• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

Школа финансов ВШЭ

119049 Москва, Покровский бульвар, 11,
офис S629.

Телефоны:
+7 (495) 772-95-90*27189 (по общим вопросам Школы финансов)
+7 (495) 621-91-92 (по вопросам Бизнес-образования)
+7 (495) 916-88-08 (Магистерская программа "Корпоративные финансы")

E-mail:

df@hse.ru (по общим вопросам Школы финансов),
finance@hse.ru (по вопросам Бизнес-образования)

Руководство
Руководитель Ивашковская Ирина Васильевна

ординарный профессор НИУ ВШЭ, доктор экономических наук, заслуженный работник высшей школы РФ

Менеджер Стародумова Алина Александровна

+7(495)772-95-90 (доб. 27189)

Администратор Турдуева Альбина Маматовна

+7(495) 772 95 90 (доб. 27447)

Книга
ПРОСТРАНСТВЕННЫЕ ДАННЫЕ: ПОТРЕБНОСТИ ЭКОНОМИКИ В УСЛОВИЯХ ЦИФРОВИЗАЦИИ

Белогурова Е. Б., Воробьев В., Гвоздев О. и др.

М.: Национальный исследовательский университет "Высшая школа экономики", 2020.

Глава в книге
Особенности профилактики культурной адаптации миграционных потоков в условиях перехода к цифровой среде

Иванов В. В.

В кн.: Общество. Доверие. Риски: Доверие к миграционным процессам. Риски нового общества. Материалы международного форума. Выпуск 2. Вып. 2. М.: Издательский дом ГУУ, 2019. С. 120-125.

Глава в книге
Большое Цифровое Вымирание Культур

Иванов В. В., Убушаева Б.

В кн.: Общество. Доверие. Риски: Доверие к миграционным процессам. Риски нового общества. Материалы международного форума. Выпуск 1. Вып. 1. М.: Издательский дом ГУУ, 2019. С. 65-70.

Глава в книге
Социальный мир четвертой промышленной революции

Иванов В. В.

В кн.: Новая экономическая политика для России и Мира.Сборник научных трудов участников Международной научной конференции - XXVII Кондратьевские чтения, 29-30 октября 2019. М.: Межрегиональная общественная организация содействия изучению, пропаганде научного наследия Н.Д. Кондратьева, 2019. С. 87-94.

Препринт
Взаимосвязь кредитных циклов и изменения кредитных рейтингов
В печати

Карминский А. М., Дьячкова Н. Ф.

Современные экономические исследования. 47473. Центральный Банк Российской Федерации, 2018

Препринт
Поиск оптимальной глубины и структуры финансового сектора с точки зрения экономического роста, макроэкономической и финансовой стабильности

Мамонов М. Е., Ахметов Р. Р., Панкова В. А. и др.

Серия докладов об экономических исследованиях. 31/2018. Банк России, 2018. № 31.

Препринт
How Institutions Affect Development in Resource-Based Countries

Чиркова Е. В.

нет . нет. Moscow Carnegie Center, 2017

НИС "Эмпирические исследования банковской деятельности"

Руководители

Карминский Александр Маркович

Школа финансов: профессор; руководитель семинара

Семинар служит площадкой для обсуждения актуальных вопросов и результатов эмпирических исследований деятельности банков. Семинар является обязательным для аспирантов Школы финансов в плане апробации полученных ими исследовательских результатов.

Первое заседание состоялось 15 февраля 2010 года.

Егоров Андрей Юрьевич

Школа финансов: аспирант, ученый секретарь семинара

Контакты: ayegorov@hse.ru

2019-2020гг

№2020-103 

21-22 декабря состоится Конференция Банки и финансовые рынки в рамках IV Российского Экономического Конгресса.

Координаторы конференции: Андрюшин Сергей Анатольевич, Карминский Александр Маркович.

21 декабря 2020 г. в 10:15 состоится Сессии 1. Денежно-кредитная политика, которую проведет Головнин Михаил Юрьевич.

Докладчиками выступят:
1.     Архипова Виолетта Валерьевна
Институт Экономики РАН
Значение "китайского фактора" в развитии мировой и российской валютно-финансовых систем
2.     Буренин Алексей Николаевич
Московский государственный институт международных отношений МИД России
Политика процентных ставок центральных банков как прокризисный инструмент макроэкономического регулирования
3.     Ершов Михаил Владимирович
Институт энергетики и финансов; Финансовый университет при Правительстве РФ
О некоторых особенностях денежно-кредитной политики в новых кризисных условиях
4.     Моисеев Антон Кириллович
Институт народнохозяйственного прогнозирования Российской Академии наук
Мировые финансы и энергопереход.

