DSA Faculty
API
← к списку преподавателей

Гришунин Сергей Вадимович

Факультет экономических наук

Профиль на hse.ru ↗ тел.: +7 (495) 7729590 | 27422
Публикаций
56
Языков
2
Наград
2
Конференций
13
Профиль Публикации (56) Курсы (40)

Профессиональные интересы

банковский риск-менеджментКредитный анализ, кредитоспособность, кредитный рискуправление рисками на предприятииСтратегическое управление финансами фирмыстратегическое управление82.33.21 Контроллинг06.81.00 Экономика и организация предприятия. Управление предприятием82.33.00 Стратегический менеджмент. Стратегическое планирование

Должности

  • Старший научный сотрудник — Факультет экономических наук, Научно-учебная лаборатория финансовых инноваций и риск-менеджмента
  • Доцент — Факультет экономических наук, Школа финансов

Био

  • · Начал работать в НИУ ВШЭ в 2019 году.
  • · Научно-педагогический стаж: 5 лет.

Образование

  • 1999 · Кандидат экономических наук: Санкт-Петербургский государственный технический университет
  • 1996 · Магистратура: Ленинградский государственный технический университет, специальность «Экономика и управление на машиностроительных предприятиях», квалификация «Инженер-экономист»

Опыт работы

  • · 2026: Рейтинговое агентство "Эксперт РА", апрель настоящее время. Советник проектных инициатив заместителя генерального директора. В зону ответственности входит построение и внедрение системы интегрированного управления рисками, развитие перспективных продуктовых направлений и расширение международных направлений деятельности агентства в странах ЕАЭС и БРИКС. Эксперт рабочих групп Делового совета БРИКС
  • · 2026: Национальное рейтинговое агенство, управляющий директор, ноябрь 2019-март
  • · 2017: АО «Делойт и Туш СНГ, октябрь старший менеджер, risk advisory
  • · 2017: АКРА (АО), июнь июнь
  • · 2017: директор (корпоративные финансы)
  • · 2010: Moody's Investor Services, август май
  • · 2017: младший вице-президент-кредитный аналитик
  • · 2010: Fitch Ratings, август 2008- август директор (корпоративные финансы)
  • · 2008: ЗАО "Делойт и Туш СНГ, ноябрь 2004-июнь менеджер

Награды и поощрения

  • · Благодарность школы финансов НИУ ВШЭ (январь 2023)
  • · Лучший преподаватель — 2023–2025

Гранты и проекты

  • — · на соискание учёной степени кандидата наук

Конференции (13)

Показать все
  • · 2021: 8th International Conference on Information Technology and Quantitative Management (Chengdu). Доклад: The Impact of ESG factors on the performance of Information Technology Companies
  • · 2020: Международный молодежный научный форум «ЛОМОНОСОВ-2020 (Moscow). Доклад: Оценка влияния киберрисков на предприятиях розничной торговли
  • · 2020: Global Strategy and Emerging Markets Conference 2020 (Ithaca). Доклад: Developing a cyber risk management mechanism for retail companies operating in emerging market
  • · 2020: Analytics for Management and Economics Conference (AMEC) (St. Petersburg). Доклад: Comparison of empirical methods for modelling of credit ratings of machine building companies from developed and developing markets
  • · 2020: Analytics for Management and Economics Conference (AMEC) (St. Petersburg). Доклад: Development of a rating system for predicting credit risk and default probabilities of Russian banks using machine learning models
  • · 2020: Analytics for Management and Economics Conference (AMEC) (St. Petersburg). Доклад: Rating agencies in the BRICS countries
  • · 2020: Annual GSOM Emerging Market Conference 2020 (St. Petersburg). Доклад: Application of a System-synergistic Approach in the Development of the Target Costing Mechanism for a High-tech Industrial Enterprise in Emerging Market
  • · 2020: 2nd International Scientific Conference on innovations in digital economy: SPBPU IDE-2020 (St. Petersburg). Доклад: Comparison of Empirical Methods for the Reproduction of Global Manufacturing Companies’ Credit Ratings
  • · 2020: Четвертый Российский экономический конгресс (Moscow). Доклад: Разработка рейтинговой системы для прогнозирования кредитного риска и вероятностей дефолта российских банков с помощью моделей машинного обучения
  • · 2020: Eurasia Business and Economic Society (Madrid). Доклад: Development of credit rating model of assessing the creditworthiness and predicting defaults of Russian insurance companies
  • · 2020: Internet of Things, Smart Spaces, and Next Generation Networks and Systems. 20th International Conference, NEW2AN 2020, and 13th Conference, ruSMART 2020 (St. Petersburg). Доклад: Development of Risk Controlling Mechanism and Tools for Agile Projects in Telecommunications
  • · 2020: Global Strategy and Emerging Markets Conference 2020 (Ithaca). Доклад: "Developing a Cyber Risk Management Mechanism for Retail Company Operating in Emerging Market
  • · 2019: 19th International Conference on Next Generation Wired/Wireless Advanced Networks and System (Санкт-Петербург). Доклад: Development of the Mechanism of Assessing Cyber Risks in the Internet of Things Projects

