической статистики и объектно-ориентированного программирования. Сбор и обработка данных осуществлялись в MS Access, EasyFit 5.2 Professional, Simtools и MS Excel.

Информационной базой исследования послужили:

- база данных, содержащая сведения о реализации операционного риска, в частности, риска мошенничества в розничном кредитовании, собранная в результате мониторинга открытых источников информации в течение 2005-2010 гг. Большая часть событий относится к потерям организаций в России и странах СНГ и отражает специфику этой бизнес-среды;

- результаты исследований Базельского комитета по банковскому надзору и консорциума ORX; аналитические обзоры и рэнкинги информационного агентства Росбизнесконсалтинг; данные официальной отчетности российских кредитных организаций, предоставляемой Банку России; данные Росстата, аналитические материалы компаний PricewaterhouseCoopers, Ernst&Young, Deloitte, ASFE и рейтинговых агентств Fitch, Standard & Poors, Moody's.

Область исследования. Содержание диссертационного исследования соответствует специальности 08.00.13 - Математические и инструментальные методы экономики.

Научная новизна исследования заключается в построении актуарной модели количественной оценки операционного риска в условиях дефицита статистических данных, предусматривающей анализ экстремальных потерь, комбинирование информации из нескольких источников и учет зависимостей; обосновании ее применимости для анализа подверженности отечественного коммерческого банка операционному риску мошенничества в розничном кредитовании.

Новыми являются следующие научные результаты:

- Проведена классификация однородных рисковых событий в зависимости от вида операционного риска (внешнее или внутреннее мошенничество) и типа кредитного продукта.

По статистическим данным найдены вероятностные распределения, описывающие размер потерь в результате одного события в каждой из однородных групп;

- На основе анализа бизнес-процесса розничного кредитования сделан вывод о применимости распределения Пуассона для моделирования частот событий в однородных группах; предложен способ определения его параметра X в условиях дефицита статистических данных.

- Повышено качество аппроксимации модели за счет применения' метода РОТ для описания экстремальных (т.е. превышающих определенный порог отсечения) потерь в результате внутреннего мошенничества; разработан способ уточнения характеристик экстремального распределения GPD, основанный на применении байесовского подхода для комбинирования статистических данных и экспертного мнения;

- Уточнена агрегированная оценка совокупных потерь за счет включения в модель зависимостей между распределениями частот событий в разных однородных группах; с помощью аппарата копул показано преимущество самостоятельного моделирования банком зависимостей при агрегации оценок совокупных потерь;

- Разработан способ расчета мер риска Value-at-Risk и Shortfall с заданной точностью, учитывающий ограничения на сумму кредита, лимиты кредитования по видам продуктов и подразделениям, применение банком страхования с различными вариантами франшизы и лимитов ответственности, а также предусматривающий возможность стресс-тестирования;

- На основе результатов расчета и анализа чувствительности модели разработаны рекомендации для банков, направленные на снижение потерь в результате мошенничества при кредитовании физических лиц.

Теоретическая и практическая значимость исследования. Теоретическая значимость исследования состоит в адаптации известных математических и инструментальных методов для решения задачи моделирования' операционного риска в коммерческом банке. Предложенная методика реализации актуарного подхода может быть использована для любых направлений деятельности и видов событий операционного риска, а также для агрегирования капитала под операционный риск для всего банка. С практической точки зрения, разработанная модель представляет собой готовый инструмент, который предусматривает гибкую настройку в зависимости от исходных данных или целей расчета и позволяет коммерческому банку самостоятельно производить анализ и количественную оценку операционного риска. Полученные в ходе имитационного эксперимента оценки потенциальных потерь и разработанные на основе исследования рекомендации могут быть использованы при внедрении программ розничного кредитования, расчете тарифов и процентных ставок, а также позволят сформировать адекватную «подушку безопасности» на случай реализации риска (капитал под операционный риск). Варьируя параметры частоты событий, зависящие от конкретной организации, банк может спрогнозировать возможные потери, обусловленные изменением масштабов бизнеса и/или процедур внутреннего контроля. Найденные на основе выборки законы распределения могут использоваться организацией как дополнение собственных исторических данных о потерях и/или экспертных оценок.

