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)

Математическое моделирование кредитного риска и банковское регулирование

2022 · BOOK · ru

Опыт разработки международного банковского регулирования насчитывает к 2022 г. почти 50 лет. Существенная его часть относится к доминирующему риску банков -к кредитному. Особое место в регулировании кредитного риска занимают математические модели, когда при одобрении регулятора банки могут частично самостоятельно определять параметры риска и использовать их при расчетах нормативов регулирования. Однако наложенные требования на указанные модели могут приводить к существенным не только переоценке, но и недооценке кредитного риска. Существующие требования создают возможности для арбитража, когда демонстрируется заниженная оценка кредитного риска при одних и тех же входных данных. При этом заложенные в модели и независящие от банка закономерности во многих аспектах не соответствуют реальности. Цель данной работы - исследовать историю развития указанных математических моделей оценки кредитного риска для целей банковского регулирования; выявить материальные недостатки и негативные последствия их применения; обосновать комплексное решение указанных проблем. Рассматривается иерархия решений о принятии кредитного риска на уровне отдельной ссуды, портфеля ссуд, целого банка и всей банковской системы. Для получения выводов используются эконометрические методы и инструменты агентно-ориентированного моделирования искусственной банковской системы. В заключении формулируются конкретные рекомендации по реализации для укрепления финансовой стабильности, а также перспективные направления развития исследования. Книга предназначена для специалистов в области управления и регулирования рисков банков. Она может быть интересна исследователям вопросов принятия рисков банками и моделирования экономических циклов с учетом вклада банковской системы.

Эффект переноса ключевой ставки Банка России на ставки по вкладам в период 2020–2022 гг.

2022 · ARTICLE · ru

Банк России снижал ключевую ставку для поддержки экономики в 2020–2021 гг. и поднимал ее для противодействия инфляции и последстви- ям санкций в 2021–2022 гг. Для оценки эффекта, оказанного изменениями на ставки по вкладам, в настоящей работе используются уникальные для Рос- сии помесячные данные за два года о предложениях ставок российских бан- ков по вкладам. Около половины банков не дает сведений о ставках по вкла- дам на сайте-агрегаторе. Для учета такого отбора в выборке и возможного негауссовского характера распределения ошибок использована модель Хек- мана с копулой. На ее основе выделяется компонента рублевого фондиро- вания, которая сравнивается с уровнем ключевой ставки Банка России. На- блюдается неполный эффект переноса ставки в 2020–2022 гг. с лагом в два месяца. Показано, что поднятие ключевой ставки больше других отражают банки, использующие подход внутренних рейтингов для оценки кредитного риска в нормативе достаточности капитала.

Запретить нельзя регулировать: почему у частных криптовалют не должно быть будущего в России

2022 · ARTICLE · ru

2022 год в России начался с обсуждения перспектив криптовалют. Банк России опубликовал доклад, объясняющий, почему частные криптовалюты, включая биткоин, нужно запретить в России. После этого в течение года регулярно пред- ставлялись аргументы, почему биткоин нужно разрешить в России, но дополнить такое разрешение правилами регулирования. Настоящая статья приводит новые аргументы того, почему у запрета биткоина в России нет альтернатив. Особенно обсуждается динамика курса того, что ничего не стоит, на фоне убытков американ- ской ИТ-компании, фантастических прогнозов курса другого инвестиционного фонда из США и банкротства криптовалютной биржи в ноябре 2022 г.

DOI ↗ PDF ↗

Обзор вызовов для современной банковской системы России

2022 · ARTICLE · ru

У стороннего наблюдателя может сложиться неполное представление о значи- мой работе Банка России по обеспечению финансовой стабильности в 2022 г. Им реализовано более полутора сотни мер. Однако возникают вопросы о том, можно ли предпринять что-либо дополнительно. В работе рассматриваются эффекты капитализации банков, поддержания достаточности их капитала. Обосновано, почему подход внутренних рейтингов (ПВР) из соглашения Базель II может стать актуальным для России не ранее, чем через пять лет. Показана искусственная причина роста экономики Китая. Рассмотрены ключевые последствия внедрения цифрового рубля, что является беспрецедентным прорывом в области теории денег и кредита.

PDF ↗

Agent-based model of the Russian banking system: Calibration for maturity, interest rate spread, credit risk, and capital regulation

2021 · ARTICLE · en

The Basel III regulation raised the minimum capital requirements for banks. However, its implementation may not have reduced systemic risks. Academicians investigating optimal banking regulations do not have a consensus on whether to increase or decrease capital requirements. Here, we use the agent-based approach to study capital regulation and its implications on the evolution of the banking system. We chose the Russian banking system to proxy key model parameters. We find that lower capital requirements imply higher financial stability than the Basel III regime, where the regulator requires banks to have capital over 10% of its risk-weighted assets’ amount. However, the regulatory rule to merely have a non-negative capital is the simplest solution that best fits heterogeneous economies. It produces the highest ratio of capital to assets, the least number of bank bankruptcies, and the lowest demand of banks to enter the interbank market to cover liquidity problems for all systems.

DOI ↗ PDF ↗

Какие изменения в финансовой культуре определят конкуренцию банков и технологических компаний в ссудо-сберегательных операциях?

