Трехфакторная модель первичного финансового мониторинга клиентов коммерческих банков

Ханина А.В.1 , Зимовец А.В.2 , Петренко С.В.1 , Михайлов Д.Ю.3
1 Южный федеральный университет, Ростов-на-Дону, Россия
2 Таганрогский институт управления и экономики, Таганрог, Россия
3 Филиал Банка ВТБ (ПАО) в Ростове-на-Дону, Ростов-на-Дону, Россия

Статья в журнале

Управление финансовыми рисками (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 22, Номер 1 (Январь-март 2026)

Цитировать эту статью:



Введение

Актуальность. Для финансовой системы страны финансовый мониторинг является ключевым элементом, способствующим оперативному выявлению неправомерных действий. Система финансового мониторинга возникла как следствие необходимости осуществлять противодействие процессам отмывания денежных средств, полученных в результате противоправных действий. Преступники используют все более сложные схемы для легализации неправомерно полученных доходов, что заставляет государственные органы, ответственные за борьбу с отмыванием денег решать все новые и новые задачи [5].

В России особое внимание данному вопросу уделяется с 2001 г., когда был принят Федеральный закон от 07.08.2001 № 115-ФЗ «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма» [13]. В тот же период появился Указ Президента РФ от 01.11.2001 № 1263 «Об уполномоченном органе по противодействию легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма» [14].

Федеральный закон от 07.08.2001 № 115-ФЗ «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма» [13] со дня принятия изменялся, уточнялся и дополнялся много раз. Большое число дополнений и правок, которые были внесены в анализируемый закон за весь период его существования, свидетельствуют о том, что процессы финансового мониторинга, как вида государственной деятельности в настоящее время находятся в стадии активного развития и подлежат постоянному контролю и совершенствованию.

Анализ проблем финансового мониторинга можно найти в работах таких ученых как Л.Л.Фитуни [6], О.Н.Горбунова [4], B.А. Зубков, С.К. Осипов [8], А.В. Шашкова [15], Н. Райдер [16].

Целью данной работы стало выявление специфики проведения первичного финансового мониторинга в коммерческих банках [7], а также формирование предложений по внедрению системы сбалансированных показателей для проведения первичного финансового мониторинга в банковских организациях.

Авторская гипотеза Внедрение трехфакторной модели первичного финансового мониторинга (анализ количественных финансовых показателей с использованием регрессионной модели, качественных нефинансовых показателей на основе анкеты с экспертным ранжированием и экспресс-анализа симптомов неблагонадежности из открытых источников) на этапе преквалификации потенциальных клиентов позволит банкам снизить риски вовлечения в операции по легализации преступных доходов, повысить точность выявления благонадежных клиентов и предотвратить финансовые потери от сомнительных партнеров.

Научная новизна заключается в разработке и обосновании трехфакторной модели первичного финансового мониторинга для ранжирования клиентов на уровне отдельного банка, которая впервые интегрирует:

  • регрессионный анализ 13 ключевых коэффициентов бухгалтерской отчетности для количественной оценки финансового риска;
  • экспертно-ранжированную анкету нефинансовых показателей (10 параметров, включая присутствие в сети, сертификаты и расширение клиентской базы) на базе BSC Каплана и Нортонa для оценки качественной надежности;
  • стандартизированный опросник экспресс-анализа (23 симптома неблагонадежности по рекомендациям ФНС) из открытых источников с «светофорным» ранжированием рисков.
  • Предлагаемая модель расширяет традиционную модель «Знай своего клиента», что обеспечивает комплексный (количественно-качественный) подход к борьбе с легализацией доходов в условиях санкций и кризисов.

    При проведении исследования использовались следующие научные методы: метод сравнения, метод изучения информационных материалов, метод статистического анализа, графический метод.

