DSA Faculty
API
← к списку преподавателей

Пеникас Генрих Иозович

Базовая кафедра Банка России

Профиль на hse.ru ↗ тел.: +7 (495) 772-95-90 | 27031
Публикаций
179
Языков
2
Наград
5
Конференций
5
Профиль Публикации (179) Курсы (7)

Профессиональные интересы

Исследование банковской системы и банковского регулированияФинансовое моделирование банковской деятельностиМоделирование финансовых рисков

Должности

  • Профессор — Базовая кафедра Банка России

Био

  • · Начал работать в НИУ ВШЭ в 2005 году.
  • · Научно-педагогический стаж: 15 лет.

Образование

  • 2022 · Доктор экономических наук: Санкт-Петербургский государственный экономический университет
  • 2014 · Специалитет: Centro de Estudios Monetarios y FInancieros (CEMFI), Летняя школа, специальность «Моделирование кредитного риска»
  • 2013 · Специалитет: Centro de Estudios Monetarios y FInancieros (CEMFI), Летняя школа, специальность «Теория банка и регулирования»
  • 2011 · Кандидат экономических наук
  • 2011 · Специалитет: University of Cambridge, Летняя школа, специальность «Эконометрика»
  • 2011 · Специалитет: PwC's Academy, факультет: Экономика, специальность «Финансовое моделирование в MS Excel»
  • 2008 · Магистратура: Государственный университет – Высшая школа экономики, специальность «Экономика», квалификация «Магистр»
  • 2008 · Магистратура: ГУ ВШЭ, факультет: Экономика, специальность «Математические методы анализа экономики»
  • 2008 · Магистратура: Université Paris 1 Panthéon-Sorbonne, факультет: Экономика, специальность «Теоретическая и прикладная экономика»
  • 2008 · Магистратура: Paris School of Economics, факультет: Экономика, специальность «Теоретическая и прикладная экономика»
  • 2006 · Бакалавриат: Hochschule Bremerhaven, Летняя Школа, специальность «Управление изменениями»

Награды и поощрения

  • · Благодарность Департамента прикладной экономики НИУ ВШЭ (февраль 2019)
  • · Надбавка за академическую работу (2013–2014)
  • · Надбавка за публикацию в международном рецензируемом научном издании (2018–2019)
  • · Победитель Конкурса лучших русскоязычных научных и научно-популярных работ работников НИУ ВШЭ – 2021
  • · Группа высокого профессионального потенциала (кадровый резерв НИУ ВШЭ)Категория "Будущие преподаватели" (2010–2011)

Конференции (5)

Показать все
  • · 2019: XX Апрельская международная научная конференция по проблемам развития экономики и общества (Москва). Доклад: Research of the IRB transition impact on Greek banks’ value
  • · 2018: XIX April International Academic Conference On Economic and Social Development (Moscow). Доклад: Modeling network effects for the Russian interbank market
  • · 2018: Открытый научно-практический семинар ЦМАКП (Москва). Доклад: Агентно-ориентированная модель российской банковской системы
  • · 2017: 4th 4th International Conference “Modern Econometric Tools and Applications META2017” (Нижний Новгород). Доклад: The impact of PD-LGD correlation on bank capital adequacy in nongranular loan portfolio
  • · 2016: Third International Workshop on Experimental Economics and Machine Learning (EEML 2016) (Москва). Доклад: QAIDS Model Based On Russian Pseudo-panel Data: Impact of 1998 and 2008 Crises

Идентификаторы исследователя

Публикации (179)

Неявное страхование вкладов в России после пандемии

2023 · ARTICLE · ru

Неявным страхованием вкладов называют ситуацию, когда граждане больше доверяют банкам с государственным участием при размещении в них депозитов на суммы, сверх лимитов государственной системы страхования вкладов. Эффект неявного страхования уже изучался в России, но в период пандемии и на данных предложений ставок по вкладам для Москвы. В настоящем исследовании обновлён набор данных до 2023–2024 гг. и расширен перечень рассмотренных регионов до 25. Показано, что, выявлявшаяся ранее, U-образная взаимосвязь между ставкой по депозитам в госбанках и размером госбанка изменила форму на обратную. Более того показано, что с ростом ключевой ставки, хотя неоднородность значений платы за неявное страхование сохраняется, она стала более согласованной в терминах знака.

