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 Review of the Open Challenges in the IRB Loan Portfolio Credit Risk Modeling

2020 · ARTICLE · en

В декабре 2017 г. Базельский комитет по банковскому надзору финализировал соглашение Базель III и в декабре 2019 г. опубликовал свод стандартов (Basel Framework). В обоих документах предусмотрена возможность для банков использовать математические модели для оценки кредитного риска. К таким моделям предъявляются количественные и качественные требования для их использования в целях пруденциального регулирования банков. Такое использование называют подходом внутренних рейтингов (ПВР). Целью данной работы является обсуждение вопросов, связанных с моделированием кредитного риска по ПВР и использование результатов такого моделирования. Данные вопросы включают объединение данных в Бюро кредитных историй, применение дискриминантного анализа на основе копул, валидация концентрации заемщиков в разрядах рейтинговой шкалы, присвоение гибридных рейтингов, использование модельных оценок при голосовании на кредитном комитете, оценка фактического принятия кредитного риска банками.

DOI ↗ PDF ↗

Legacy of professor Aivazian

2020 · ARTICLE · en

Это введение к специальному выпуску журнала, посвященного профессору Сергею Артемьевичу Айвазяну.

DOI ↗ PDF ↗

Why the conservative basel III portfolio credit risk model underestimates losses?

2020 · CHAPTER · en

Basel II and III allow banks to use own default statistics when estimating regulatory parameters (risk-weights) for the capital adequacy ratio purpose. Bank inputs own risk estimates into the Vasicek model. It yields a distribution of credit losses. Regulator then requires a bank to take 99.9% quantile of such a distribution as a risk-measure (a risk-weight). When saying regulator we mean any Central Bank (including Bank of Russia, but no limited to it) that allow local banks to run the described approach. Having being criticized for excessive conservatism, we reveal that it still underestimates credit risk. This comes from the newly discovered fact that the default correlation may tend to co-depend with the systemic factor (for instance, with the GDP growth rate), albeit originally such co-dependence was not considered. We use the US statistics on total loans defaults for 1985-2019 to evidence the finding. The credit loss underestimation thus at least exceeds by 11% the loss estimates using the maximum (100%) correlation with the systemic factor.

PDF ↗

The Impact of PD-LGD Correlation on Bank Capital Adequacy in Nongranular Loan Portfolio

2019 · ARTICLE · en

The Central Banks discuss bank recapitalization arrangements. Markup to capital is needed because the current Basel approach is insensitive to some risks. As the Basel Committee moves from comprehensive risk modelling towards a revised, simplified, standardised approach, where one-two triggers measure risk, banking regulators increase demand for a capital add-on to meet unaccounted risks. The paper suggests the add-on estimates for the joint effect of the concentration and PD-LGD correlation risks leaving other unaccounted ones out-of-scope. The previous studies estimated add-ons for each risk separately. We show their joint impact on capital can be higher up to 5.3 times than the sum of two taken apart. Then previous results do not provide sufficient capital for a bank. We obtain that Basel underestimates the joint risk in 1.9 times on average. We expect that our contribution will be useful at least but not last for specialised lending (e.g. real estate and project finance), where the joint effect of concentration and PD-LGD correlation risks is the most observable.

DOI ↗ PDF ↗

Исследование влияния модельного риска на точность оценок величины риск-взвешенных активов, полученных с помощью подхода на основе внутренних рейтингов

2019 · ARTICLE · ru

В статье обосновывается методология учета влияния фактического качества моделей для оценки компонентов кредитного риска на величину взвешенных по риску активов (RWA) банка, рассчитываемых при реализации подхода на основе внутренних рейтингов (ПВР). Авторы предлагают учитывать в RWA фактически достигнутые банком текущие ключевые характеристики качества его моделей ПВР путем введения специальных корректирующих надбавок, компенсирующих возможную недооценку RWA вследствие реализации модельного риска.

PDF ↗

Банковская система

2019 · CHAPTER · ru

Почему банковская система важна для экономики России? Что есть сейчас в России? Как к этому пришли? Что нужно делать?

DOI ↗ PDF ↗

Структура экономики и промышленная политика

2019 · CHAPTER · ru

Актуальность проблемы структуры и структурных сдвигов для анализа национальной экономики. Значимость темы для России Структура экономики: определение, методы, примеры Структурные сдвиги Мировые тенденции Структурные сдвиги в российской экономике: с 1991 г. по наше время

DOI ↗ PDF ↗

Бюджетная политика

2019 · CHAPTER · ru

Значение бюджетной политики для России Государственные финансы России Бюджетная система России Бюджетный дефицит Бюджетный профицит Проблемы российской бюджетной политики Сценарии бюджетной политики Другие меры бюджетной политики

DOI ↗ PDF ↗

Небанковская финансовая система

2019 · CHAPTER · ru

Мировые тенденции Основные этапы развития в России Вместо заключения: особенности современного финансового сектора

DOI ↗ PDF ↗

Биномиальный тест для коррелированных бинарных случайных величин для проверки точности рейтинговой модели

2018 · ARTICLE · ru

В статье объясняется разница между понятиями «корреляция активов» и «корреляция дефолтов», сравниваются распределения дефолтов при нормально распределенных и бинарных случайных величинах. Авторы показывают неадекватность применения биномиального теста с корреляцией по соглашению «Базель II», т.к. тест не учитывает бимодальность распределения дефолтов, наблюдаемых эмпирически, рассматривают пример проверки точности модели вероятности дефолта корпоративного рынка облигаций России с учетом бимодальности.

Курсы (7)