    Результаты исследования

    Банковская система – одно из самых важных и уязвимых звеньев в процессе легализации преступных доходов. При этом банковская сфера представляет собой широкое понятие, охватывающее отдельные коммерческие банки, банковский сектор и всю банковскую систему в целом. В связи с этим специфика финансового мониторинга определяется уровнем, на котором он реализуется:

    1. Государственный уровень – мониторинг проводит Центральный банк;

    2. Уровень банковской системы – осуществляется контроль банковского сектора национальной экономики и мониторинг финансовой стабильности государства;

    3. Уровень отдельного банка – коммерческий банк самостоятельно ведет внутренний финансовый мониторинг для оценки стабильности своего функционирования и надежности клиентов [11].

    Рациональная и эффективная система финансового мониторинга в банковской сфере приносит преимущества всем участникам банковской системы:

    1. Централизованный контроль денежных потоков структурных подразделений, филиалов и дочерних предприятий;

    2. Непрерывное совершенствование стратегий деятельности и систем оценки рисков;

    3. Стимулирование развития обмена информацией между банковским и реальным секторами экономики;

    4. Эффективное расширение продуктового ряда региональной сети.

    В рамках настоящего исследования авторами предпринята попытка провести анализ финансового мониторинга на уровне отдельного банка. Сегодня финансовый мониторинг в банке является ключевым видом деятельности, проводимой в финансовой организации. После нескольких финансовых кризисов, а также в связи с большим количеством санкций, введенных против России и функционирующих на ее территории предприятий банковскому сектору требуется повышенное внимание к процессам оценки потенциальных клиентов, а также операций уже существующих пользователей банковских услуг, чтобы предвидеть возникновение факторов, которые могут негативно повлиять на устойчивость кредитной организации.

    В сложившихся условиях небольшим кредитным организациям становится труднее поддерживать требуемый уровень финансовых показателей, поскольку возможности наращивания клиентской базы ограничены, что приводит к уходу этих банков с рынка. С 2013 по 2025 год ЦБ РФ отозвал лицензии у 450 кредитных организаций, а рекордным стал 2016, когда лицензий лишили 97 банков [3]. По оценкам специалистов «Эксперт РА», не менее 15 банков ежегодно будут добровольно покидать рынок в рамках присоединения к более крупным игрокам или в связи с добровольной сдачей лицензии [10].

    Помимо этого, финансовый мониторинг является важным звеном в процессе борьбы с легализацией незаконных доходов, так как именно кредитные организации являются ключевым оператором проведения операций.

    Проведение первичного финансового мониторинга – это сложный и комплексный процесс, ориентированный на соблюдение законодательных требований и внутренних стандартов кредитной организации в области рисков. Процесс базируется на информационных системах и аналитических подходах. Специфика проведения первичного финансового мониторинга в банке – поиск добросовестных клиентов и недопущение финансовых проблем в деятельности банка, связанных с легализацией преступных доходов.

    Методика первичного финансового мониторинга в первую очередь опирается на систему «Знай своего клиента» и классические подходы финансового анализа. Эти методы позволяют отслеживать выполнение компанией плановых показателей, соответствие допустимым значениям без отклонений, а также анализировать динамику развития.

    Платформа «Знай своего клиента» (Платформа ЗСК) – это сервис, через который кредитные организации получают от Банка России данные об уровне риска участия их клиентов (юридических лиц и ИП) в подозрительных операциях. Банки используют эту информацию для проведения процедур противолегализационного контроля [2].

    Банк России, опираясь на свои аналитические данные, разделил банковских клиентов на три группы риска: низкий, средний и высокий («зеленая», «желтая» и «красная» зоны).

    Информация платформы ЗСК носит вспомогательный характер. Банки обязаны самостоятельно оценивать добросовестность своих клиентов с учетом антиотмывочного законодательства. Следовательно, банки в праве самостоятельно сформировать систему оценки потенциальных и имеющихся клиентов на предмет соблюдения 115-ФЗ [13], а также оценки их добросовестности. Речь идет не только об оценке кредитоспособности клиента, но и в целом о возможности его обслуживания в банке, открытия расчетного счета, выдачи гарантии или поручительства и т.п.

