DSA Faculty
API
← к списку преподавателей

Пересецкий Анатолий Абрамович

Факультет экономических наук

Профиль на hse.ru ↗ тел.: +7 (495) 772-95-90 | 27514
Публикаций
99
Языков
2
Наград
16
Конференций
1
Профиль Публикации (99) Курсы (3)

Профессиональные интересы

прикладная эконометрика

Должности

  • Профессор-исследователь — Факультет экономических наук, Департамент прикладной экономики
  • Ведущий научный сотрудник — Факультет экономических наук, Центр больших данных в экономике и финансах (CEBDA)

Био

  • · Начал работать в НИУ ВШЭ в 2006 году.
  • · Научно-педагогический стаж: 52 года.

Образование

  • 2023 · Ученое звание: Профессор
  • 2010 · Доктор экономических наук: Центральный экономико-математический институт РАН, специальность 08.00.13 «Математические и инструментальные методы экономики», тема диссертации: Эконометрический подход к дистанционному анализу деятельности российских банков и банковскому надзору
  • 1988 · Старший научный сотрудник
  • 1977 · Кандидат физико-математических наук: Московский государственный университет им. М.В. Ломоносова, тема диссертации: Качественная теория однородных космологических моделей
  • 1971 · Специалитет: Московский государственный университет им. М.В. Ломоносова, факультет: механико-математический, специальность «Математика», квалификация «Математик»

Опыт работы

  • · Работа в академических организациях
  • · 2010–по н.в: Национальный исследовательский Профессор университет Высшая школа экономики, Эконометрика Москва
  • · 1992–2012: Российская экономическая, Профессор школа. Москва. статистика, эконометрика, российская банковская система
  • · 1991–по н.в.: Центральный экономико– Главный научный математический институт сотрудник ЦЭМИ РАН, Москва
  • · 1996–по н.в.: Международный колледж Профессор экономики и финансов. Информатика, Математическая Высшая школа экономики и статистика, Эконометрика. Лондонская школа экономики (на англ.яз.) (LSE)
  • · 2008–2009: Московский институт Профессор международных отношений Научный руководитель (МГИМО, университет) кафедры эконометрики
  • · 1996–2000: Высшая школа экономики Доцент государственный университет, Эконометрика Москва
  • · 1996–1998: Международный колледж, Доцент МГУ и Университет Колорадо, курсы мат.статистики (Денвер) и эконометрики (на англ.яз.)
  • · 1996–1998: Школа бизнеса и экономики, Лектор Москва. (Калифорнийский Курс анализа временных университет. Хайвард), рядов по программе МБА
  • · 1971–1973: Институт Радиотехники Научный сотрудник и электроники АН СССР, г.Фрязино
  • · Работа в академических организациях (визиты)
  • · 2012: Институт экономик переходного Исследователь август 1-30 периода Банка Финляндии, (BOFIT) Хельсинки, Финляндия
  • · 2004: Центр экономических Исследователь август исследований Тилбургского, университета, Нидерланды
  • · 2002: Центр экономических Исследователь август исследований Тилбургского, университета, Нидерланды
  • · 2000: Georgia Institute of Technology, профессор, осенний семестр Атланта, США математический ф–т. Лекции по Теория вероятности и Математической статистике
  • · 2000: Центр экономических Исследователь август исследований Тилбургского, университета, Нидерланды
  • · 1999: Центр экономических Исследователь август исследований Тилбургского, университета, Нидерланды
  • · 1999: Georgia Institute of Technology, профессор, весна Атланта, США математический ф–тет. Лекции по Теория вероятности и Математической статистике
  • · 1997: Лаборатория генетики, Исследователь Ноябрь 1996–январь Университет г.Гент, Приложения моделей Бельгия математической статистики в молекулярной генетике
  • · 1995: Центр экономических Исследователь осень исследований Тилбургского, университета, Нидерланды
  • · 1994: Центр экономических Исследователь осень исследований Тилбургского, университета, Нидерланды
  • · 1993: Georgia Institute of Technology, Исследователь, осень Атланта, США биологический ф–тет. приложения математической статистики к молекулярной генетике
  • · 1990: Московский Государственный, старший осень Университет научный сотр, биологический ф–тет, статистический анализ ЭЭГ
  • · Опыт прикладной работы
  • · 2010: Citibank Лекции по прикладной статистике и эконометрике
  • · 2008: ACNielsen Лекции по прикладной статистике
  • · 2005: SUNInterbrew Лекции по методам прогноза. осень Москва
  • · 2004: КОМКОН, Консультант Москва Маркетинговые исследования
  • · 2003: Альфа Банк Лекции по прикладной статистике
  • · 1996–2000: Глаксо–Вэллком, Консультант Москва Статистический анализ сравнительных испытаний лекарственных препаратов

