СТРЕСС–ТЕСТИРОВАНИЕ УСТОЙЧИВОСТИ БАНКОВ К ШОКАМ ПОВЫШЕНИЯ БАЗОВОЙ ПРОЦЕНТНОЙ СТАВКИ

АННОТАЦИЯ

В статье рассматриваются теоретические и прикладные аспекты стресс-тестирования банков в условиях шока повышения базовой процентной ставки. Показано, что рост ставки воздействует на банковскую устойчивость не только через удорожание фондирования, но и через переоценку ценных бумаг, изменение чистой процентной маржи, рост кредитного риска и сжатие кредитования. На основе материалов МВФ, Федеральной резервной системы США, Европейского центрального банка, Денежно-кредитного управления Сингапура и Агентства Республики Казахстан по регулированию и развитию финансового рынка обобщены современные подходы к построению стресс-сценариев и оценке достаточности капитала. Сделан вывод, что для банков Казахстана ключевое значение имеет интеграция процентного, кредитного, ликвидного и рыночного рисков в единую систему стресс-тестирования.

ABSTRACT

The article examines theoretical and applied aspects of bank stress testing under shocks caused by increases in the policy rate. It shows that higher rates affect bank resilience not only through more expensive funding, but also through securities revaluation, changes in net interest margin, rising credit risk, and weaker lending. Drawing on materials from the IMF, the U.S. Federal Reserve, the European Central Bank, the Monetary Authority of Singapore, and the Agency of the Republic of Kazakhstan for Regulation and Development of the Financial Market, the paper systematizes current approaches to scenario design and capital adequacy assessment. The study concludes that, for Kazakhstan’s banks, an effective stress-testing framework should integrate interest-rate, credit, liquidity, and market risks in a single analytical system.

Ключевые слова: стресс-тестирование, базовая ставка, процентный риск, банковская устойчивость, достаточность капитала, сценарный анализ.

Keywords: stress testing, policy rate, interest rate risk, bank resilience, capital adequacy, scenario analysis.

Введение

Стресс-тестирование стало одним из центральных инструментов оценки финансовой устойчивости после мирового кризиса 2008–2009 годов. Его задача состоит в том, чтобы количественно оценить, как банки и банковская система в целом поведут себя при реализации редких, но правдоподобных неблагоприятных шоков. Для современной банковской системы особую значимость приобрёл именно шок повышения базовой процентной ставки. Быстрое ужесточение денежно-кредитной политики одновременно влияет на стоимость пассивов, рыночную цену облигаций, платёжеспособность заёмщиков и динамику кредитования [1; 2; 3].

Актуальность темы усилилась после эпизодов банковской турбулентности 2023 года в США, когда стало очевидно, что даже при формально достаточном капитале банки могут оставаться уязвимыми к процентному и ликвидному риску. В этой связи международные организации и регуляторы всё активнее расширяют стресс-тестирование, включая в него не только кредитные потери, но и переоценку ценных бумаг, ухудшение фондирования, оттоки депозитов, изменение маржи и вторичные макроэкономические эффекты [4; 5; 6].

Цель статьи – раскрыть механизмы воздействия шока повышения базовой ставки на устойчивость банков и обобщить современные подходы к стресс-тестированию, которые могут быть использованы при анализе банковского сектора Казахстана. Для достижения этой цели рассматриваются теоретические каналы передачи шока, международная практика построения стресс-сценариев, а также результаты надзорного стресс-тестирования банков Казахстана.

Теоретические основы стресс-тестирования процентного шока

В международной литературе стресс-тест обычно понимается как форвардный аналитический инструмент, позволяющий оценить устойчивость банка или системы при заданном сценарии ухудшения макрофинансовых условий. МВФ различает микронадзорные стресс-тесты, направленные на проверку достаточности капитала отдельных банков, и макропруденциальные тесты, ориентированные на выявление системных уязвимостей и рисков для экономики в целом [5]. Такое различие важно, потому что процентный шок может быть приемлемым для отдельного банка, но одновременно усиливать общеэкономические риски через сокращение кредитования.