Идентификаторы исследователя

Публикации (56)

In Search of Greenium. Analysis of Yields in the European Green Bond Markets

2022 · CHAPTER · en

The green bond market shows good potential to help mobilize financial sources towards sustainable investments. Green bonds are similar to conventional bonds but are specifically created to raise money to finance climate or other environmental projects. The relevance of the paper is underpinned by mixed evidence on the existence of ‘greenium in various corporate bond markets and lack of a clear understanding of the green bond yields’ determinants. The objective of the paper is to explore the existence and determinants of greenium in Europe. Our sample included 3,851 green and conventional bonds in the European debt markets over the period from 2007 to 2021. The results showed that the climate corporate bonds in Europe are priced at discount to the same-risk conventional corporate bonds. The magnitude of greenium in whole European green bond market was around 4 bps. However, we did not find the significant greenium in the green bond markets of the UK, France, Netherlands, and Germany. The conclusions of the research could lead to a better understanding of the green bond market for investors, regulators, and potential issuing companies.

DOI ↗ PDF ↗

Principles of Rating Estimation in Emerging Countries

2021 · CHAPTER · en

Ratings in emerging markets can serve as part of the early warning systems to reflect the weak signals of potential risks to the entity from the environment. Emerging markets have specific features that rating agencies usually consider in judgments of their credit ratings. They are underpinned by the higher volatility, exposure to sovereign issues, weaknesses in institutional governance, and lower rating transparency. Emerging markets are served by both international and national rating agencies. The latter assign national scale ratings which are the opinions of the relative creditworthiness of issuer or the entity relative to the national benchmark. National scale ratings primarily focus on niche markets where they draw on familiarity with specific domestic economic and political circumstances and thus cannot be directly compared to international scale ratings. In the field of the regulation of rating activities, emerging countries follow the regulatory trends that have been established in Europe and the USA. However, the quality and depth of regulation depends significantly on the maturity of the rating industry of the particular countries.

DOI ↗ PDF ↗

Aggregation of Rating Systems for Emerging Financial Markets

2021 · CHAPTER · en

This paper examines the issues of the aggregation and comparison of the credit ratings of various economic agents for risk management purposes in a commercial bank. The empirical results of the study make it possible to increase the assessment of credit risks based on the constructed system of aggregating credit ratings for industrial companies and commercial banks. The work also confirms the relationship between the level of assigned credit ratings and the various phases of the credit cycle. The dynamics at the macroeconomic level shows that the credit ratings of various economic agents change in different directions and are out of sync with time correlation of credit cycles in various phases. The main scientific result of the study is an aggregate-based approach for credit risk evaluation of various economic agents and to develop the quantitative methods for assessing the relationship between the level of credit ratings and the credit cycle.

DOI ↗ PDF ↗

Principles of Rating Estimation in Emerging Countries

2021 · CHAPTER · en

Рейтинги на развивающихся рынках могут служить частью систем раннего предупреждения для отражения слабых сигналов о потенциальных рисках для предприятия со стороны окружающей среды. Развивающиеся рынки обладают специфическими особенностями, которые рейтинговые агентства обычно учитывают при оценке своих кредитных рейтингов. Они подкрепляются более высокой волатильностью, подверженностью суверенным проблемам, слабостью институционального управления и более низкой прозрачностью рейтингов. Развивающиеся рынки обслуживаются как международными, так и национальными рейтинговыми агентствами. Последние присваивают рейтинги по национальной шкале, которые представляют собой мнения об относительной кредитоспособности эмитента или организации по отношению к национальному эталону. Рейтинги по национальной шкале в основном ориентированы на нишевые рынки, где они основаны на знании конкретных внутренних экономических и политических условий и, следовательно, не могут быть напрямую сопоставлены с рейтингами по международной шкале. В области регулирования рейтинговой деятельности развивающиеся страны следуют тенденциям регулирования, сложившимся в Европе и США. Однако качество и глубина регулирования в значительной степени зависят от зрелости рейтинговой индустрии конкретных стран.