Награды и поощрения

  • · Благодарность первого проректора НИУ ВШЭ (декабрь 2023)
  • · Почетный знак II степени Высшей школы экономики (октябрь 2023)
  • · Благодарственное письмо ректора Высшей школы экономики (декабрь 2022)
  • · Благодарность Международного института экономики и финансов НИУ ВШЭ (июнь 2022)
  • · Благодарность Международного института экономики и финансов НИУ ВШЭ (июнь 2021)
  • · Победитель общенациональной премии "Профессор года - 2018" (декабрь 2018)
  • · Медаль "Признание - 10 лет успешной работы" НИУ ВШЭ (октябрь 2018)
  • · Почетная грамота Высшей школы экономики (октябрь 2018)
  • · Благодарность Высшей школы экономики (январь 2014)
  • · Благодарность Высшей школы экономики (март 2012)
  • · Медаль "В память 850-летия Москвы" (февраль 1997)
  • · Надбавка за академические успехи и вклад в репутацию НИУ ВШЭ (2011–2013)
  • · Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2024–2025, 2023–2024)
  • · Надбавка за публикацию в международном рецензируемом научном издании (2020–2021, 2019–2020, 2017–2018)
  • · Надбавка за статью в зарубежном рецензируемом журнале (2015–2017, 2013–2015)
  • · Лучший преподаватель — 2015, 2012

Гранты и проекты

  • — · на соискание учёной степени кандидата наук

Конференции (1)

Показать все
  • · 2021: 3-й семинар "Прикладная эконометрика" в рамках XXII Апрельская международная научная конференция НИУ ВШЭ по проблемам развития экономики и общества (Москва). Доклад: Эндогенная классификация домохозяйств в регионах России

Идентификаторы исследователя

Публикации (99)

Volatility forecasting using global stochastic financial trends extracted from non-synchronous data

2018 · ARTICLE · en

A method based on various linear and nonlinear state space models used to extract global stochastic financial trends (GST) out of non-synchronous financial data is introduced. These models are constructed in order to take advantage of the intraday arrival of closing information coming from different international markets so that volatility description and forecasting is improved. A set of three major asynchronous international stock market indices is considered in order to empirically show that this forecasting scheme is capable of significant performance gains when compared to standard parametric models like the dynamic conditional correlation (DCC) family.

DOI ↗ PDF ↗

Волатильность курса рубля: нефть и санкции

2018 · ARTICLE · ru

Стабильность обменного курса национальной валюты имеет большое значение для устойчивого роста экономики. В стране-экспортере нефти валютный курс в значительной степени определяется валютными поступлениями от продажи нефти и, следовательно, ценой нефти на международном рынке. В настоящей работе одномерные GARCH модели и двумерные VAR-BEKK модели используются для анализа зависимости волатильности валютного курса рубля от волатильности цены нефти. Показано, что эта зависимость не постоянна во времени и определяется различными макроэкономическими факторами. Зависимость усиливается при низких ценах нефти и ослабляется при высоких. Введение санкций усилило волатильность обменного курса рубля и ее зависимость от волатильности цены на нефть. Показано, что со временем влияние санкций убывает, что можно интерпретировать как адаптацию экономики России к санкциям

PDF ↗

Autocorrelation in an unobservable global trend: does it help to forecast market returns?

2017 · ARTICLE · en

In this paper, a Kalman filter-type model is used to extract a global stochastic trend from discrete non-synchronous data on daily stock market index returns from different markets. The model allows for the autocorrelation in the global stochastic trend, which means that its increments are predictable. It does not necessarily mean the predictability of market returns, since the global trend is unobservable. The performance of the model for the forecast of market returns is explored for three markets: Japan, UK, USA.

DOI ↗ PDF ↗

Grade expectations: Rationality and overconfidence

2017 · PREPRINT · en

Overconfidence seems to be an essential aspect of human nature, and one way to study overconfidence is to consider students’ forecasts of their exam grades. Part of a student’s grade expectation is based on the student’s previous academic achievements; what remains can be interpreted as (over)confidence. In this paper we study overconfidence using a sample of about five hundred second-year undergraduate students enrolled in a statistics course in Moscow. The course contains three exams and each student produces a forecast for each of the three exams. Students’ expectations are not rational and most of students are overconfident, which is in agreement with what most people find. Less obvious findings are that overconfidence is helpful: given the same academic achievement students with larger confi- dence get higher exam grades. Female students are less overconfident than male students, their forecasts are more rational, and they are also faster learners in the sense that they adjust their expectations more rapidly.