Рост базовой ставки влияет на банки как минимум по четырём каналам. Во-первых, повышается стоимость фондирования: более дорогими становятся депозиты, межбанковские ресурсы и рыночные заимствования. Во-вторых, снижается текущая стоимость активов с фиксированной доходностью, особенно длинных облигаций и ипотечных бумаг. В-третьих, ухудшается долговая нагрузка заёмщиков, что повышает вероятность дефолта и потребность в резервах. В-четвёртых, через замедление совокупного спроса и инвестиционной активности ужесточение политики ухудшает качество новых кредитов и снижает прибыльность банковского бизнеса [1; 3; 7].

Исследования Федерального резервного банка Ричмонда показывают, что повышение ставок может иметь двойственный эффект. С одной стороны, чистая процентная маржа части банков краткосрочно растёт, если активы переоцениваются быстрее пассивов. С другой стороны, экономическая стоимость капитала снижается из-за убытков по долгосрочным активам и длительного несоответствия сроков активов и пассивов. В среднем даже повышение ставок на 100 базисных пунктов способно заметно снизить чистую стоимость банковского сектора [7; 8]. Поэтому стресс-тест должен учитывать не только бухгалтерскую прибыль, но и чувствительность баланса к изменению кривой доходности.

Методологические подходы к моделированию сценариев

Ключевым элементом стресс-теста является построение сценария. В классическом подходе используются исторические и гипотетические сценарии. Исторический подход опирается на уже наблюдавшиеся эпизоды кризиса, тогда как гипотетический позволяет смоделировать редкие комбинации шоков, которые ещё не реализовывались в полном объёме. Для процентного риска исторических аналогов может быть недостаточно, поскольку форма кривой доходности, темп ужесточения политики и реакция вкладчиков меняются во времени [1].

В работе Abdymomunov и Gerlach предлагается использовать модель Нельсона–Сигеля для генерации более широкого набора кривых доходности. Такой подход позволяет стрессировать не только параллельный сдвиг ставок вверх, но и изменение наклона и кривизны кривой. Для банков это принципиально важно: один и тот же рост ключевой ставки по-разному действует на портфели с короткой и длинной дюрацией, на хеджированные и нехеджированные позиции, а также на банки с разной структурой депозитов [1].

Подход МВФ строится шире: сценарий должен включать оценку уязвимостей, набор макрофинансовых переменных, механизм перевода макрошока в банковские потери и блок риск-амплификации. В базовой рамке отдельно моделируются кредитный риск, чистый процентный доход, ликвидность, а при необходимости – валютный, рыночный и contagion-эффекты. МВФ подчёркивает, что процентный риск в банковской книге следует оценивать одновременно в доходном и стоимостном измерении: через изменение процентных доходов и расходов, а также через переоценку потоков денежных средств по активам и обязательствам [5].

Федеральная резервная система США использует ежегодный надзорный стресс-тест, в котором сочетаются сценарии тяжёлой рецессии, модели потерь по портфелям, прогнозы pre-provision net revenue и расчёты постстрессовых коэффициентов капитала. Важная особенность американского подхода состоит в сопоставимости результатов: одинаковые по структуре портфели должны давать одинаковые оценки в стресс-тесте, а различия между банками объясняются их входными данными, а не произвольными настройками модели [6]. Такой принцип особенно полезен для регуляторов, стремящихся сравнивать банки внутри одной юрисдикции.

Как повышение базовой ставки воздействует на устойчивость банков

Первый и наиболее очевидный канал – снижение рыночной стоимости ценных бумаг. Банки, которые в период низких ставок накапливали длинные государственные и ипотечные бумаги, сталкиваются с убытками при росте доходностей. Даже если убыток не сразу проходит через отчёт о прибылях и убытках, он ухудшает экономическую стоимость капитала, ослабляет гибкость баланса и может спровоцировать проблемы с ликвидностью при необходимости продажи бумаг [4; 7].