2021 · CHAPTER · ru

В последние годы идет активное обсуждение тенденций к цифровизации. Так называют в том числе ситуацию, когда место банков в банковском бизнесе могут занять большие технологические компании (БигТех’и). Цель сообщения – показать, что в такой тенденции существует развилка. Если БигТехи получат право принимать вклады, как банки в определении Гражданского кодекса, то действительно банки потеряют значимую долю рынка. Тем не менее, сохранение за банками монополии на прием банковских вкладов открывает для БигТехов уникальную возможность. Они смогут принимать сбережения в традиционном смысле. Для финансовой стабильности банковской системы России это будет даже более предпочтительно

PDF ↗

Оценка эффективности макропруденциальной политики Банка России по ограничению необеспеченного потребительского кредитования модифицированным методом разность разностей

2021 · ARTICLE · ru

После пандемии 2020 г. необеспеченное потребительское кредитование стало снова расти докризисными темпами. Банк России как ответственный за финансовую стабильность снова активировал дестимулирующие макропруденциальные меры (макронадбавки) и ожидает получения разрешения на использование ограничивающих мер. Для дальнейшего использования этих групп мер ему необходимо понимать, какая из мер является наиболее эффективной и с какой интенсивностью данные меры применять. Традиционные подходы Банка международных расчетов (БМР/BIS) и метод разность разностей дают слабо интерпретируемые результаты, поскольку не учитывают сложность процесса применения мер (включая многоэтапность их введения) и реакции банков на них. Поэтому возникает необходимость в модификации метода разность разностей. Благодаря реализации такой модификации получается показать, что дестимулирующие меры оказываются эффективными в части 10% банков с долей потребкредитов на балансе более 20% от активов. Для них каждые 100 пп. макронадбавки отражаются в снижении такой доли на 0.3 пп. в квартал, начиная с даты анонса мер. Для 70% банков с долей потребкредитов более 1.5% от активов каждые 100 пп. макронадбавки ассоциируются со снижением темпов прироста всех кредитов на балансе на 2-6 пп. в квартал, следуя за датой вступления меры в силу.

PDF ↗

How Do Investors Prefer Banks to Transit to Basel Internal Models: Mandatorily or Voluntarily?

2021 · PREPRINT · en

Недавно был финализирован свод требований Базельского комитета в виде документа Basel Framework. Он продолжает давать банкам возможность использовать собственную статистику невозвратов и собственные модели для расчета норматива достаточности капитала. В мире более 2 тыс. банков используют такие модели (ПВР). Однако есть страны, в которых нет ни одного такого банка. Для них возникает дилемма: какой формат перехода на внутренние модели предложить – добровольно, как в ЕС, или в обязательном порядке, как в США. Наша цель состоит в том, чтобы поставить себя на сторону инвесторов и сравнить эти два формата. Таким образом, мы хотим выяснить, готовы ли инвесторы доплачивать за тот или иной формат перехода, или они эквивалентны. Новизна нашей работы в том, что у нас получается устойчивый вывод: инвесторы предпочитают обязательный формат перехода. Такое предпочтение находит отражение в том, что доходность акций перешедших банков растет, а их волатильность снижается после перехода на внутренние модели в США; а в ЕС мы наблюдаем ровно противоположную ситуацию. Однако полученный результат нужно воспринимать с ограничением. Такое предпочтение может быть не просто премией за разрыв «порочного цикла» и в конечном счете – за улучшение систем управления рисками в банках и повышение финансовой стабильности. Подобные выводы могут быть справедливы тогда и только тогда, когда обязательный переход для одних банков связан с запретом для других банков из той же юрисдикции провести такой переход. Наши выводы особенно пригодятся странам с формирующимися рынками (например, Аргентине и Индонезии).

IRB PD Model Accuracy Validation in the Presence of Default Correlation: a Twin Confidence Interval Approach

2021 · ARTICLE · en

The BIS indicated in July 2020 an unprecedented rise in default risk correlation as a result of pandemics-induced credit risks’ accumulation. A third of the world banking assets credit risk measurement depends on the Basel internal-ratings-based (IRB) models. To ensure financial stability, we wish IRB models to be accurate in default probability (PD) forecasting. There naturally arises a question of which model may be deemed accurate if the data demonstrates the presence of the default correlation. The existing prudential IRB validation guidelines suggest a confidence interval of up to 100 percentage points’ length for such a case. Such an interval is useless as any model and any PD forecast seem accurate. The novelty of this paper is the justification for the use of twin confidence intervals to validate PD model accuracy. Those intervals more concentrate around the two extremes (default and its absence), the higher the default correlation is.

DOI ↗ PDF ↗

Stress-testing and credit risk revisited: a shipping sector application

2021 · ARTICLE · en

Conventional stress-testing in credit risk management may considerably underestimate economic losses associated with the most negative scenarios. In this paper, we show that in order to properly stress-test credit risk, we need to derive initially the default correlation among assets or companies. Then a risk measure needs to be applied to the stressed default rate distribution, in order to obtain default rates attached to the most negative scenarios. We find that the application of both the stressed default correlation and the risk measure deliver considerable deviations from the conventional approach. To illustrate our approach we use 192 publicly listed shipping corporations, over 2000-2016, and show that conventional stress-testing tools may underestimate losses under certain conditions. Furthermore, we show that the Vasicek (1987) model assumption of independence, between the systemic factor and the default correlation may not hold in certain cases. This assumption may actually be the reason for the likelihood of underestimation of credit risk capital requirements as applied in the context of the Basel internal ratings based (IRB) approach.

DOI ↗ PDF ↗

Курсы (7)