Кредитные рейтинги российских банков и отзывы банковских лицензий 2012-2016 гг.

2017 · ARTICLE · ru

В работе рассматриваются 11 кредитных рейтингов российских банков, присвоенные банкам международными и российскими рейтинговыми агентствами в период 2012—2016 гг. Построены эконометрические модели этих рейтингов по открытым данным — финансовым показателям банков и макроэкономическим параметрам. На основе исторических данных об отзывах лицензий банков построены эконометрические модели вероятности отзыва лицензии (дефолта банка) отдельно по различным формулировкам причин отзыва лицензии. Эти модели позволили проанализировать, в какой степени при отзыве лицензий ЦБ опирается на рейтинги и как (в какой мере) рейтинговые агентства учитывают возможность отзыва лицензии в краткосрочном периоде. Показано, что модели, построенные по рейтингам агентств S&P, Moody’s и «Эксперт РА», лучше, чем другие рейтинги, прогнозируют отзывы лицензий. Однако модели бинарного выбора, построенные по историческим данным отзывов лицензий, превосходят модели рейтингов в прогнозе дефолтов банков.

PDF ↗

What Influences Stock Market Behavior in Russia and Other Emerging Countries?

2016 · ARTICLE · en

We empirically test the dependence of the Russian stock market on the world stock market and world oil prices in the period 1997:10--2012:02. We also analyze countries that can be considered to be relatively similar to Russia, e.g., Poland, the Czech Republic, and South Africa. First, we apply a rolling regression to identify periods when oil prices or stock indices in the United States and Japan were important. Surprisingly, oil prices are not significant for the Russian stock market after 2006. Second, we employ a TGARCH-BEKK model to assess the degree of correlation between the markets in question, taking into account the global market stochastic trend. Correlation between markets increased between 2000 and 2012.

DOI ↗ PDF ↗

Экспортировать или нет? Экспортный статус и техническая эффективность российских предприятий

2016 · ARTICLE · ru

Всегда ли наличие у предприятия статуса экспортера связано с увеличением его производительности? В данной работе изучается взаимосвязь экспортного статуса предприятия и его технической эффективности в российском обрабатывающем секторе в период с 2004 по 2013 гг. по данным базы “Ruslana” Bureau van Dijk. Для оценки эффекта экспортного статуса используются два подхода, основанных на оценке стохастической границы производственных возможностей. Первый подход оценивает влияние экспорта через расчет маржинального эффекта экспортного статуса на техническую эффективность. Второй подход основан на мэтчинге предприятий-экспортеров с не-экспортерами по мере склонности к экспорту. Полученные результаты устойчивы и свидетельствуют о наличии положительной взаимосвязи между экспортным статусом и технической эффективностью. В обоих случаях эффект экспорта не превышает 0.03 (3 п.п.).

PDF ↗

Do secrets come out? Statistical evaluation of student cheating in Russia

2016 · ARTICLE · en

We develop an original method of student cheating evaluation that is based on the comparison of students’ grades on exams in class, homeworks and experimental homework. The data for the study is collected from the survey of 2013 sophomores of the International College of Economics and Finance at the National Research University Higher School of Economics in Russia. At the end of the statistics course in addition to standard assignments (homeworks and exams) students were given experimental homework with the rule of limited cooperation among students. The violation of this rule was considered as cheating. The scale of cooperation is measured and then tested through different methods including the stochastic frontier; it reveals connection with the GPA level, students’ expectations of the cheaters’ share and their moral norms. We also find different behavioral patterns for high and low performing students as well as country specific context of student cheating behavior.

PDF ↗

Volatility forecasting using global stochastic financial trends extracted from non-synchronous data

2015 · PREPRINT · en

This paper introduces a method based on the use of various linear and nonlinear state space models that uses non-synchronous data to extract global stochastic financial trends (GST). These models are specifically constructed to take advantage of the intraday arrival of closing information coming from different international markets in order to improve the quality of volatility description and forecasting performances. A set of three major asynchronous international stock market indices is used in order to empirically show that this forecasting scheme is capable of significant performance improvements when compared with those obtained with standard models like the dynamic conditional correlation (DCC) family.

Autocorrelation in an unobservable global trend: Does it help to forecast market returns?

2015 · PREPRINT · en

In this paper a Kalman-filter type model is used to extract a global stochastic trend from discrete nonsynchronous data on daily stock market index returns from different markets. The model allows for the autocorrelation in the global stochastic trend, which means that its increments are predictable. It does not necessarily mean the predictability of market returns, since the global trend is unobservable. The performance of the model for the forecast of market returns is explored for three markets: Japan, UK, US.

Курсы (3)