Второй канал связан с фондированием. В начале цикла ужесточения банки нередко выигрывают, поскольку доходность активов растёт быстрее стоимости пассивов. Однако по мере того как вкладчики начинают требовать более высокую доходность или переводят средства из текущих депозитов в срочные, стоимость фондирования возрастает. Европейские исследования показывают, что при материализации процентного риска значимую роль играет изменение депозитного поведения: переход от «липких» текущих депозитов к более чувствительным к ставке инструментам увеличивает duration gap и усиливает давление на банки [9; 10].

Третий канал – кредитный риск. Повышение базовой ставки ухудшает условия обслуживания долга для домохозяйств и компаний, особенно при плавающей ставке или высокой долговой нагрузке. В стресс-сценариях это выражается в росте PD, снижении стоимости залога и увеличении резервов. МВФ рекомендует при наличии данных отдельно моделировать LGD и EAD, поскольку влияние процентного шока на ипотечные и корпоративные портфели различается [5]. Для банков с высокой долей необеспеченного розничного кредитования такой шок может быть особенно болезненным.

Четвёртый канал – макроэкономическая обратная связь. Более высокая ставка охлаждает экономическую активность, сдерживает спрос на кредит и инвестиции, а значит, ухудшает и прибыльность банков, и качество будущих выдач. На этом фоне процентный шок превращается из локального рыночного фактора в системный стресс, способный воздействовать на весь банковский цикл. Поэтому современные стресс-тесты всё чаще строятся как интегрированные модели, где сценарий затрагивает одновременно ВВП, безработицу, инфляцию, валютный курс, цены активов и процентные ставки [5; 11].

Международный опыт и уроки для Казахстана

Международная практика показывает, что стресс-тестирование наиболее эффективно тогда, когда используется не как формальная отчётная процедура, а как инструмент надзора и раннего предупреждения. В США результаты стресс-тестов применяются для определения индивидуальных требований к капиталу крупных банков [6]. В Европе процентный риск рассматривается как существенный фактор финансовой стабильности в условиях нормализации денежно-кредитной политики, а исследования ЕЦБ подчёркивают, что итоговый эффект повышения ставок неоднороден: краткосрочная прибыльность может вырасти, но при высокой дюрации активов и чувствительности депозитов возрастает риск для капитала и кредитного предложения [9; 10].

Подход Денежно-кредитного управления Сингапура интересен тем, что отраслевой стресс-тест встроен в широкий обзор финансовой стабильности. Там особое внимание уделяется не только капиталу, но и качеству активов, ликвидности и межсекторным связям. Это важно для небольших открытых экономик, где шок ставок часто усиливается внешними финансовыми условиями, валютными колебаниями и ценами на недвижимость [12].

Для Казахстана тема особенно актуальна из-за высокой роли процентной политики в сдерживании инфляции и значимости банковского сектора для финансирования экономики. Согласно Отчёту надзорного стресс-тестирования банков Казахстана за 2024 год, в периметр анализа вошли 11 банков, на долю которых приходится 85% активов и 86% кредитного портфеля сектора. По итогам стресс-сценария коэффициент достаточности основного капитала k1 составил 15,0% ко II кварталу 2025 года, что существенно выше минимального порога 5,5% без учёта буферов [11]. Это означает, что сектор в целом сохраняет запас капитала даже при неблагоприятном развитии событий.

Вместе с тем казахстанский отчёт показывает и структуру уязвимостей. Наибольшее давление на капитал оказали кредитный и рыночный риски: кредитный риск снизил капитал на 5,8 процентного пункта, а рыночный риск, в том числе из-за изменения процентных ставок и цен финансовых инструментов, ещё на 3,2 процентного пункта. Частично этот эффект был компенсирован чистыми процентными и непроцентными доходами, давшими прирост капитала на 7,4 процентного пункта [11]. Следовательно, даже если сектор в агрегате устойчив, качество управления процентным и кредитным риском остаётся критически важным на уровне отдельных банков.