    Таким образом, для оценки юридического лица важно использовать сбалансированную систему показателей, которая будет включать в себя не только финансовые показатели, которые привычно оцениваются банками при анализе контрагента, но и нематериальную компоненту (персонал, взаимоотношения с клиентами, отзывы и т.п.).

    Сбалансированная система показателей (ССП), или Balanced Scorecard (BSC), была предложена Робертом Капланом и Дэвидом Нортоном в их одноименной работе [9]. Ключевой особенностью ССП служит не изолированные значения отдельных индикаторов, а их взаимосвязь и общая сбалансированность. Принцип баланса предотвращает манипуляции одной группой показателей за счет других, например, краткосрочное улучшение финансовых результатов за счет сокращения вложений в развитие рынка и персонала.

    Применение системы сбалансированных показателей полезно не только для оптимизации управления предприятием, но и для улучшения методов оценки потенциальных клиентов банка. Основные сложности при использовании ССП для оценки банковских клиентов связаны с точным определением нематериальных активов, которые не отражены в бухгалтерском балансе.

    ССП эффективно дополняет традиционные финансовые метрики, фокусирующиеся на текущем денежном положении компании, за счет анализа нематериальных активов и качества их управления. С помощью ССП удается не только оценить текущее финансовое состояние, но и выявить потенциал устойчивой работы компании, а также перспективы роста – например, для предоставления более масштабного финансирования.

    CCП оценивает деятельность компании по 4 ключевым группам показателей:

    1) финансы,

    2) взаимоотношения c клиентами,

    3) внутренние бизнес-процессы,

    4) обучение и развитие персонала [12].

    Стоит заметить тот факт, что в настоящий момент система финансового мониторинга в банке направлена в большей степени на выявление сомнительных операций, которые непосредственно планирует совершить клиент, уже работающий с банком или же, путем снижения кредитных лимитов или приостановке кредитной линии клиентам, финансовая отчетность которых стала демонстрировать неудовлетворительные результаты. При этом, анализ нематериальной составляющей работы компании часто остается без внимания или на усмотрение кредитных аналитиков и специалистов службы безопасности.

    По результатам настоящего исследования авторами предлагается дополнить систему первичного финансового мониторинга в банке параметрами, которые будут оценивать не только количественные показатели, но и качественные.

    Предполагается внедрение трехфакторной модели анализа клиента, который только изъявил желание сотрудничать с банком, в любой сфере – расчетно-кассовое обслуживание, кредитование, гарантии, поручительства и т.п. Предлагаемая модель будет включать в себя проведение следующих операций:

    1. Анализ финансовых показателей деятельности компании и выявление уровня риска взаимодействия с такой компанией для банковской организации;

    2. Анализ нефинансовых показателей деятельности компании и определение степени надежности предприятия;

    3. Экспресс-анализ на наличие симптомов неблагонадежности организации, посредством использования данных из открытых источников информации.

    Проведя такую трехпозиционную идентификацию клиента, банк сможет определить уровень его благонадежности, а значит и вероятности в будущем, что данный клиент не будет участвовать в сомнительных операциях. Если компания будет полностью надежна, то банк может начинать сотрудничество с организацией, если компания покажет высокий уровень риска, то банк вправе отказать во взаимодействии, а также, в зависимости от выявленных показателей, направить информацию в контролирующие органы. Если компания оказалась посередине, то банк может запросить пояснения, в результате которых компания может попасть как в число надежных, так и наоборот.

    Возможность проверить не только количественные, но и качественные характеристики деятельности организации позволит посмотреть на ее деятельность под разными углами, потому что финансовые показатели можно довести до нужных значений, а вот с нефинансовыми это будет сделать гораздо сложнее и именно совокупность анализа всех этих факторов, на первом этапе взаимодействия клиента с банком поможет избежать сомнительных клиентов, которые в будущем могут стать ненадежными.