Model Risk for Acceptable, but Imperfect, Discrimination and Calibration in Basel PD and LGD Models

2022 · PREPRINT · en

The Basel Internal-Ratings-Based (IRB) approach allows banks to use sufficiently good credit risk models for the daily computation of their capital adequacy ratio. However, being sufficiently good does not naturally mean being perfect. Conventionally, risk managers increase the mean probability of default (PD) and loss given default (LGD) values by some margin when developing a model. They expect that it is sufficient to offset for potential model risk. This add-on, thought to be conservative enough, gave rise to the term ‘conservative margin’. The novelty of this paper is that we are the first to identify the cases when such a margin is not sufficient. The principal cause is the previously ignored requirement to “freeze” capital against the existing loans. This capital tie-up does not allow reallocating excessive capital requirements from actual non-defaults (false negatives) to unforeseen defaults (false positives). This is the first time when such a novel cause of model risk is discussed. The value the paper creates is severalfold. First, the revealed model risk has a material scale and can be part of the bank’s explicit or implicit risk-taking strategy. Therefore, it should be considered by researchers, as well as by validators and supervisors. Second, the paper offers an indicator to expand the risk indicator dashboard suggested by the Basel Committee, when designing risk-reward remuneration. This is especially true of contracts with risk model developers.

Automation of the Approach to Replicating Data When the Control Group Is Depleted in The Difference-In-Differences Method: Application to IRB Implementation Data Samples

2022 · ARTICLE · en

Internal-Ratings Based (IRB) approach is one of the founding blocks in the modern credit risk management and regulation. Its implementations by the banks world-wide incentivizes researchers, central bankers and investors to evaluate the outcome versus the non-IRB banks, i.e., the treatment effect. However, there are obstacles in such evaluation. From one side, all the banks may transit to IRB for a relatively modest economy (like Greece). From another side, there is no single IRB transition point (like in the EU where the transition is voluntarily; a single point exists for the USA where the transition was mandatory for the largest banks). That is why we discuss the problem of the ‘control’ group depletion (attrition) in the Difference-in-Differences method. We provide two ways to replicate data using python language. The first code is based on the matrix structure (object * time), the second – panel data structure. Comparing both ways of the data replication (resampling) we choose the second algorithm due to it versality and faster computing results, than the first one.

DOI ↗

Cвязь кредитных и климатических рисков

2022 · PREPRINT · ru

В центре внимания нашего исследования находится оценка экологического (Е) риска. В основе работы лежит база данных публичных рейтингов ESG-рисков для крупнейших мировых компаний, включенных в список Fortune 2000. Оценки кредитного рейтинга получены на основе общедоступных кредитных рейтингов. Вероятность дефолта (PD) определяется по результатам использования исторических данных о дефолте. Учтена специфика отраслей и секторов. Доступность данных об экологическом риске для половины выборки подразумевает обязательное применение модели отбора Хекмана. Приводятся примеры, когда положительная связь климатических и кредитных рисков является очевидной для конкретной отрасли и региона. В таких случаях может быть оправдано рекомендовать выдачу льготных кредитов для финансирования «зеленых» проектов и «зеленых» отраслей промышленности (например, как в случае с программой Банка Японии на 2021 год — хотя они были направлены на малые предприятия). В противном случае (что чаще всего имеет место) снижение ставки по кредитам может способствовать накоплению кредитных рисков и представлять угрозу финансовой стабильности. Говоря в целом, настоящая работа вносит вклад в изучение данного вопроса и показывает, что выявленная положительная зависимость климатических и кредитных рисков наблюдается не всегда, как утверждают в своей работе Капассо, Джанфрате и Спинелли (2020).

PDF ↗

Обзор семинара Банка России и РЭШ «Переход к низкоуглеродной экономике: издержки и риски для финансового сектора»

2022 · ARTICLE · ru

В начале июля 2022 г. состоялся совместный семинар Банка России и Российской экономической школы «Переход к низкоуглеродной экономике: издержки и риски для финансового сектора». Представленные на семинаре доклады позволяют сделать ряд общих выводов. Во-первых, результаты расчетов в моделях общего равновесия показывают, что экономике России будет сложно избежать потерь благосостояния в условиях глобального (и форсированного) энергоперехода. Потери будут особенно большими, если внутренняя климатическая политика не будет средством диверсификации экономики и ее технологического улучшения, что в «новой реальности» сопряжено с дополнительными издержками. Во-вторых, оценка эффектов реализации климатических рисков для долговой нагрузки корпоративного сектора указывает на умеренную величину таких рисков. В-третьих, участники финансового рынка (банки и инвесторы) пока не приписывают экономически значимых различий параметрам финансирования «зеленых» проектов и компаний по сравнению с «коричневыми».