Figure 1. Model.png

Информационной базой исследования послужили данные из пакета АФР, а также статистические данные, опубликованные на официальном сайте Национального Банка Республики Казахстан. Из пакета АФР были использованы макроэкономические и финансовые показатели, характеризующие состояние экономики и банковского сектора. Дополнительно с сайта Национального банка были собраны данные по базовой процентной ставке, а также показатели, связанные с динамикой неработающих кредитов (NPL). Такое объединение источников позволило сформировать единую аналитическую выборку для оценки влияния шоков базовой ставки на устойчивость банковского сектора.

При построении модели особое внимание было уделено взаимосвязи между денежно-кредитными условиями и качеством кредитного портфеля банков. Базовая ставка использовалась как ключевой индикатор ужесточения или смягчения денежно-кредитной политики, тогда как показатели NPL отражали изменение уровня кредитного риска в банковской системе. Использование макроэкономических переменных из пакета АФР позволило дополнить модель факторами, через которые изменение процентной ставки может передаваться в банковский сектор.

Результаты эконометрической модели

На рисунке model.png представлены результаты лучшей 4-факторной OLS-модели, построенной для зависимой переменной sector_npl90_amount__yoy_abs, то есть годового абсолютного изменения объема NPL 90+. Согласно результатам оценки, коэффициент детерминации R-squared = 0,624, а скорректированный коэффициент детерминации Adj. R-squared = 0,583, что свидетельствует о достаточно хорошей объясняющей способности модели для исследуемой выборки. Значение Prob (F-statistic) = 2,71e-07 показывает, что модель в целом является статистически значимой.

В итоговую спецификацию вошли четыре объясняющие переменные: Rexppop_q__yoy_abs__lag1, cpi__diff__lag4, rate_kzt_indv_1y_iy__yoy_abs__lag4 и rurkzt__log_yoy__lag1. Все коэффициенты при данных переменных имеют положительный знак, что указывает на прямую связь между изменением соответствующих факторов и ростом проблемной задолженности. Наиболее сильное влияние в модели демонстрирует переменная rurkzt__log_yoy__lag1, коэффициент которой является наибольшим по абсолютной величине и статистически значим на высоком уровне. Это позволяет предположить, что валютные и макроэкономические сдвиги играют заметную роль в формировании динамики проблемных кредитов.

Также важным является тот факт, что переменная, связанная с процентной ставкой по кредитам населению в тенге (rate_kzt_indv_1y_iy__yoy_abs__lag4), вошла в модель с лагом в 4 периода. Это подтверждает наличие отложенного эффекта процентного шока: изменение стоимости заимствований не отражается на качестве кредитного портфеля мгновенно, а проявляется спустя определенное время. С экономической точки зрения это объясняется тем, что рост ставок постепенно увеличивает долговую нагрузку заемщиков, ухудшает их платежеспособность и в дальнейшем приводит к росту просроченной задолженности.

С точки зрения диагностических показателей, модель в целом выглядит устойчивой. Значение Durbin-Watson = 1,313 указывает на наличие некоторой положительной автокорреляции остатков, однако она не носит критического характера. Статистики Jarque-Bera и Omnibus не свидетельствуют о серьезных отклонениях распределения остатков от нормального. Следовательно, модель может быть использована как для интерпретации факторов, так и для сценарного прогнозирования.

Figure 2. prediction.png

Интерпретация прогноза

На рисунке prediction.png представлена динамика показателя predicted_NPL_change за исторический период и на прогнозном горизонте. Синяя линия отражает фактическую историческую динамику изменения показателя, а красная пунктирная линия показывает базовый прогноз модели. Вертикальная граница на графике отделяет исторический участок от прогнозного периода.