DOI ↗

Aggregation of Rating Systems for Emerging Financial Markets

2021 · CHAPTER · en

В данной статье рассматриваются вопросы агрегирования и сравнения кредитных рейтингов различных экономических агентов для целей управления рисками в коммерческом банке. Эмпирические результаты исследования позволяют повысить оценку кредитных рисков на основе построенной системы агрегирования кредитных рейтингов промышленных компаний и коммерческих банков. Работа также подтверждает взаимосвязь между уровнем присвоенных кредитных рейтингов и различными фазами кредитного цикла. Динамика на макроэкономическом уровне показывает, что кредитные рейтинги различных экономических агентов изменяются в разных направлениях и не синхронизированы с временной корреляцией кредитных циклов на различных фазах. Основным научным результатом исследования является агрегированный подход к оценке кредитного риска различных экономических агентов и разработка количественных методов оценки взаимосвязи между уровнем кредитных рейтингов и кредитным циклом.

DOI ↗

Analyzing Insolvency Drivers and Developing Credit Rating System for Small and Medium-sized Enterprises in Russia

2021 · ARTICLE · en

Small and medium-sized enterprises (SMEs) play a key role in the Russian economy. However, banks and investors are reluctant to provide debt financing to these firms. This is underpinned by SMEs’ speculative credit quality and information asymmetry between borrowers and lenders. In this study, we aim to identify the insolvency drivers of Russian SMEs and compare them with those in other markets. The relevance of the study is underpinned by the scarcity of research in this field and the high demand for an accurate rating system for domestic SMEs. Logistic regression was selected as the modeling method. The sample contained 177 non-financial domestic SMEs over the period 2015–2019. The set of explanatory variables consisted of firm-specific financial, categorical, and macroeconomic factors. An accuracy ratio of >80% was achieved. We found that, unlike those in Asian emerging markets, financial factors explained around 70% of domestic SMEs’ credit health. Significant financial factors included profitability, debt leverage, and coverage ratios and the term structure of debt. Non-financial drivers included ownership of the firm by large businesses (or group of companies), firm size, and territory of operation within Russia. Among macroeconomic drivers, the unemployment level was the most significant driver of SMEs’ credit quality. In addition, we developed a rating system for domestic SMEs and determined the relative benchmarks from Expert RA and Moody’s agencies. We found that the existing scales of rating agencies did not provide the granular assessment of SMEs’ creditworthiness. This confirmed our hypothesis that distinct rating frameworks and methodologies for domestic SMEs in the Russian market are imperative. As shown in the literature, the greater the rating granularity and transparency, the more enhanced the debt market’s appropriate risk-return tradeoff analysis.

DOI ↗

The Cost Management of Innovative Products in an Industrial Enterprise Given the Risks in the Digital Economy

2021 · ARTICLE · en

This study aims to develop a mechanism for the cost management of innovative products in an industrial enterprise given the inherent risks. Under the conditions of the high volatility of the digital economy, risk assessment in cost management, as well as the development of some mechanisms for staying flexible and adaptable with regard to continual changes, is a priority for the further development of cost management systems for an industrial enterprise. The research results include: (1) a mechanism for assessing and considering the changes in the key cost drivers, which continuously controls the target cost level that has been achieved and can be used for taking into account the risk factors in cost management and for increasing the effectiveness of the business processes of industrial enterprises operating in the digital economy; and (2) a description of the methods recommended for implementing each stage of the mechanism suggested. The mechanism is based on the synthesis of the cost driver concept and the risk-controlling concept. The following tools were used to develop the mechanism: target-costing, kaizen-costing, variance analysis for cost planning, accounting and analysis, an Ishikawa diagram, a fault tree for identifying risk factors for key cost drivers, and simulation modeling using the Monte Carlo method. The mechanism: (1) makes it possible to consider the high uncertainty level of the external environment and the effect of risks in the cost management system; (2) can be used to control the level of target costs reached in real time and introduce prompt corrections regarding the planned costs according to external and internal changes; and (3) is based on using modern, high-precision tools for assessing risks and the effect they produce on the costs and profitability of an industrial enterprise. The advantages above help to increase the dynamics and flexibility of the process of the cost management of innovative products and to maintain such products’ competitiveness.