    Как уже было отмечено ранее, большинство действий в области первичного финансового мониторинга направлены на предотвращение операций по легализации преступных доходов, т.е. в большинстве случаев компания уже является клиентом банка и в какой-то период своей деятельности решила легализовать преступные доходы. В таком случае банк может пропустить какие-то операции, особенно, если клиент изначально зарекомендовал себя, как достаточно благонадежный или вовремя не обратить внимание и стать таким образом посредником в преступной сфере.

    Авторами предлагается проводить более расширенную проверку клиента до начала работы с ним не только на предмет выявления порогов для выдачи кредита или открытия кредитной линии, не только для анализа потенциала с целью выдачи банковской гарантии, а в целом проводить комплексный первичный финансовый мониторинг до начала работы с клиентом, чтобы заранее иметь возможность удостовериться в его благонадежности или отметить факторы, на которые в будущем стоит обратить внимание.

    Первичный финансовый мониторинг клиента до старта работы с ним по любому банковскому продукту будет проведен по трехпозиционной системе оценки.

    1. Оценка количественных данных из бухгалтерской отчетности компании.

    Для проведения анализа количественных данных бухгалтерской и финансовой отчетности компании было отобрано 13 коэффициентов-переменных, характеризующих финансовое состояние организации: основные средства, уставный капитал, заемные средства (долгосрочные и краткосрочные), валюта баланса, собственный капитал, выручка, валовая и чистая прибыль, себестоимость, денежный поток от продаж, платежи поставщикам, оборотные активы. Чтобы определить, насколько данные показатели влияют на результирующий показатель – в данном случае размер запрашиваемого кредита, будет использована регрессионная модель. Так как данные бухгалтерской отчетности регулярно изменяются, то коэффициенты необходимо рассчитывать с той периодичностью, с которой отчетность поступает в банк.

    Для примера работоспособности модели была проанализирована годовая отчетность 30 организаций, являющихся текущими клиентами банка, исходные данные для расчета модели приведены в Таблице 1.

    Таблица 1

    Название компании
    Основные средства
    Уставный капитал
    Заемные средства (долгосрочные)
    Заемные средства (краткосрочные)
    Валюта баланса
    Собственный капитал
    Выручка
    Валовая прибыль
    Чистая прибыль
    Себестоимость
    Денежный поток от продаж
    Платежи поставщикам
    Оборотные активы
    Запрашиваемый кредит