Как видно из графика, после относительно умеренной динамики в конце исторического интервала модель прогнозирует сохранение волатильности показателя NPL, при этом в прогнозном периоде наблюдаются сначала краткосрочное снижение, а затем восстановление и дальнейший рост прогнозного значения. Это означает, что даже при базовом сценарии сохраняются риски ухудшения качества кредитного портфеля банков под воздействием ранее накопленных макроэкономических и процентных факторов.

Особенно важно отметить, что прогноз не показывает мгновенного и линейного роста проблемных кредитов, а отражает инерционную и лаговую реакцию банковского сектора. Такой результат соответствует экономической логике стресс-тестирования: последствия повышения базовой ставки обычно проявляются не сразу, а через несколько кварталов, когда рост стоимости фондирования и кредитной нагрузки начинает в полной мере влиять на финансовое состояние заемщиков.

Данный прогноз подтверждает вывод о том, что шоки повышения базовой процентной ставки могут стать значимым фактором давления на устойчивость банков, прежде всего через канал ухудшения качества кредитного портфеля. Следовательно, при проведении стресс-тестирования банковской системы необходимо учитывать не только прямое изменение процентных условий, но и их отсроченное влияние на NPL, инфляционные процессы, валютную динамику и платежеспособность заемщиков.

Figure 3. Stress and baseline.png

Анализ динамики NPL: базовый и стрессовый сценарии

На рисунке представлена динамика показателя прироста проблемных кредитов (NPL) в историческом периоде, а также прогнозные значения в рамках базового и стрессового сценариев.

В историческом периоде наблюдается умеренный рост NPL с отдельными колебаниями, что отражает постепенное изменение качества кредитного портфеля.

Базовый сценарий, построенный на основе ARIMA-прогнозов макроэкономических факторов, демонстрирует относительно стабильную динамику NPL. Несмотря на наличие краткосрочных отклонений, в целом прогноз не предполагает резкого ухудшения качества кредитного портфеля.

В стрессовом сценарии, сформированном на основе отклонения макроэкономических переменных на одно стандартное отклонение (σ-shock), наблюдается значительное увеличение NPL по сравнению с базовым сценарием. Уже на первом горизонте прогнозирования разрыв между сценариями становится существенным и сохраняется на протяжении всего прогнозного периода.

Следует отметить, что стрессовый сценарий приводит к кратному росту показателя NPL, достигающему более 2 млрд тенге к концу прогнозного горизонта. При этом разница между стрессовым и базовым сценарием остается практически постоянной, что объясняется линейной структурой регрессионной модели и использованием одинакового σ-шока для всех периодов.

Полученные результаты свидетельствуют о высокой чувствительности показателя NPL к изменениям макроэкономических факторов, особенно обменного курса, процентных ставок и инфляции.

Таким образом, проведённое стресс-тестирование показывает, что даже умеренные отклонения макроэкономических показателей от базового сценария могут привести к существенному ухудшению качества кредитного портфеля, что подтверждает необходимость учета макроэкономических рисков при оценке устойчивости банковского сектора.

Figure 4. Results

Для оценки статистических свойств показателя прироста проблемных кредитов (NPL) был проведён анализ распределения с использованием графических методов и формальных статистических тестов. На гистограмме и Q-Q графике наблюдается существенное отклонение эмпирического распределения от нормального: распределение характеризуется асимметрией и наличием «тяжёлых хвостов», что типично для финансовых временных рядов и показателей кредитного риска.

Для формальной проверки гипотезы о нормальности распределения были применены тесты Шапиро–Уилка и Харке–Бера. Полученные результаты составили: при для теста Шапиро–Уилка и при для теста Харке–Бера. Значения p-value значительно ниже уровня значимости 0.05, что позволяет отвергнуть нулевую гипотезу о нормальности распределения. Таким образом, распределение показателя NPL является ненормальным, что делает некорректным применение параметрических методов оценки риска, основанных на предположении нормальности.