Апробация и внедрение результатов исследования. Достоверность полученных результатов основывается на сочетании применения статистических методов и анализа бизнес-процессов розничного кредитования в коммерческом банке и подтверждается сопоставлением с реальными данными. Основные результаты исследования прошли апробацию в экспертном сообществе в рамках следующих научных и практических мероприятий:

- Международные конференции «Международный опыт риск-менеджмента и особенности развивающихся рынков», г. Москва, 2007 и 2008 гг.;

- «круглые столы» по темам «Российский финансовый рынок: проблемы повышения конкурентоспособности и роли в инновационном развитии экономики», "Роль финансовой, банковской и валютной систем в инновационном развитии экономики", "Мировой финансово-экономический кризис и перспективы инновационного развития экономики- России: финансовый, кредитный, валютный аспекты", проведенные под научным руководством д.э.н., проф. JI.H. Красавиной, Финакадемия, 2008, 2009, 2010 гг.;

- Международная конференция «Борьба* с мошенничеством? в. финансовых институтах СНГ», г. Москва, 2008 г.;

- Вторая и четвертая ежегодные конференции "Современные подходы к исследованию и моделированию в экономике, финансах и бизнесе", г. Санкт-Петербург, 2008 и 2010 гг.;

- Seminar оп Actual Methods of Financial Risk Management - Российско-австрийский Семинар по актуальным методам финансового риск-менеджмента, Финакадемия, 2009 г.;

- 1-ая Международная научно-практическая Интернет-конференция "Анализ, моделирование и прогнозирование экономических процессов", г. Воронеж, 2009-2010 гг.;

- II Международная заочная научно-практическая конференция «Инновационные процессы и корпоративное управление», г. Минск, 2010 г.

- VII Международная научная конференция молодых ученых, аспирантов и студентов «Молодежь и экономика», г. Ярославль, 2010 г.;

- XVII Всероссийская школа-коллоквиум, по стохастическим методам, XI Всероссийский симпозиум1 по прикладной и промышленной математике (весенняя сессия), г. Кисловодск, 2010 г.

Работа выполнена в рамках направления исследования НИР кафедры «Математика» ФГОБУВПО «Финансовый университет при Правительстве Российской Федерации» по теме «Развитие математических инструментов исследования финансово-экономических процессов» в соответствии с Комплексной темой «Пути развития финансово-экономического сектора России».

Результаты научного исследования используются в практической деятельности Департамента рыночных и операционных рисков ОАО «Банк Москвы». Построенная, в ходе исследования модель количественной оценки операционного риска и разработанные на ее основе рекомендации используются при оценке подверженности направлений деятельности банка (в частности -розничного кредитования) операционному риску, а также для повышения эффективности способов его контроля и минимизации. Результаты исследования служат методологической основой и способствуют совершенствованию системы управления операционным риском ОАО «Банк Москвы».

Материалы исследования используются кафедрой «Математика» ФГОБУВПО «Финансовый университет при Правительстве Российской Федерации» в преподавании учебной дисциплины «Количественные методы инвестиционного анализа».

Публикации. По теме диссертации опубликовано 10 печатных работ общим объемом 7,05 п.л. (авторский объем - 7,05 п.л.), в том числе 3 работы опубликованы в изданиях, определенных ВАК.

Структура диссертации обусловлена целью, задачами и логикой исследования. Работа состоит из введения, трех глав, списка использованной литературы, содержащего 152 источника, заключения и 11 приложений. Диссертация включает 47 рисунков, 41 таблицу и 45 формул. Общий объем составляет 197 страниц.

Список литературы диссертационного исследования кандидат экономических наук Золотарева, Екатерина Леоновна, 2011 год

1. A new capital adequacy framework - Consultative paper// Basel Committee on Banking Supervision, June 1999. URL: http://www.bis.org/publ/bcbs50.pdf (дата обращения: 31.01.2010).

2. ACFE Report to the Nation on Occupational Fraud and Abuse, 2006 r. // Association of Certified Fraud Examiners (официальный сайт), URL: http://www.acfe.com/documents/2006-rttn.pdf (дата обращения: 17.03.2011)

3. ACFE Report to the Nation on Occupational Fraud and Abuse, 2008 r. // Association of Certified Fraud Examiners (официальный сайт), URL: http://www.acfe.com/documents/2008-rttn.pdf (дата обращения: 17.03.2011)

4. Alexander С. "Statistical models of operational loss". Глава 7 в книге Alexander С. (ed.). Operational Risk: Regulation, Analysis and Management. -Edinburgh, UK: Prentice Hall, 2003.- 369 c.

5. Algo OpData //Официальный сайт компании Algorithmics. URL: http://www.algorithmics.com/EN/media/pdfs/Algo-FS0007-QpData.pdf (дата обращения 17.03.211)

6. Alvarez Gene. Operational Risk Event С1а88Шсайоп//Официальный сайт компании LogicManager. URL: http://www.logicmanager.com/contents/pdf/riskeventclassification.pdf (дата обращения: 17.03.2011)

7. Aue F., Kalkbrener M. LDA at Work. Deutsche bank white papers, February 2007. // Электронная библиотека GARP. URL: http://garpdigitallibrarv.org/docs/fnn/AucKalkbrencrLDA.pdl' (дата обращения: 17.03.2010).