    X1
    X2
    X3
    X4
    X5
    X6
    X7
    X8
    X9
    X10
    X11
    X12
    X13
    Y
    Компания 1
    525700
    10
    295208
    642000
    1746903
    481415
    1983443
    515902
    110521
    1467541
    2118551
    2473422
    1201914
    424441793
    Компания 2
    2079358
    11
    175929
    14573339
    22550133
    6563854
    20036276
    7093002
    2875090
    12943274
    44555044
    55329732
    19648597
    1945189655
    Компания 3
    1609865
    250000
    1175597
    133744
    1826605
    492349
    1023967
    238625
    -46307
    785342
    621732
    286035
    78261
    534134262
    Компания 4
    205744
    244
    0
    2233175
    3203224
    860977
    3317657
    169372
    146066
    3148285
    5942292
    4957483
    2984986
    15000000
    Компания 5
    15284
    100
    0
    658853
    2027772
    997370
    3229417
    1464804
    550975
    1764613
    2586347
    2458095
    1995917
    287500000
    Компания 6
    122398
    10
    212353
    286022
    977850
    165994
    1365165
    465287
    148709
    899878
    1739228
    1244264
    847295
    296118703
    Компания 7
    1057463
    10
    153566
    1426962
    2810596
    378331
    6505746
    322259
    20589
    6183487
    3044591
    7262924
    1614181
    644118232
    Компания 8
    324855
    566624
    95800
    12000
    712784
    592084
    159586
    159586
    10064
    0
    12719
    67983
    306604
    190000000
    Компания 9
    547101
    2000
    919086
    291506
    2824654
    1483932
    4664269
    1168462
    712692
    3495807
    5039799
    4073346
    2220839
    89366446
    Компания 10
    51202
    1000
    253826
    2355383
    3791379
    832527
    18543032
    3257777
    618313
    15285255
    17741828
    18870183
    3740177
    208219554
    Компания 11
    359466
    31
    0
    1126423
    3465014
    1696073
    4534493
    1241257
    197267
    3293236
    4333091
    4271149
    3046542
    180000000
    Компания 12
    517698
    1000
    0
    595976
    1600099
    550963
    973734
    144548
    304
    829186
    940038
    1306289
    1078500
    380000000
    Компания 13
    93048
    18
    329429
    729909
    1766056
    685663
    2595236
    731843
    29410
    1863393
    3152934
    2653207
    1622255
    382791182
    Компания 14
    10437
    10
    109559
    120397
    504458
    271077
    1080346
    136485
    4941
    943861
    1036410
    987806
    492206
    38807705
    Компания 15
    160098
    12
    582579
    541669
    1928400
    153677
    4156122
    349871
    24743
    3806251
    3960835
    4892219
    1768302
    205788000
    Компания 16
    2372
    100
    0
    681569
    1757584
    725989
    7405077
    1377664
    428290
    6027413
    6633325
    6792049
    1755212
    110000000
    Компания 17
    42016
    10
    146845
    366190
    631779
    99538
    2217378
    53629
    79600
    2163749
    2167262
    2377619
    589763
    33000000
    Компания 18
    457366
    40
    0
    730334
    1717216
    661887
    8048830
    1728598
    98615
    6320232
    7485869
    6308623
    1248729
    231670922
    Компания 19
    3326282
    147000
    853025
    988620
    7249990
    4590913
    9796155
    4196795
    2473116
    5599360
    9576486
    6421560
    3598385
    532303358
    Компания 20
    119241
    51000
    219615
    604464
    2226494
    1375420
    5956647
    672206
    160686
    5284441
    7241002
    7343707
    2079762
    266666666
    Компания 21
    714499
    15
    541112
    331268
    1249590
    374065
    702567
    163035
    58246
    539532
    1008196
    912272
    535042
    283046153
    Компания 22
    234783
    10
    0
    539400
    1729028
    828892
    2581238
    789571
    148987
    1791667
    2438145
    2146338
    1455260
    360000000
    Компания 23
    466994
    25105
    84316
    73845
    1289639
    1121183
    1019430
    469717
    251948
    549713
    1124601
    711214
    813193
    102542753
    Компания 24
    34858
    30000
    343536
    154146
    883038
    356748
    3911621
    279133
    21092
    3632488
    3932703
    3825663
    848180
    343536
    Компания 25
    331055
    1000
    0
    3433859
    8536301
    3225881
    27549437
    12811746
    1780138
    14737691
    28078922
    27371736
    8201451
    200000000
    Компания 26
    1998110
    213000
    0
    1449324
    6094133
    4263082
    8689528
    2335531
    715929
    6353997
    9985471
    6668664
    4039452
    192197670
    Компания 27
    835847
    86994
    222994
    1725285
    4235224
    743051
    4667799
    439166
    9151
    4228633
    5896599
    4275074
    3373565
    222994
    Компания 28
    11801
    40
    5004
    161
    37715
    32550
    0
    0
    -3806
    0
    0
    499
    8528
    300000
    Компания 29
    724928
    3
    397292
    268718
    1119080
    220620
    357040
    58421
    40374
    298619
    726378
    689128
    391674
    397292
    Компания 30
    5271
    10
    0
    194369
    269573
    74277
    275818
    57366
    1968
    218452
    409679
    279205
    264278
    1400000

    Чтобы определить, насколько данные показатели влияют на результирующий показатель – в данном случае размер запрашиваемого кредита, была использована регрессионная модель. По результатам расчета была определена надежность модели. Результаты представлены в таблице 2.