С учетом выявленных особенностей распределения для оценки риска был использован исторический подход (Historical VaR), не требующий предположений о форме распределения. Полученные значения составили: VaR (95%) равен , а VaR (99%) — . Это означает, что с вероятностью 95% ухудшение показателя NPL не превысит 2.08 млрд тенге, а с вероятностью 99% — 3.24 млрд тенге. Данные значения отражают потенциальный масштаб ухудшения качества кредитного портфеля в неблагоприятных условиях.

В классическом параметрическом подходе при предположении нормального распределения для уровня доверия 95% используется коэффициент . Однако в данном случае наличие тяжёлых хвостов приводит к недооценке риска при использовании нормального приближения. Фактически для сопоставимого уровня риска требуется более высокий коэффициент , что указывает на повышенную вероятность экстремальных значений.

Проведённый анализ свидетельствует о том, что распределение показателя NPL существенно отклоняется от нормального, а значит, применение непараметрических методов оценки риска является более обоснованным. Использование исторического VaR позволяет более точно учитывать особенности распределения и адекватно оценивать потенциальные потери в стрессовых условиях. Полученные результаты подтверждают высокую чувствительность кредитного портфеля к неблагоприятным макроэкономическим изменениям и необходимость учета экстремальных сценариев при оценке устойчивости банковского сектора.

Практические выводы для построения стресс-теста

На основе рассмотренных подходов можно выделить несколько принципов качественного стресс-тестирования шока базовой ставки. Во-первых, сценарий должен быть многомерным: одного роста ставки недостаточно, необходимо связывать его с динамикой ВВП, инфляции, обменного курса, безработицы, цен на недвижимость и депозитного поведения. Во-вторых, важно моделировать не только бухгалтерские потери, но и экономическую стоимость капитала, поскольку именно она отражает реальную чувствительность баланса к дюрационному разрыву [1; 7].

В-третьих, стресс-тест должен включать как минимум четыре блока: кредитный риск, процентный риск, ликвидность и прибыльность. Такой дизайн соответствует современной практике МВФ и позволяет увидеть, каким образом один и тот же шок переходит из одного риска в другой [5]. В-четвёртых, результаты стресс-тестов должны использоваться в надзоре: для установления буферов капитала, уточнения аппетита к риску, ограничения концентраций и усиления требований к данным и хеджированию. В Казахстане уже используется дополнительный буфер капитала по итогам надзорного цикла, что повышает практическую ценность стресс-тестирования [11].

Наконец, стресс-тест не должен быть статичным. Периоды «низких ставок надолго» и «быстрого ужесточения» создают разные риски, поэтому сценарии и модели требуется регулярно пересматривать. Опыт последних лет показал, что наиболее опасны не только традиционные кредитные потери, но и комбинация процентного риска с оттоком ликвидности и переоценкой ценных бумаг. Следовательно, будущие модели устойчивости банков должны всё в большей степени учитывать поведенческие реакции вкладчиков, качество хеджирования и возможные вторичные эффекты через сокращение кредитования реального сектора [4; 9; 10].

Заключение

Шок повышения базовой процентной ставки является одним из ключевых испытаний для банковской устойчивости. Его воздействие многоканально: он меняет стоимость фондирования, влияет на цену облигаций и других активов, ухудшает качество кредитных портфелей и способен сдерживать кредитование экономики. Поэтому современное стресс-тестирование должно выходить за рамки простой проверки достаточности капитала и превращаться в комплексную систему оценки взаимосвязанных рисков.