21 декабря 2020 г. в 12:00 состоится Сессии 2. Банковский сектор и инновации, которую проведет Лаврушин Олег Иванович.
 
Докладчиками выступят:
1.     Дубинин Сергей Константинович
ВТБ Капитал, Экономический факультет МГУ имени М.В.Ломоносова
Современный финтех в эпоху развития мирового киберпространства.
2.     Архипов Артем Валерьевич
АО ЮниКредит банк,
Карминский Александр Маркович
Национальный исследовательский университет "Высшая школа экономики"
Банковские системы стран Центральной и Восточной Европы: сравнительный анализ
3.     Лаврушин Олег Иванович
Финансовый университет при Правительстве Российской Федерации
О доверии между участниками финансового рынка

4.     Манжулин Игорь Александрович
УК БКС,
Белоусова Вероника Юрьевна
НИУ ВШЭ,
Солодков Василий Михайлович
Национальный исследовательский университет "Высшая школа экономики",
Краюшкина Жаклин Павловна
НИУ ВШЭ,
Чичканов Николай Юрьевич
НИУ ВШЭ,
Сухов Михаил Игоревич
АКРА
Анализ структуры баланса российских банков в зависимости от формы собственности
5.     Эзрох Юрий Семёнович
Новосибирский государственный университет экономики и управления
О проблемах мисселинга в современной российской банковской системе

21 декабря 2020 г. в 14:30 состоится Сессия 3. Финансовые рынки, которую проведет Берзон Николай Иосифович.

Докладчиками выступят:
1.     Абрамов Александр Евгеньевич
Лаборатория анализа институтов и финансовог8о рынка института прикладных экономических исследований РАНХиГС,
Радыгин Александр Дмитриевич
Институт экономической политики им. Е.Т. Гайдара,
Чернова Мария Игоревна
Лаборатория анализа институтов и финансовых рынков Института прикладных экономических исследований РАНХиГС
Российский фондовый рынок: вызовы и решения. Академический взгляд
2.     Ерофеева Татьяна Михайловна
Высшая школа экономики
Исследование функциональной взаимосвязи между спредом доходности корпоративных облигаций на российском рынке и спредом дефолта, характеризующим меру кредитного риска
3.     Зыков Александр Сергеевич
ФГАОУ ВО "УрФУ им. Б.Н. Ельцина",
Непп Александр Николаевич
Уральский федеральный университет им. первого Президента России Б.Н. Ельцина,
Егорова Юлия Вадимовна
Уральский федеральный университет, Уфимский государственный авиационный технический университет,
Джураева Зарнигор Фуркатовна
Институт экономики и управления, Уральский федеральный университет имени первого Президента России Б.Н. Ельцин
Воздействие хайпа и истерии вокруг коронавируса на фондовые рынки
4.     Миловидов Владимир Дмитриевич
Московский Государственный Институт Международных Отношений, МИД России
Портрет идеального финансового трейдера: почему рынок по-прежнему иррационален?
5.     Столяров Андрей Иванович
Научно-исследовательский университет Высшая школа экономики
Анализ рынка высокодоходных облигаций в Российской Федерации

21 декабря 2020 г. в 16:15 состоится Сессия 4. Политика финансового развития, которую проведет Хандруев Александр Андреевич.

Докладчиками выступят:
1.     Абрамова Марина Александровна
Финансовый университет при Правительстве Российской Федерации; научно-исследовательский центр денежно-кредитных отношений
Макроэкономическая политика и финансовый рынок: состояние и перспективы
2.     Переход Сергей Александрович
Национальный исследовательский университет «Высшая школа экономики», Факультет экономических наук
Моделирование рисков макроэкономических шоков на внешнедолговую устойчивость российских компаний
3.     Петренева Екатерина Андреевна
Центральный Банк Российской Федерации (Банк России)
Оценка эффективности макропруденциальной политики в России
4.     Солнцев Олег Геннадиевич
Некоммерческое партнерство "Центр макроэкономического анализа и краткосрочного прогнозирования" (ЦМАКП),
Ахметов Ренат Рамилович
Центр макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП),
Панкова Вера Александровна
Центр Макроэкономического Анализа и Краткосрочного Прогнозирования,
Орлова Елизавета Алексеевна
ИНП РАН
Оптимальная модель национального финансового сектора и политика финансового развития 
5.     Столбов Михаил Иосифович
Московский государственный институт международных отношений (университет) МИД России,
Щепелева Мария Александровна
Банк России
Работает ли тандем? Оценка совместного влияния монетарной и макропруденциальной политики на глобальный финансовый стресс и деловую активность

22 декабря 2020 г. в 10:15 состоится Сессия 5. Банковские и финансовые риски, которую проведет Карминский Александр Маркович.