8. Bank Rating Analysis Methodology Profile, March 2004.// Standard & Poor's Financial Services LLC (официальный cafiT).URL:http://www.standardandpoors.com/prot/ratings/articles/en/us/?assetID= 124519946 5603 (дата обращения: 20.10.2010).

9. Basel II: The New Basel Capital Accord Second Consultative paper//Basel Committee on Banking Supervision, January 2001. URL: http://www.bis.org/publ/bcbsca03.pdf (дата обращения: 31.01.2010).

10. Blum, P., Dias, A., Embrechts, P. The ART of dependence modelling: the latest advances in correlation analysis. Глава в книге Morton Lane (ed.). Alternative Risk Strategies.- London, UK: Risk Books, c. 339-356.

11. Cebrian A.C., Denuit M., Lambert P. Generalized Pareto Fit to the Society of Actuaries' Large Claims database// North American Actuarial Journal, 2003 Vol.7-No.3, c. 18-36

12. Chernobai A. S., Rachev S. Т., Fabozzi F.J. Operational Risk: A Guide to Basel II Capital Requirements, Models, and Analysis Hoboken, NJ, USA: John Wiley & Sons, Inc. ,2007.-323 c.

13. Coles S., Davison A. Statistical Modelling of Extreme Values// Competence Center Environment and Sustainability (официальный сайт). URL: http://www.cces.ethz.ch/projects/hazri/EXTREMES/talks/colesDavisonDavosJan08.pdf (дата обращения: 17.03.2010).

14. Confidence Interval for Population Quantile.//University of New England (официальный сайт). URL: http://turing.une.edu.au/~stat354/notes/node72.html, (дата обращения: 31.01.2007).

15. Cruz M. G. Modeling, Measuring and Hedging Operational Risk. Chichester, UK: John Wiley & Sons, 2002. 346 c.

16. De la Mora F., Mahieddine Y. Operational risk from measurement to management// PWC. The Journal. Special Risk Management Edition, January 2005. URL: http://www.pwc.com/images/gx/eng/fs/bcm/123004journal.pdf (дата обращения: 22.10.2006).

17. Default, Transition, and Recovery: 2008 Annual Global Corporate Default Study and Rating Transitions// Standard& Poor's (официальный сайт), April 2009. URL: http://www.standardandpoors.com (дата обращения: 01.05.2010).

18. Doering H.-U. Operational Risks in Financial Services//Credit Suisse (официальный сайт). URL: http://www.credit-suisse.com/governance/doc/operationalrisk.pdf (дата обращения:22.01.2007).

19. Dowd К. Measuring Market Risk. Chichester, UK: John Wiley and Sons, 2005, c.189-207

20. EasyFit Distribution Fitting Made Easy// Math Wave Technologies (официальный сайт). URL: http://www.rnathwave.corn/en/horne.html (дата обращения: 17.03.2011).

21. Embrechts P. Copulas: A personal view// Journal of Risk and Insurance.- 2009-No.76, c.639-650.

22. Embrechts P., Klüppelberg C., Mikosch T. Modeling Extreme Events: for Insurance and Finance (Stochastic Modeling and Applied Probability). Berlin, Germany: Springer, 2004. 656 c.

23. Embrechts, P, Puccetti, G.: Aggregating risk capital, with an application to operational risk/// The Geneva Risk and Insurance Review.- 2006- 31(2), c. 71-90.

24. Embrechts, P., Lindskog, F., McNeil, A. Modelling Dependence with Copulas and Applications to Risk Management. Глава 8 в книге Rachev S. (ed.) Handbook of Heavy Tailed Distributions in Finance. Elsevier, 2003. c. 329-384

25. Embrechts, P., McNeil, A., Straumann, D. Correlation and dependence in risk management: properties and pitfalls. Глава в книге Dempster M. A. H.(ed). Risk Management: Value at Risk and Beyond.- New York, NY: Cambridge University Press, 2002, c. 176-223

26. Embrechts, P., McNeil, A., Straumann, D. Correlation: Pitfalls and alternatives: A short, non-technical article // RISK Magazine,1999.- May, c. 69-71. URL: http://www.math.ethz.ch/~baltes/ftp/riskj3ittaltersl 999.pdf (дата обращения: 30.09.2008).

27. Financial crime risk management systems 2009 (Ref. No. RR0901) // Chartis Research, February 2009. URL: http://www.chartis-research.com/research/reports/financial-criine-risk-management-systems-2009, (дата обращения: 31.01.2010).