Анализ международного опыта показывает, что наиболее содержательные модели объединяют сценарный макроанализ, портфельные оценки потерь, расчёт чистого процентного дохода, оценку ликвидности и учёт риск-амплификации. Для Казахстана эти выводы особенно важны, поскольку текущая практика надзорного стресс-тестирования уже демонстрирует устойчивость сектора в агрегате, но одновременно указывает на значимость кредитного и рыночного рисков. Следовательно, дальнейшее развитие стресс-тестирования должно быть направлено на углубление сценариев процентного шока, детализацию поведенческих и балансовых эффектов и более тесную интеграцию результатов в надзорную политику.

Список литературы:

1. Abdymomunov A., Gerlach J. Stress Testing Interest Rate Risk Exposure // Journal of Banking & Finance. 2014.
2. Adrian T., Morsink J., Schumacher L. Stress Testing at the IMF. Washington, DC: International Monetary Fund, 2020.
3. Board of Governors of the Federal Reserve System. 2024 Supervisory Stress Test Methodology. Washington, DC, 2024.
4. Sarin N., Schuermann T. Stress Testing Lessons from the Banking Turmoil of 2023. SSRN Working Paper, 2024.
5. Ding X., Gross M., Krznar I., Laliotis D., Lipinsky F., Lukyantsau P., Tressel T. The Global Bank Stress Test. IMF Departmental Paper, 2022.
6. Dao T.H., Pugliese A., Ronen J. Assessing Banks’ Resilience: A Complementary Approach to Stress Testing Using Fair Values from Banks’ Financial Statements // Journal of Business Finance & Accounting. 2023. Vol. 50.
7. Abdymomunov A., Gerlach J., Sakurai Y. Interest Rate Risk in the U.S. Banking Sector. 2023.
8. Askari K., Sarraf F., Darabi R., Zandi F. Stress Testing of Banking Systems: an Examination against the Shocks of Macroeconomic Variables // Propósitos y Representaciones. 2021. Vol. 9.
9. Coulier L., Pancaro C., Reghezza A. Are Low Interest Rates Firing Back? Interest Rate Risk in the Banking Book and Bank Lending in a Rising Interest Rate Environment. ECB research paper, 2024.
10. Banks and Their Interest Rate Risk Sensitivity: A Two-Tier Analysis // CEPR VoxEU. 2024.
11. Агентство Республики Казахстан по регулированию и развитию финансового рынка. Отчет надзорного стресс-тестирования банков 2024. Алматы, 2024.
12. Monetary Authority of Singapore. Financial Stability Review. November 2024. Singapore, 2024.
13. Posadnieva O. Stress Testing of Banks in the USA // Oblìk ì fìnansi. 2022. Issue 4(98).
14. Dua P., Kapur H. Macro Stress Testing and Resilience Assessment of Indian Banking // Journal of Policy Modeling. 2018.
15. Arifioglu A.Z., Pukala R., Ruziyeva E.A., Parmanova R.S. Stress Resistance of Commercial Banks in Turkey and Kazakhstan // Journal of Economic Research & Business Administration. 2023. № 1(143).
16. Садвокасова К.Ж., Кодашева Г.С. Оценка финансовой устойчивости банков второго уровня Республики Казахстан в условиях роста неопределенности // Интеллект. Инновации. Инвестиции. 2019. № 1.
17. Бузаубаева П.Н., Мақыш С.Б., Жоламанова М.Т. Қазақстан Республикасындағы екінші деңгейлі банктер қызметін тәуекелге бағытталған реттеу және қадағалау // ECONOMIC Series of the Bulletin of the L.N. Gumilyov ENU. 2020. № 3.
18. Ханова А.С. Стресс-тестирование финансовой устойчивости коммерческих банков // Научные исследования и инновации. 2021.
19. Евразийский центральный банк. Financial Stability Review. November 2025.
20. Positional and background materials from the uploaded course and review documents provided by the user were also consulted in preparing the article.
21. Базовая ставка НБРК https://nationalbank.kz/ru/news/grafik-prinyatiya-resheniy-po-bazovoy-stavke/rubrics/2237
22. Пакет АФР https://pypi.org/project/AFR/