    Таблица 2

    Регрессионная статистика [1]
    Множественный R
    0,953020559
    R-квадрат
    0,908248186
    Нормированный R-квадрат
    0,833699838
    Стандартная ошибка
    147675793,1
    Наблюдения
    30

    Расчет методом наименьших квадратов, который в статистике используется для нахождения зависимости между переменными, показал, что зависимость между анализируемыми переменными высокая и равна 0,9, что говорит о надежности и достоверности представленной модели. Расчетные коэффициенты для уравнения представлены в таблице 3.

    Таблица 3

    Расчетные коэффициенты [2]

    Y-пересечение – размер запрашиваемого кредита или кредитной линии
    127292151,9
    Переменная X 1 – основные средства
    -1754,341679
    Переменная X 2 – уставный капитал
    -260,3197352
    Переменная X 3 – заемные средства (долгосрочные)
    132,1900246
    Переменная X 4 – заемные средства (краткосрочные)
    110,9083258
    Переменная X 5 – валюта баланса
    1738,366035
    Переменная X 6 – собственный капитал
    121,7178319
    Переменная X 7 – выручка
    1665,611597
    Переменная X 8 – валовая прибыль
    -1595,48341
    Переменная X 9 – чистая прибыль
    -222,7283073
    Переменная X 10 – себестоимость
    -1648,81692
    Переменная X 11 – денежный поток от продаж
    -78,97259245
    Переменная X 12 – платежи поставщикам
    51,33218121
    Переменная X 13 – оборотные активы
    -1810,466459

    Теперь составим итоговое уравнение для проведения анализа:

    Переменные – это данные из бухгалтерской отчетности организации, указанные выше. При анализе компании, которая планирует сотрудничество с банком, например, для получения кредита, или открытия кредитной линии, расчетно-кассового обслуживания и т.п. данные организации будут подставлены в формулу и если итоговое значение будет близко или равно 0, то работать с такой компанией не стоит, если значение будет положительным, то такая компания может в будущем стать клиентом банка, т.к. у нее имеются финансовые ресурсы для эффективной работы. Как уже отмечалось выше, для каждого отчетного периода коэффициенты в уравнении необходимо пересчитать.

    2. Оценка качественных данных (нефинансовых показателей)

    Анализ нефинансовых показателей будет происходить на основании анкеты, которую будет предложено заполнить клиенту. В анкету будут включены вопросы, которые кредитные-аналитики, представители службы безопасности банка, эксперты по работе с клиентами посчитали ключевыми для анализа благонадежности компании.

    По результатам проведения экспертного опроса среди 20 сотрудников ПАО Банк ВТБ, занимающихся непосредственно первичной оценкой надежности потенциальных клиентов, было отобрано 10 наиболее значимых показателей и проведено ранжирование их в соответствии с той степенью важности, которую указали опрошенные эксперты.

    Таблица 4

    Ранжированные показатели после экспертного опроса [3]


    Наименование параметра
    Уровень значимости по мнению эксперта
    1
    Присутствие компании в сети Интернет (сайт, соцсети и т.п.)
    11,59 %
    2
    Наличие положительных отзывов о компании в сети Интернет
    11,08 %
    3
    Расширение клиентской базы за последний год
    10,83 %
    4
    Наличие собственного узнаваемого товарного знака
    10,64 %
    5
    Наличие сертификатов соответствия стандартам
    10,25 %
    6
    Наличие послепродажного обслуживания
    9,81 %
    7
    Ежегодное повышение квалификации персонала
    9,68 %
    8
    Наличие собственных разработок (патенты, авторские права, лицензии)
    9,30 %
    9
    Участие в госзакупках
    8,6 %
    10
    Социальная ответственность бизнеса (участие в благотворительности, охрана окружающей среды и т.п.)
    8,22 %