28. Fink D. A Compendium of Conjugate Priors (MT 59717, May 1997)// Columbia university, Department of Statistics (официальный сайт), URL: http://www.stat.columbia.edu/~cook/movabletvpe/mlm/CONJINTRnew+TEX.pdf (дата обращения: 10.10.2010)

29. Frachot A., Georges P. & Roncalliy T. Loss Distribution Approach for operational risk (March 30, 2001)// Thierry Roncalli's Home Page. URL: http://www.thierry-roncalli.com/download/lda.pdf ("дата обращения: 10.10.2010)

30. Genest С., Favre, A.-C. Everything you always wanted to know about copula modeling but were afraid to ask. //Journal of Hydrologic Engineering, 2007. -Vol. 12, No. 4, c. 347-368

31. Genest, C., Neslehova J. A Primer on copula for count data. // Astin Bulletin, 2007. -№ 37(2), c. 475-515.

32. Global Operational Loss Database (GOLD) brochure, 2008//British Bankers' Association (официальный сайт). URL: http://www.bba.org.uk/download/253 (дата обращения: 10.10.2010)

33. Global Risk Management Survey: Sixth Edition// Deloitte (официальный сайт), Июнь 2009. URL: http://www.deloitte.com/assets/Dcom-Singapore/Local%20Assets/Documents/GlobalRskMgmtSrvvJune09.pdf (дата обращения: 31.01.2010).

34. Hoffman D.G. Managing Operational Risk: 20 firmwide best practice strategies. -USA:Wiley &Sons, 2002,540 c.

35. Internal Fraud: Surveying the Current Landscape. A Financial Services Industry Briefing ' Paper. March 2007//The Santa Fe Group white papper. URL: http://www.mementosecurity.com/docs/SFGInternalFraudFINAL.pdf (дата обращения: 08.04.2010).

36. International Convergence of Capital Management and Capital Standards// Basle Committee on Banking Supervision, July 1988. URL: http://www.bis.org/publ/bcbs04a.pdf (дата обращения: 31.01.2010).

37. International Convergence of Capital Measurement and Capital Standards: A revised framework-comprehensive version // Basel Committee on Banking Supervision, June 2006. URL: http://www.bis.org/publ/bcbsl28b.pdf (дата обращения: 10.10.2010).

38. Jorion P. Financial Risk Manager Handbook. -Wiley Finance, 2005, c. 533-553

39. Jorion P. Value at Risk: The New Benchmark for Managing Financial Risk. Second Edition. New York, NY: McGraw-Hill, 2000,544 c.

40. Karlis D. On modelling multivariate count data //Technische Universität Berlin, Neural Information Processing Group (официальный сайт). URL: http://ni.cs.tu-berlin.de/proiects/nips2008pdfs/karlis slides.pdf (дата обращения: 10.10.2010)

41. Lee E.H. Copula Analysis of Correlated Counts //University of California, Department of Economics (официальный сайт), November 2009. URL: http://www.economics.uci.edu/~hwlee/resources/JMKpaperEstherHeeLee.pdf (дата обращения: 10.12.2010).

42. Levine M., Hoffman D. G. Enriching the universe of operational risk data //In Bhattacharyya A. (ed) Operational risk, Risk Professional-Informa Business Publishing, 2000, c.25-40.

43. Marshall C., Measuring and managing operational risk in financial institution. First Edition- Wiley Finance, 2001,608 c.

44. McNeil A. J. Extreme value theory for risk managers". Глава в книге "Internal Modeling and CAD П". London, UK: Risk Books, 1999, c. 93-113.

45. Medova E.A. Capital Allocation for Extreme Operational risk.// Research Papers on Management Studies. Cambridge Judge Business School, 1999.- Working paper No. 27/99.

46. Medova E.A., Kuriacou. M.N. Extremes in Operational Risk Management. Глава в книге Dempster M. A. H.(ed). Risk Management: Value at Risk and Beyond.- New York, NY: Cambridge University Press, 2002, c. 247-274.

47. Mignola G., Ugoccioni R. Sources of uncertainty in modeling operational risk losses// Journal of Operational Risk, 2006-Volume 1/Number 2, c. 33-50.

48. Moody's Analytical Framework For Operational Risk Management Of Banks, January 2003// Moody's Investors Service, 1пс.(официапьный сайт). URL: http://v3.moodys.com/researchdocumentcontentpage.aspx?docid=PBC77083 (дата обращения: 10.04.2007).

49. Observed range of practice in key elements of Advanced Measurement Approaches (AMA), Basel Committee on Banking Supervision, July 2009. URL: http://www.bis.org/publ/bcbsl60b.pdf (дата обращения: 31.01.2010).