DOI ↗

Development of the horizon index to evaluate long-termism of Russian non-financial companies

2021 · ARTICLE · en

Стратегическая близорукость, следование фирмой краткосрочным практикам стратегического управления, ограничивает инвестиции в физический и интеллектуальный капитал. Инвесторы и менеджеры должны своевременно идентифицировать и противодействовать таким практикам. Однако существующие академические и практические исследования упускают из виду проблему краткосрочности на развивающихся рынках, не приводят надежные показатели стратегической близорукости или рассматривают только финансовые показатели в существующих индикаторах горизонта управления. В этой статье авторы ликвидировали некоторые пробелы в исследованиях и построили индекс относительного горизонта, который оценивает стратегическую ориентацию публичных нефинансовых компаний из различных отраслей. . Авторы применили самостоятельно разработанный индекс горизонта на выборке из 50 российских нефинансовых компаний за 2014–2019 гг. Анализ результатов расчета индекса показал, что наибольшая доля стратегически «дальнозорких» компаний в России работает в отраслях энергетики. Это объясняется значительными инвестициями в эту область, развитыми системами корпоративного управления и разнообразным кругом заинтересованных сторон. Компании обладают ограниченными стимулами к манипуляциям в бухгалтерском учете. Однако значительная доля компаний в отраслях машиностроения, строительства и недвижимости, а также производства потребительских товаров являются стратегически «близорукими». Такая стратегическая ориентация объясняется недоинвестированностью указанных отраслей. При этом компании обладают развивающейся системой корпоративного управления, что оставляет стимулы для манипуляций в бухгалтерском учете. Анализ результатов анализа продемонстрировал, что следование долгосрочной стратегии реализуется в устойчивый долгосрочный рост экономической прибыли компаний не мгновенно, а с течением времени. Тем не менее, выявлена положительная корреляция между долгосрочным стратегическим выбором компании и темпами роста экономической прибыли компании за несколько лет. Полученные результаты могут быть использованы инвесторами, аналитиками и управляющими активами для скрининга стратегий компаний на долгосрочную ориентацию и сравнения их способностей создавать долгосрочный и устойчивый рост экономической прибыли.

DOI ↗ PDF ↗

Оценка киберрисков в проектах интернета вещей

2021 · ARTICLE · ru

Интернет вещей (IoT) открывает широкие возможности для инноваций, начиная от промышленных предприятий до здравоохранения и потребителей. Однако развитие проектов Интернета вещей создает значительные риски для разработчиков и пользователей. Количество и частота IoT-атак увеличивается и наблюдается рост прямого и косвенного ущерба. Так одно зараженное устройство может открыть для атаки всю экосистему компании с потенциальными сбоями: от нарушения конфиденциальности отдельных пользователей до массового сбоя общественных систем и угрозы для жизни людей. Актуальность выбранной темы объясняется ростом числа кибератак, скоростью появления новых угроз и увеличением ущерба от атак. Поэтому в статье рассматривается снижение эффективности существующих механизмов оценки киберрисков и восполняются пробелы в исследованиях в этой области. Авторами был разработан показатель Cyber ROI (CyROI), позволяющий отразить киберриски и измерить эффективность инвестиций в развитие Интернета вещей с учетом киберпреступности и связанных с ним мер контроля

DOI ↗ PDF ↗

The comparison of empirical methods for modeling credit ratings of industrial companies from BRICS countries

2020 · ARTICLE · en

We compared the ability of various empirical methods to reproduce public credit ratings (PCRs) of industrial companies (ICs) from BRICS countries using publicly available information. This task is important for researchers and practitioners because many of BRICS’ ICs lack PCRs from reputable rating agencies such as Moody’s, Standard and Poor’s, and Fitch. This paper aimed at filling the gap in the existing research as insufficient efforts were focused on prediction of PCRs of ICs from the entire BRICS IC community. The modeled variables are credit ratings (CRs) of 208 BRICS’ ICs assigned by Moody’s at the year-end from 2006 to 2016. The sample included 1217 observations. Financial explanatory variables included companies’ revenue, operating profitability, interest coverage ratio, debt/book capitalization, and cash flow debt coverage. Non-financial explanatory variables included dummies for home region, industry, affiliation with the state, and a set of macroeconomic data of IC’s home countries. The set of statistical methods included linear discriminant analysis (LDA), ordered logit regression (OLR), support vector machine (SVM), artificial neural network (ANN), and random forest (RF). The resulting models were checked for in-sample and out-of-sample predictive fit. Our findings revealed that among considered methods of artificial intelligence models (AI), SVM, ANN, and RF outperformed LDA and OLR by predictive power. On testing sample, AI gave on average 55% of precise results and up to 99% with an error within one rating grade; RF demonstrated the best outcome (58% and 100%). Conversely, LDA and OLR on average gave only 37% of precise results and up to 70% with an error within one grade. LDA and OLR also gave higher share of Type I errors (overestimation of ratings) than that of AI. Therefore, AI should have higher practical application than DA and OLR for predicting the ratings of BRICS ICs

DOI ↗

Курсы (40)