    Наиболее важными для экспертов параметрами стали присутствие компании в сети Интернет и наличие положительных отзывов о ней, именно этот факт говорит о том, что организация не пытается скрыться, а свободно демонстрирует информацию о себе, о продукции, мероприятиях и т.п. Следующим по важности блоком эксперты выделили собственный узнаваемый бренд или товарный знак, а также наличие сертификатов соответствия, что тоже свидетельствует о том, что компания заботится о своем продукте и потребителях, формируя узнаваемую марку и поддерживая качество благодаря различным сертификатам. Не менее важными являются показатели и расширения клиентской базы за последний год, что говорит о том, что компания не стоит на месте и не работает исключительно под запрос, хотя данный момент может быть уточнен из-за специфики деятельности организации (например, если она работает исключительно на оборонную промышленность, то расширить клиентскую базу не получится).

    В целом, подводя итоги проведенного анкетирования следует заметить, что эксперты считают важными большое число показателей для компании, которые свидетельствуют о ее планах не уходить с рынка быстро, а расти и развиваться, в том числе и благодаря эффективному сотрудничеству с банком.

    При подаче заявки в банк на получение кредита или иной банковской услуги, представитель компании заполняет анкету путем проставления в соответствующей колонке значений «Да» или «Нет». Если у компании имеется, например, авторская запатентованная разработка, то в графе «наличие собственных авторских разработок» нужно поставить «да» и т.д.

    После заполнения анкеты сотрудник банка подсчитывает количество баллов, которые получились у компании путем перемножения весового коэффициента, полученного после экспертного опроса и факта наличия у компании того или иного показателя. Если клиент поставил значение «Да», то коэффициент из Таблицы 1 умножается, на 1, если в графе стоит «Нет», то коэффициент умножается на 0, а после, полученные проценты суммируются. Далее, банковский работник сверяет полученное значение с эталонными значениями, которые представлены в таблице 5.

    Таблица 5

    Ранжирование уровня риска [4]


    Уровень риска
    Значение
    1
    Высокий уровень риска
    0 – 33,3%
    2
    Средний уровень риска
    33,4% - 66,6%
    3
    Низкий уровень риска
    66,7% - 100%

    Уровень риска определяется по классической схеме «светофор». Если у компании большое количество ответов «Да» в анкете, то такая компания будет иметь низкий уровень риска, и наоборот. Говорить о том, что компания с низким уровнем риска никогда не будет участвовать в операциях по легализации преступных доходов нельзя, как и утверждать обратное, что компания с высоким уровнем риска будет гарантированно преступной, тем не менее, наличие такого высокого балла в оценке свидетельствует о благонадежности компании и ее намерениях строить эффективный бизнес.

    Анкета и расчет показателей будет прилагаться к итоговому заключению банка о благонадежности компании и возможности сотрудничества с ней.

    3. Экспресс-анализ на наличие симптомов неблагонадежности организации

    Последним этапом оценки компании будет выявление симптомов неблагонадежности, посредством проведения экспресс-анализа на основании открытых источников. За основу для выявления показателей к оценке были взяты рекомендации ФНС [16] по проявлению коммерческой осмотрительности, которые систематизированы в единый опросник, подлежащий к заполнению банковским работником. Для анализа компании используются только данные, полученные из открытых источников информации с помощью сервисов проверки контрагентов, сервиса ФНС, Спарк и других, доступных банку.

    Банковский работник заполняет анкету по принципу наличия или отсутствия определенного параметра, а после, подсчитывает количество полученных положительных значений и сверяет их с итоговой таблицей. Вопросы, которые подлежат проверке:

    1. Компания в стадии банкротства

    2. Компания находилась или находится в реестре Росфинмониторинга

    3. Компания находится в стадии реорганизации

    4. Факт блокировки счетов

    5. Входит в санкционный список

    6. Входит в реестр недобросовестных поставщиков

    7. Обеспечительные меры на имущество

    8. Активные арбитражные дела в качестве ответчика

    9. Более 10 арбитражных дел в качестве ответчика за последние 5 лет

    10. Компания создана менее 1 года назад

    11. Среднесписочная численность сотрудников менее 10 человек

    12. Среднемесячная зарплата сотрудников ниже среднеотраслевых показателей

    13. Уставный капитал равен стандартному

    14. Частая смена юридического адреса (более 3х раз за год)