50. Observed range of practice in key elements of Advanced Measurement Approaches (AMA) //Basel Committee on Banking Supervision, October 2006. URL:http://www.bis.org/publ/bcbsl 31 .pdf (дата обращения: 31.01.2010).

51. Operational risk Consultative Document Supporting Document to the New Basel Capital Accord// Basel Committee on Banking Supervision, January 2001. URL: http://www.bis.org/publ/bcbsca07.pdf (дата обращения: 31.01.2010).

52. Operational risk management // Basel Committee on Banking Supervision, September 1998. URL: http://www.bis.org/pub1/bcbs42.pdf (дата обращения: 31.01.2010).

53. Operational Risk//The official cite of Fermat product line. URL: http://www.fermat.fr/banking-solutions/operational-risk.asp (дата обращения: 12.10.2010).

54. ORX Operational Risk Report, June 2OIO//ORX Association (официальный сайт). URL: http://www.orx.org/request.report.php (дата обращения: 20.10.2010).

55. ORX Operational Risk Reporting Standards: An ORX Members' Guide to Operational Risk Event/Loss Reporting//ORX Association (официальный сайт). URL: http://www.orx.org/standards (дата обращения: 20.10.2010).

56. Overview of The New Basel Capital Accord: Consultative Document//Basel Committee on Banking Supervision, April 2003. URL: http://www.bis.org/bcbs/cp3ov.pdf (дата обращения: 31.01.2010).

57. Panjer, H. H. Recursive evaluation of a family of compound distributions// ASTIN Bulletin, 1981.- No. 12, c.22-26.

58. Peters G., Sisson S. Bayesian Inference, Monte Carlo Sampling and Operational Risk// Journal of Operational Risk, 2006.-№ 1(3).

59. Rachev, S., Hsu, J., Bagasheva, В., Fabozzi F. Bayesian Methods in Finance. -Hoboken, New Jersey: John Wiley & Sons Inc., 2008, 329 c.

60. Rating Methodology. Bank's Credit Risk in Emerging Markets (an analytical framework)//Moody's Investors Service (официальный сайт), July 1999. URL:http://rating.interfax.ru/data/rating/emerging%20banks%20methodology.pdf (датаобращения: 30.10.2006).j

61. Results from the 2008 Loss Data Collection Exercise for Operational Risk // Basel Committee on Banking Supervision, July 2009. URL: http://www.bis.org/publ/bcbsl60a.pdf (дата обращения: 10.10.2010).

62. Risk Management for Electronic Banking and Electronic Money Activities //Basle Committee on Banking Supervision, March 1998. URL: http://www.bis.org/publ/bcbs35.pdf (дата обращения: 31.01.2010).

63. Risks in Computer and Telecommunication Systems // Basle Committee on Banking Supervision, July 1989. URL: http://www.bis.org/publ/bcbscl36.pdf (дата обращения: 31.01.2010).

64. SAS Oprik Global Data//SAS Institute Inc. (официальный сайт). URL: http://www.sas.com/resources/product-brief/sas-oprisk-globaldata-brief.pdf (дата обращения:1703.2010).

65. Shevchenko P., Wüthrich M. The Structural Modelling of Operational Risk via Bayesian inference: Combining Loss Data with Expert Opinions// Journal of Operational Risk, 2006-№ 1(3), c. 3-26.

66. Simulation Software Survey// OR/MS (Operational Research / Management Science Today website. URL: http://www.lionhrtpub.com/orms/surveys/Simulation/Simulation.html (дата обращения:1703.2011).

67. Smith A.F.M, Gelfand A.E. Bayesian Statistics Without Tears:A Sampling-Resampling Perspective.//The American Statistician, 1992.-Vol.46.- No.2.

68. Smith R. L. Extreme value analysis of environmental time series: an application totrend detection in ground-level ozone // Statistical Science, 1989. Vol.4.- No.4, c. 367-393.

69. Smith R. L. Measuring risk with Extreme Value theory. Глава в книге Dempster M. A. H.(ed). Risk Management: Value at Risk and Beyond.- New York, NY: Cambridge University Press, 2002, c. 224-246

70. Smith R. L., Goodman DJ. Bayesian risk analysis. Глава в книге Embrechts P.(ed) .Extremes and Integrated Risk Management.-London, UK:Risk Books, 2000, c. 235-251.

71. Software Add-ins: About SIMTOOLS and FORMLIST// University of Chicago, Roger Myerson page (официальный сайт). URL: http://home.uchicago.edu/~rmyerson/addins.htm (дата обращения: 10.10.2010).

72. Sound Practices for the Management and Supervision of Operational Risk//Basel Committee on Banking Supervision, December 2010. URL: http://www.bis.org/publ/bcbsl83.pdf (дата обращения: 31.01.2010).