PDF ↗

Modern Financial Engineering: Counterparty, Credit, Portfolio and Systemic Risks

2022 · BOOK · en

The book offers an overview of credit risk modeling and management. A three-step approach is adopted with the contents, after introducing the essential concepts of both mathematics and finance. Initially the focus is on the modeling of credit risk parameters mainly at the level of individual debtor and transaction, after which the book delves into counterparty credit risk, thus providing the link between credit and market risks. The second part is aimed at the portfolio level when multiple loans are pooled and default correlation becomes an important factor to consider and model. In this respect, the book explains how copulas help in modeling. The final stage is the macro perspective when the combination of credit risks related to financial institutions produces systemic risk and affects overall financial stability. The entire approach is two-dimensional as well. First, all modeling steps have replicable programming codes both in R and Matlab. In this way, the reader can experience the impact of changing the default probabilities of a given borrower or the weights of a sector. Second, at each stage, the book discusses the regulatory environment. This is because, at times, regulation can have stricter constraints than the outcome of internal models. In summary, the book guides the reader in modeling and managing credit risk by providing both the theoretical framework and the empirical tools necessary for a modern finance professional. In this sense, the book is aimed at a wide audience in all fields of study: from quants who want to engage in finance to economists who want to learn about coding and modern financial engineering.

DOI ↗ PDF ↗

Key rate pass-through to deposit rates: Experience from the pandemic era

2022 · CHAPTER · en

The unique feature of our data is that it covers three policy rate changes during the pandemic times: a single decrease and a double increase in less than a year. Thus, we are able to observe the unique pass-through effect that occurred during the pandemic times. We monitor the estimated regression coefficient for the local currency dummy (the monetary component for the deposit pricing). Its time evolution represents the pass-through effect of interest. We uniquely discover that the pass-through had an overshooting effect with the mean reversion. However, the double increase in the key rate by the Bank of Russia had no impact on the deposit rates at best, but even more likely it was associated with rates decline. We attribute the found overshooting and the prolonged pass-through to the further rate downgrade expectations. Neither Bloomberg consensus forecasts, nor the money market rates do not demonstrate similar patterns.

Macroprudential policy efficiency in Russia: Assessment for the uncollateralized consumer loans

2022 · ARTICLE · en

We use data regarding Russian banks during the 2015–2019 period to evaluate the effectiveness of the macroprudential measures in curbing the booming consumer lending segment. We find that the measures are successful in reducing overall loan portfolio riskiness and capital cushion accumulation by banks. In the short run of up to 1–2 quarters after the announcement date of a measure, banks tend to reduce both new loan volumes and the average consumer loan portfolio growth rate. Such reductions are more typical with the smallest market players. However, in the longer time horizon of up to one year from the application date of a measure, we observe an increase in average credit growth rates. Such findings correspond to the experience of emerging markets, such as Argentina, Colombia and Thailand. In general, we believe that the observed credit growth that occurs after measure implementation is less than it could have been without the measures in place. We also expect the observed lending growth rate to bring less financial instability risks and reflect the potential for natural loan extension in Russia. The novelty of this paper is in its distinction between macroprudential measurement scales when they produce intended and unintended consequences.

DOI ↗

Optimal prudential regulation of the bank risk-taking

2022 · ARTICLE · en

The 2020 pandemic is likely to result in massive credit defaults. Regu-lators assure us that banks are sufficiently stable. However, opponents claim that regulation is lax, that it must be tightened and a supranational regulator is vitally needed. To resolve this debate, we return to the basics of the modern banking system. We analyze the evolution of micro- and macroprudential reg-ulation, particularly touching on systemic risk. We find the solution at the inter-section of von Hayek’s (1929) theory of full reserve requirement for sight deposits and Ostrom’s (2009) theory of polycentricity, which proves more effi-cient to optimally use common-pool resources. We elaborate on Selmier’s (2016) watershed-driven recommendations to govern financial markets and extend them to a traffic flow analogy. We conclude with operational recom-mendations for existing prudential banking regulation revision. We provide additional justification for the need of a full reserve system. This allows to aban-don state deposit insurance systems with chronic budget deficits.

DOI ↗

PD-LGD correlation for the banking lending segment: Empirical evidence from Russia

2022 · ARTICLE · en

The Bank of Russia is one of the unique banking regulators in the world as it discloses granular reporting information per the existing credit institutions with the available historical track record. Same time the number of banks dramatically declined from above two and a half thousands in 1990s to one thousand in 2010 and to around 350 in 2021. Such information stimulates designing default probability (PD) models for the Russian banks. There is a separate stream of research that studies the amount of negative capital revealed when the Russian bank got its license withdrawn. However, the existing papers have several shortcomings. First, most of them do not account for the structural breaks in data. Second, there is no search for the best fitting model, just a model is offered and the coefficients of interest are interpreted. Third, the best model is poorly interpretable. Forth, the existing models make short-term forecasts. Fifth, there is no a LGD model for Russian banks, though the amount of negative capital upon license withdrawal was considered. Thus, our research objective is to study PD-LGD correlation (PLC) for the Russian banks. To do so, we improve the existing Russian banks PD model and create a respective novel LGD model. We use the homogenous dataset from 2016 to 2021. We find that PLC for Russian banks equals to +22%.

DOI ↗

Курсы (7)