    15. В составе учредителей есть лица, которые являются учредителями фирм-однодневок

    16. В составе учредителей есть лица, находящиеся под следствием

    17. В составе учредителей есть лица с большим количеством административных правонарушений (более 15 за 3 года)

    18. Убыток в последних отчетных периодах

    19. Просроченная бухгалтерская отчетность

    20. Долг по налогам и сборам

    21. Отсутствие сайта или группы в социальных сетях

    22. Отрицательная динамика численности персонала

    23. Применяет специальный налоговый режим

    После получения ответов на все вопросы банковский сотрудник подсчитывает количество полученных положительных ответов. Если положительных ответов получилось до 8, то риск сотрудничества с компанией будет низким, тем не менее, важно проставить еще и важность показателей, например, если у компании есть только один положительный показатель, но, например, что организация находится в процессе реорганизации или банкротства, то это будет гораздо существеннее, чем применение спецрежима или случайная блокировка счетов, поэтому важно не просто просчитать количество положительных совпадений, но и оценить их значимость. Каждый банк самостоятельно определяет значимость каждого показателя. В любом случае, даже небольшое количество положительных значений требует ручной проверки их экспертом и только после этого вынесение итогового результата о благонадежности компании.

    По результатам проведения трехфакторного анализа делается вывод о благонадежности клиента и возможности сотрудничества банку с такой организацией. Если по результатам анализа всех 3 критериев компания получила положительную оценку, то принимается решение о сотрудничестве, если хоть по одному из критериев был получен отрицательный результат требуется дополнительный запрос подтверждающих документов и еще одна проверка, чтобы удостовериться в надежности компании. Если 2 или 3 критерия оказались отрицательными, то работать с такой компанией не стоит, в будущем она может показать себя как неблагонадежный партнер.

    Заключение

    В настоящее время именно банки являются наиболее уязвимым звеном в процессе легализации преступных доходов, так как с помощью банковских инструментов можно ввести нелегально заработанные деньги в официальный оборот. Для проведения эффективного контроля авторами была предложена система сбалансированных показателей. Предполагается внедрение трехфакторной модели анализа клиента, который только изъявил желание сотрудничать с банком, в любой сфере – расчетно-кассовое обслуживание, кредитование, гарантии, поручительства и т.п. Предлагаемая модель будет включать в себя проведение следующих операций:

    1. Анализ финансовых показателей деятельности компании и выявление уровня риска взаимодействия с такой компанией для банковской организации;

    2. Анализ нефинансовых показателей деятельности компании и определение степени надежности предприятия;

    3. Экспресс-анализ на наличие симптомов неблагонадежности организации, посредством использования данных из открытых источников информации.

    Возможность проверить не только количественные, но и качественные характеристики деятельности организации позволит посмотреть на ее деятельность под разными углами, потому что финансовые показатели можно довести до нужных значений, а вот с нефинансовыми это будет сделать гораздо сложнее и именно совокупность анализа всех этих факторов, на первом этапе взаимодействия клиента с банком поможет избежать сомнительных клиентов, которые в будущем могут стать ненадежными.

    [1] Составлено авторами по материалам исследования

    [2] Составлено авторами по материалам исследования

    [3] Составлено авторами по материалам исследования

    [4] Составлено авторами по материалам исследования


    Страница обновлена: 13.01.2026 в 11:46:18

     

     

    Trekhfaktornaya model pervichnogo finansovogo monitoringa klientov kommercheskikh bankov

    Khanina A.V., Zimovets A.V., Petrenko S.V., Mikhaylov D.Y.

    Journal paper

    Financial risk management
    Volume 22, Number 1 (January-March 2026)

    Citation: