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)

The impact of hedging and trading derivatives on value, performance and risk of European banks

2020 · ARTICLE · en

The objective of this paper is to examine the relationship between bank characteristics, in particular value, performance and volatility of bank stock returns, and its exposure to financial derivative contracts. The study is based on 109 publicly traded European banks over the period from 2005 to 2010. The database contains both accounting data from Bankscope and manually collected information from the notes to financial statements. After controlling for bank-specific characteristics, time effects and cross-country differences, we find that banks efficiently using hedging derivatives have a lower risk and a higher value. However, this relationship becomes less pronounced or is inversed in the post-crisis period and concerns both trading and hedging derivatives. For systemically important banks heavily involved in derivatives market volatility of stock returns is higher and valuations are lower.We notice however that derivatives play second fiddle to bank risk and performance. Our findings corroborate the importance of distinction of derivatives by the purpose of use, which becomes less obvious for investors in the post-crisis period. Our results have important policy implications, especially in the light of the recent debate over the necessity of separation of risky banking activities from commercial bank branches (for instance, as proposed in Liikanen report) in an attempt to reduce systemic risk. We emphasize the need for a higher transparency of disclosures regarding hedge accounting and harmonisation of reporting formats across EU.

DOI ↗ PDF ↗

History of the World Largest Credit Risk Losses in 1972–2018

2020 · ARTICLE · en

В работе исследованы крупнейшие в мире убытки от реализации кредитных рисков, начиная с 1972 г. Можно ожидать, что именно такие события определили направления разработки регулирования кредитных рисков Базельским комитетом по банковскому надзору, включая разработку подхода внутренних рейтингов (ПВР, IRB) в соглашении Базель II. Были выбраны два порога для сбора данных. Убыток не менее 100 млн дол. США в текущих ценах и размер активов компании не менее 500 млн дол США на дату анонса убытка. Было собрано 56 случаев на сумму 700 млрд дол США в текущих ценах (или около 900 млрд дол США в дол. США 2018 г.). Они произошли за минувшую половину столетия. В работе подробно описаны стилизованные факты, характеризующие пять типичных сценариев развития кредитного риска. Два наиболее интересных вывода заключаются в следующем. Во-первых, было исследовано изменение котировок акций банков около дат анонса убытка. Было выявлено три случая, когда можно ожидать, что сумма убытка была заявлена с избытком. Во-вторых, есть ряд событий, когда раскрытия убытка по кредитному риску сочетается с убытком по операционному. Нельзя исключать, что вторые были использованы, чтобы скрыть часть убытков первого типа.

DOI ↗ PDF ↗

History of the Basel Internal-Ratings-Based (IRB) Credit Risk Regulation

2020 · ARTICLE · en

В декабре 2019 г. Базельский комитет опубликовал свод стандартов (consolidated Basel Framework). В данном своде унаследовал подход внутренних рейтингов (ПВР) из Базель II практически без изменений. Отсутствие принципиальных изменений методологии неожиданно, поскольку значимые недостатки ПВР остаются неразрешенными. Поэтому цель работы в том, чтобы критически проанализировать уже известные недостатки ПВР и обратить внимание на новые ранее неизвестные. Последнее включает несбалансированный учет PD и LGD, а также методологическую несогласованность учета ожидаемых и непредвиденных потерь.

DOI ↗ PDF ↗

Возможна ли устойчивая теневая банковская система?

2020 · CHAPTER · ru

В тезисах обсуждается теоретическая модель образования теневой банковской системы (Ordoñez, 2018) и ее предпосылки. Предлагается оценить устойчивость результатов модели при изменении предпосылок. Модификация предпосылок требуется, чтобы отразить текущую политику регулятора в области финансовой устойчивости (в частности, требования к достаточности капитала и оценке рисков).

Валидация точности моделей бинарного выбора в случае коррелированных исходов в приложении к задачам оценки кредитного риска

2020 · CHAPTER · ru

Оценка вероятности невозврата (probability of default, PD) кредита лежит в основе регулирования кредитного риска в рамках подхода на основе внутренних рейтингов соглашений Базель II-III. При разработке моделей PD регулятор требует, чтобы они обладали достаточной точностью, что можно проверить биномиальным тестом. Но он предполагает независимость случайных величин. (Blochwitz, Martin, & Wehn, 2006) делают попытку скорректировать тест для коррелированных исходов через расширение доверительного интервала (ДИ), что неверно, как будет показано в докладе.

PDF ↗

Низкодефолтные кредитные портфели в «Базель II» и «Базель III» как частный случай существенно несбалансированных классов в моделях бинарного выбора

2020 · ARTICLE · ru

В современном мире модели бинарного выбора можно встретить во многих сферах деятельности. При этом для всех сфер проблему вызывает ситуация, когда доля одного из классов мала в выборке данных. Когда эта доля существенно мала, то в финансах такой класс называют низкодефолтным. Целью статьи является рассмотрение определений такого портфеля и подходов по построению на нем моделей вероятности дефолтов. Данная работа показывает, что, несмотря на наличие разных способов получения результатов, выделение класса низкодефолтных кредитных портфелей, с одной стороны, выгодно банкам, как и любая более детальная сегментация, а с другой – ухудшает статистические свойства моделей вероятности дефолта. Отсюда следует вывод, что в рамках подхода внутренних рейтингов в «Базель II» и «Базель III» регулятору стоит требовать от банков строить модели на объединенных массивах данных, не поощряя выделение классов низкодефолтных кредитных портфелей.

DOI ↗ PDF ↗

IRB Asset and Default Correlation: Rationale for the Macroprudential Add-ons to the Risk-Weights

2020 · PREPRINT · ru

Базель III позволяет использовать статистические модели. Такой подход называют основанным на внутренних рейтингах (ПВР). Он основан на модели Васичека 2002 г. В подходе предполагается, что есть доходности активов, которые распределены стандартно нормально. Подход предусматривает разные корреляции активов (R), чтобы измерить кредитный риск портфеля ссуд, или взвешенные по риску активы (RWA). Функция корреляции активов зависит только от вероятности дефолта (PD) для заданного класса кредитных требований. Одновременно ПВР требует от банков разрабатывать модели PD, чтобы прогнозировать дискретные явления дефолтов. Это означает, что в ПВР должны быть учтены испытания Бернулли. В работе исследован эффект корреляции активов для них. Показано, что такой учет ведет к существенному отклонению оценок кредитного риска от ситуации с нормально распределенными доходностями активов. В работе исследованы искусственно сгенерированные и реальные данные кредитных рейтинговых агентств, чтобы продемонстрировать масштаб недооценки кредитного риска. Поэтому макропруденциальные надбавки к риск-весам позволяют компенсировать указанные недостатки ПВР.

PDF ↗

The Basel II internal ratings based (IRB) model and the transition impact on the listed Greek banks

2020 · ARTICLE · en

The Basel II accord implemented in 2006, meant that banks worldwide could use Internal Ratings-Based (IRB) models, in order to evaluate the components of their Capital Adequacy Ratio (CAR). In 2017 the IRB approach was also included into the Basel III Framework. The financial crisis of 2007-09 revealed the unsustainability of the Greek debt and lead the economy into a deep and prolonged recession. As a result the Greek stock exchange and the quotes of Greek banks plummeted. Five out of the six listed Greek banks adopted IRB models between 2008 and 2017. This paper investigates whether Greek IRB-banks performed better, within the adverse economic conditions, compared to the non-IRB banks. Difference-in-difference (DiD) and spatial DiD methodologies are employed and annual data from the Athens stock exchange, over the period 2001–2017, is used. It appears that there is a negative impact of the IRB implementation on listed Greek banks. This is mainly attributed to the higher cost involved in deriving risk estimates with the IRB approach, especially during this period of the stressful economic conditions. It is also attributed though to the restrictive regulatory measures imposed on Greek banks, which minimized any benefits derived from the IRB transition.

DOI ↗

Macroprudential Policy Efficiency: Assessment for the Uncollateralized Consumer Loans in Russia

2020 · PREPRINT · en

Мы используем данные российских банков за период 2015-2019 гг. для оценки эффективности макропруденциальных мер, направленных на ограничение быстрорастущего сегмента потребительского кредитования. Мы смогли обнаружить, что что применяемые меры успешно способствуют сокращению общего уровня рискованности кредитных портфелей банков и накоплению запасов капитала у них. В краткосрочном периоде до одного-двух кварталов после анонса мер банки склонны сокращать объемы выдач новых кредитов и средний темп прироста кредитных портфелей на балансе. Такое сокращение более характерно для наименьших участников рынка. Однако, в долгосрочном периоде до одного года от даты вступления меры в силу мы наблюдаем увеличение прироста кредитных портфелей. Такие закономерности характерны для стран с формирующимися рынками Аргентины, Колумбии, Таиланда. В целом, мы считаем, что наблюдаемый темп роста кредитования после применения мер ниже, чем он мог бы быть без применения мер. Мы также ожидаем, что наблюдаемые темпы роста несут меньше рисков финансовой нестабильности и отражают потенциал естественного расширения кредитования в России.

Probability of Default (PD) Model to Estimate Ex-ante Credit Risk

2020 · PREPRINT · en

В данной работе мы попытались построить модель, которая оценивает вероятность дефолта заемщика, и на основе этих оценок проанализировали прогнозируемый кредитный риск. Настоящая мера прогнозируемого кредитного риска отражает связь между финансовым положением заемщиков и вероятностью дефолта. А для понимания финансового состояния заемщика можно, в свою очередь, использовать рассчитанные на данных финансовой отчетности различные коэффициенты. Мы обнаружили статистически значимые связи между некоторым набором финансовых коэффициентов и последующими событиями дефолта. Чтобы оценить вероятность дефолта заемщика по его обязательствам, мы моделируем вероятность дефолта на горизонте один год. Для проверки устойчивости результатов и прогнозной силы нашей модели мы сравниваем построенную модель с альтернативными мерами оценки кредитного риска, которые широко используются в литературе, посвященной исследованию принятия банковских рисков. К этим мерами относятся: метка качества кредита и кредитный спред по процентной ставке. Мы сравнили полученные результаты из PD-модели с результатами альтернативных метрик. В итоге мы обнаружили, что PD-модель более точно прогнозирует событие дефолта на горизонте один год. Разработанная нами мера прогнозируемого кредитного риска практически применима для оценки поведения банков по принятию рисков и анализа изменений компонент в кредитном портфеле на достаточном уровне детализации. С практической точки зрения данная модель может быть использована для оценки прогнозного кредитного риска на основе микроданных кредитного регистра.

Курсы (7)