73. The Quantitative Impact Study for Operational Risk: Overview of Individual Loss Data and Lessons Learned// Basel Committee on Banking Supervision, January 2002. URL: http://www.bis.org/bcbs/qis/qisopriskresponse.pdf (дата обращения: 31.01.2010).

74. Working Paper on the Regulatory Treatment of Operational Risk// Basel Committee on Banking Supervision, September 2001. URL: http://www.bis.org/publ/bcbswp8.pdf (дата обращения: 31.01.2010).

75. Алешкина Т. Автокредиты снова в моде//Информационный портал Banki.ru, 07.04.2010. URL: http://www.banki.ru/news/davtheme/?id=l861060 (дата обращения: 10.10.2010)

76. Барсукова С. «Кризис среднего возраста» российских заемщиков//Информационный портал Banki.ru, 21.05.2008. URL: http://www.banki.ru/news/daytheme/?id=543369 (дата обращения: 21.05.2008).

77. Белкина Е. Регистрацией залогов займутся БКИ// Газета РБК daily от 23.11.2010. URL:http://www.rbcdailv.ru/2010/ll/23/finance/562949979202801 (дата обращения: 23.11.2010).

78. Буджи С. Рейтинги финансовых организаций, 15.12.2004// Standard&Poors Financial Services LLC. URL: http://www.standardandpoors.ru/article.php?pubid=1630&sec=mt (дата обращения: 15.08.2010).

79. Гмурман В.Е. Теория вероятностей и математическая статистика: Учебное пособие для вузов-М.:Высшая школа, 2003. Издание 9-е, стер.

80. Гнеденко Б.В. Курс теории вероятностей: Учебник М.: Наука,1988.

81. Григорьева Е., Петров И. Мошенники полюбили кредиты// Газета РБК daily от 24.08.2009. URL: http://www.rbcdailv.ru/2009/08/24/finance/427765 (дата обращения:2408.2009).

82. Дементьева К. Банк Москвы укрепился в рисках//Газета «Коммерсантъ», № 38 (4338) от 05.03.2010. URL: http://www.banki.ru/news/bankpress/7id:: 1781972 (дата обращения 05.03.2010)

83. Дементьева К. Бюро кредитных предысторий //Газета «Коммерсантъ» № 97 (4397) от 02.06.2010. URL: htlp://www.kommersant.ru/doc.aspx?DocsID=1379524&ThemesID=168 (дата обращения:0206.2010).

84. Дементьева С. Российские банки останутся при своих рисках// Газета "Коммерсантъ", №103 (4158), 10.06.2009. URL: http://www.kommersant.ru/Doc/1185683 (дата обращения: 17.03.2011).

85. Журавлев И. Как взвесить тяжелый хвост?//Журнал "Risk Management».- М:2008, №7-8.

86. Журавлев И.Б. Байесовский анализ операционных потерь с выбором порогового значения для оценки капитала под операционным риском. Опыт применения для российского банка// Управление финансовыми рисками, М.:2008 №3(15).

87. Замулина И. Мошенники становятся изобретательнее// Информационный портал РБК. Кредит, 15.01.2007.URL: http://credit.rbc.rU/recommendation/potreb/2007/01/l 5/19722.shtml (дата обращения: 15.01.2007).

88. Золотарев В.М. Измерение банковских операционных рисков на основе усовершенствованных подходов// Управление финансовыми рисками, М.:2005.-№3.

89. Индексы потребительских цен на товары и услуги по Российской Федерации в 1991-2010гг. //Федеральная служба государственной статистики (официальный сайт). URL: http://www.gks.ru/freedoc/newsite/prices/potr/2010/I-ipc.htm (дата обращения: 17.03.2011).

90. Интервью с Вадимом Пантелеевым от З0.01.2007//Репутационный портал столицы УРФО. URL: http://www.upmonitor.ru/monitoring/publication/2007-01-30/105826/187118/ (дата обращения: 30.01.2007)

91. Информационный портал Bank Fraud Forum: Insights, Opinion, and Collaboration. Available at http://www.mementosecurity.com/bankfraudforum/index.php

92. Информация по кредитным организациям (формы 101 и 102)// Банк России (официальный сайт). URL: http://www.cbr.ru/credit/forms.asp (дата обращения: 01.02.2010).

93. Исследование по вопросам управления рисками мошенничества в европейских странах// Ernst& Young (официальный сайт), 2007. URL: http://www.ev.com/Publication/vwLU Assets/FIDSRUS/$FILE/FIDSRUS.pdf (дата обращения: 10.12.2008).

94. Казиев А. Программы комплексного страхования банков (BBB-Bankers Blanket Bond)// Интернет-журнал Фориншурер, 18.01.2010. URL: http://forinsurer.com/public/10/01/18/4011 (дата обращения: 10.12.2010).

95. Ковалева Е. Чем счет не шутит// Экономический еженедельник «Коммерсантъ ДЕНЬГИ» №8(614) от 05.03.2007г. URL: http://www.banki.ru/news/davtheme/?id=271784http://www.i 24.04.2007)

96. Кочелягин Н. Возврата нет//Время новостей, №151 от 23.08.2006 URL: http://www.vremya.rU/20Q6/151/8/159325.htrnl (дата обращения: 23.08.2006).

97. Кредитная петля // ЗАО «Секвойя Кредит Консолидейшн» (официальный сайт), публикация от 26.08.2009. URL: http://www.sequoia.ru/publication/591/ (дата обращения: 12.07.2010).

98. Кредитные мошенники ждут своего времени // Кредитный портал ProCredit.ru, 23.01.09. URL: http://pro-credit.ru/news/creditnews/item5822 (дата обращения: 12.07.2010).

99. Кредитные мошенники// Интернет-журнал Point.ru, 17.08.2006. URL: http://www.point.ru/investments/2006/08/17/94 (дата обращения:08.02.2007)

100. Кремер Н. Ш. Теория вероятностей и математическая статистика. Учебник для вузов. М.: ЮНИТИ-ДАТА,2001;

101. Кудрявцев O.A. Банковское страхование: сотрудничество и конкуренция// Банковское дело.-М.: 2005г.- №8.

102. Лобанов A.A., Чугунов A.B. Энциклопедия финансового риск-менеджмента.-М.:, «Альпина», 2006г., с. 439-483,668-689.

103. Локшина Ю. Банки возвращаются в розницу// Газета "Коммерсантъ", №72 (4127), 22.04.2009. URL: http://www.kommersant.ru/Doc/1159141 (дата обращения:2204.2009).

104. Локшина Ю. Репресс-кредитование. //Газета "Коммерсантъ", №208 (4508), 11.11.2010. URL: http://www.kommersant.ru/Doc/1536524 (дата обращения: 17.03.2011).

105. Луткова О. Удивительное расследование по ипотечным долгам на Урале//Российское информационное агентство URA.ru. URL: http://www.ura.ru/content/chel/24-03-2009/articles/lQ36253424.html (дата обращения:1407.2010).

106. Меры риска//Сайт Центра Статистических Исследований (ЦеСИ). URL: http://www.riskcontrol.ru/main (дата обращения:08.02.2007)

107. Методология оценки операционных рисков// Fitch Ratings (официальный сайт), Апрель 2008 г. URL: http://www.fitchratings.ru/media/methodologv/banks/Operational%20Risk%20Assessment% 20method%20170408%20RUS.pdf (дата обращения: 10.10.2010)

108. Методология присвоения рейтингов банкам. Ноябрь, 2008 г // Fitch Ratings (официальный сайт),URL: http://wvAv.fitchratings.ru/media/methodo1ogy/banks/Bank%20Rating%20Mcthodolo^ v%20191108%20RUS.pdf (дата обращения: 10.10.2010).

109. Модели индивидуальных рисков на коротком интервале времени//Статистический портал StatSoft: URL: http://w\vw .statsoft.ru/home/portal/applications/insurance/bayers.htm (дата обращения: 11.02.2007).

110. Мошенничество в автокредитовании//Информационный портал MoneyGuide. URL: http://www.moneyguide.ru/article.php?strid=174 (дата обращения: 15.12.2010).

111. Мошенничество в сфере ипотечного кредитования. Читать обязательно//Информационный портал Кредит-lines.ru. URL: http://credit-lines.ru/moshennichestvo-v-sfere-ipotechnogo-kreditovaniya-chitat-obyazatelno (дата обращения: 15.12.2010).

112. Натурина М., Громенко О. Внешние данные по операционным потерям //«Оперативное управление и стратегический менеджмент в коммерческом банке», 2005.-№3.

113. Натурина М., Громенко О. Управление операционными рисками: анализ данных по операционным потерям // «Оперативное управление и стратегический менеджмент в коммерческом банке», 2004.- №6.

114. О порядке расчета размера операционного риска Электронный ресурс.: Положение Банка России от 03 ноября 2009 г. № 346-П. Доступ из справ.-правовой системы «Консультант-Плюс».

115. Об организации внутреннего контроля Электронный ресурс.: Положение Банка России от 16 декабря 2003г. № 242-П (ред. от 05.03.2009). Доступ из справ.-правовой системы «Консультант-Плюс».

116. Об организации управления операционным риском в кредитных организациях Электронный ресурс.: Письмо Банка России от 24 мая 2005 г. № 76-Т. Доступ из справ.-правовой системы «Консультант-Плюс».

117. Пашутинская Е. Кредитование выросло в потребительском отношении// Газета «Коммерсантъ» № 16/П (4316) от 01.02.2010. URL: http://w\vw.kommersant.ru/Doc/1313960 (дата обращения: 17.03.2011).

118. Пашутинская Е., Дементьева К. Сбербанк сдаст заемщиков ГИБДД// Газета "Коммерсантъ", №72 (4127), 22.04.2009.URL: http://ww.kommersant.ni/Doc/l 159119 (дата обращения: 23.11.2010).

119. Петрова С. Генераторы дефолта.// Журнал SmartMoney.-M.:2006г. -№ 26. URL: http://www.vedomosti.ru/smartmoney/article/2006/09/ll/1296 (дата обращения:1407.2010).

120. Погорелова Ю. Ипотека до лучших времен//Журнал "Коммерсантъ Деньги", №45 (802), 15.11.2010. URL: http://www.kommersant.ru/Doc/1538825 (дата обращения:1703.2011).

121. Полтев К. Мошенники страшнее кризиса// Газета РБК daily от 21.10.2009. URL: http://www.rbcdailv.ru/2009/10/21/world/437456 (дата обращения: 21.10.2009).

122. Проект Методических рекомендаций по организации кредитными организациями внутренних процедур оценки достаточности капитала //Банк России (официальный сайт). URL http://www.cbr.ru/analytics/standartacts/projects/rekKO.pdf (дата обращения:13.12.2010)

123. Противодействие мошенничеству в условиях экономического спада// PriceWaterhouseCoopers (официальный сайт), 2009. URL: http://www.pwc.com/ru/ru/forensic-services/assets/fraud-in-a-downturn-ru.pdf (дата обращения: 10.03.2010)

124. Размещенные средства, таб. 4.3.1 // Электронная версия «Бюллетеня банковской статистики» Банк России, №1 (2008), №1 (2009), №1 (2010). URL: http://www.cbr.ru/publ/main.asp?Prtid=BBS (дата обращения: 01.02.2010).

125. Рейтинги банков// Информационного агентство Росбизнесконсалтинг, Проект «РБК. Рейтинги». URL: http://rating.rbc.ru/category.shtml7banks (дата обращения: 06.04.2008).

126. Рейтингование финансовых организаций (глобальная методология), Август 2010. Fitch Ratings (официальный сайт),URL: htlp://www.fitchratings.ru/media/methodoIogv/banks/FinancialInstitutions Mcthodolo gy 16081Q RUS.pdf (дата обращения: 16.08.2010).

127. Crouhy M., Mark B. & Galai D. Risk Management. McGraw-Hill, 2000, p.475-529.

128. Специальное банковское страхование//ОАО «Капитал Страхование» (официальный сайт). URL: http://www.ifdk-insurance.ru/content/articles/specialnoe-bankovskoe-straxovanie/ (дата обращения: 10.10.2010).

129. Схемы мошенничества с кредитами: данные коллекторов//Информационное агентство ЛЮШзнес1нформ. URL: http://biz.liga.net/news/E0903469.html (дата обращения: 14.07.2010).

130. Уткин JI.B. Анализ риска и принятие решений при неполной информации. -СПб.:Наукгц 2007 г.

131. Фалин Г.И. Математический анализ рисков в страховании. М.: Российский издательский дом, 1994. -стр. 5-34,49-64;

132. Форма 0409807 («Отчет о прибылях и убытках (публикуемая форма)»)// Банк России (официальный сайт), Справочник по кредитным организациям. URL: http://www.cbr.ru/credit/main.asp (дата обращения: 01.02.2010).

133. Чернова Н. И. Математическая статистика: Учеб. пособие / Новосиб.гос. ун-т. Новосибирск, 2007. 148 с.

134. Четверть потребительских кредитов проблемные. Банковские новости, 19.04.2006// Информационное агентство «Банкир.ру». URL: http://bankir.ru/news/newsline/19.04.2006/51016 (дата обращения: 19.04.2006).

135. Чистюхин В. IRB. Что это такое? Где мы находимся.//Доклад на семинаре «ВНЕДРЕНИЕ IRB-ПОДХОДА БАЗЕЛЯ II В РОССИИ». 11 ноября 2010 года, Москва. Программа сотрудничества между Банком России и Евросистемой по банковскому надзору и внутреннему аудиту.

136. Not MaxV = "" Then Max = CDbl(MaxV) Else Max = 10 Л 307SumFirst = 0 n = FirstNRows1. n > SumRange.Rows.Count Then n = SumRange.Rows.Count For i = 1 To n