Ученые Политеха создали модель прогнозирования ипотечных рисков с точностью 83%
.png "Ученые Политеха создали модель прогнозирования ипотечных рисков с точностью 83%")
Новая математическая модель, разработанная российскими исследователями, позволяет с точностью до 83% предсказывать риск невозврата ипотечного кредита. Расчеты показали, что главным фактором угрозы для банков остаются не ценовые колебания на рынке жилья, а длительные просрочки по платежам.
Исследователи СПбПУ разработали новую математическую модель, позволяющую прогнозировать риск невозврата ипотечного кредита с точностью до 83%. Полученные результаты указывают на то, что ключевым источником риска для банковской системы выступают не столько колебания стоимости жилья или изменения процентных ставок, сколько длительные просрочки по платежам со стороны заемщиков.
По словам доцента Санкт-Петербургского политехнического университета Петра Великого Максима Измайлова, результаты расчетов ставят под сомнение распространенное представление о том, что основная угроза ипотечному кредитованию связана прежде всего с внешними макроэкономическими шоками. Напротив, модель показывает, что кредитная история и платежная дисциплина заемщика обладают большей прогностической значимостью, чем сценарные оценки динамики рынка недвижимости или общие макроэкономические прогнозы.
Разработка представляет интерес как пример прикладного использования инструментов количественного анализа в сфере оценки кредитного риска. Подобные модели вероятности дефолта применяются для выявления статистически значимых факторов, влияющих на способность заемщика своевременно исполнять обязательства, и позволяют повысить качество риск-менеджмента в ипотечном сегменте.
Авторы исследования отмечают, что предложенная модель наиболее корректно работает применительно к первичному рынку стандартных квартир. В то же время при анализе объектов старого жилого фонда, а также нестандартной недвижимости, вероятно, потребуется дополнительная настройка параметров с учетом характеристик конкретного актива и особенностей поведения заемщика.
Практическая значимость разработки особенно заметна на фоне роста объема ипотечной просрочки в России: по данным профильных публикаций, в 2025 году объем просроченной задолженности по ипотеке существенно увеличился, а ее доля достигла максимальных значений за последние годы. В этом контексте математические инструменты раннего прогнозирования дефолта могут использоваться банками для более точной оценки рискового профиля заемщиков и совершенствования кредитной политики.
Источник: официальный канал Десятилетия науки и технологий.
(26).png)