Докладчиками выступят:
1.     Астахова Алёна Андреевна
Центральный банк Российской Федерации/ Национальный исследовательский университет Высшая школа экономики,
Гришунин Сергей Вадимович
НИУ ВШЭ
Разработка рейтинговой системы для прогнозирования кредитного риска и вероятностей дефолта российских банков с помощью моделей машинного обучения
2.     Копнова Елена Дмитриевна
Высшая школа экономики,
Грачёва Анна Алексеевна
EDHEC Business School
Влияние суверенного «потолка» на корпоративный кредитный рейтинг в Российской Федерации
3.     Пеникас Генрих Иозович
Национальный исследовательский университет "Высшая Школа Экономики"
Эффекты от регулирования достаточности капитала и 100%-ого резервирования текущих вкладов в банках на динамику эндогенного экономического цикла
4.     Помазанов Михаил Вячеславович
НИУ Высшая Школа Экономики,
Бережной Андрей Дмитриевич
Метод фильтрации данных Банка России для моделирования динамики вероятности дефолта
5.     Синявский Николай Григорьевич
Финансовый университет при Правительстве Российской Федерации
Стохастический анализ показателей суверенных рисков России, традиционных и новых факторов

22 декабря 2020 г. в 12:00 состоится Сессия 6. Инновации финансовых инструментов, которую проведет Рубцов Борис Борисович.

Докладчиками выступят:
1.     Белкина Татьяна Андреевна
Федеральное государственное бюджетное учреждение науки Центральный экономико-математический институт РАН
О применении аппарата вязкостных решений интегродифференциальных уравнений для исследования динамических моделей разорения в страховании
2.     Данилов Юрий Алексеевич
Российская академия народного хозяйства и государственной службы (РАНХиГС) при Президенте РФ
Является ли цифровизация новым и/или значимым фактором финансового развития?
3.     Канаев Александр Владимирович
Санкт-Петербургский государственный университет Экономический факультет,
Сун Юйсюань 
Санкт-Петербургский государственный университет
Формирование и развитие рынков «зеленых» облигаций в КНР и России: барьеры и драйверы пост-пандемийного периода
4.     Пыркина Ольга Евгеньевна
Финансовый университет при Правительстве Российской Федерации,
Зададаев Сергей Алексеевич
Финансовый университет при Правительстве Российской Федерации
Разработка критериев контроля бесперебойного функционирования сети электронного денежного оборота методами теории сложных сетей
5.     Рубцов Борис Борисович
Финансовый университет при Правительстве Российской Федерации
Перспективы развития рынка «зеленых» облигаций в мире и России

22 декабря 2020 г. в 14:30 состоится Сессия 7. Финансовый рынок и региональная экономика, которую проведет Буренин Алексей Николаевич.

Докладчиками выступят:
1.     Евлахова Юлия Сергеевна
Ростовский государственный экономический университет (РИНХ),
Алифанова Елена Николаевна
Ростовский государственный экономический университет (РИНХ),
Трегубова Александра Александровна
ФГБОУ ВО "Ростовский государственный экономический университет (РИНХ)"
Паттерны поведения российских банков: реакция на финансовую активность домохозяйств в условиях макроэкономических шоков
2.     Литвин Валерия Викторовна
Финансовый университет при Правительстве Российской Федерации
"Ресурсно-финансовое обеспечение устойчивого экономического роста и повышения благосостояния населения: пути совершенствования российской сберегательной системы" (по результатам ПНИР, выполненной по Гос. заданию Правительства РФ)
3.     Мишура Анна Владимировна
Новосибирский государственный университет
Как реагирует спрос на ипотечные кредиты в регионах России на процентную ставку?
4.     Новопашина Алина Николаевна
Институт экономических исследований ДВО РАН
Закрытие банков и кредитование малых и средних предприятий в российских регионах
5.     Хуторова Наталья Александровна
Российская Академия народного хозяйства и государственной службы при президенте РФ(РАНХиГС)
Перспективы развития сегмента катастрофного финансирования в рф в контексте нарастания природных рисков и рисков пандемий

22 декабря 2020 г. в 16:15 состоится Круглый стол. Цифровые финансовые активы, криптовалюты и финансовые технологии, который проведет Корищенко Константин Николаевич.
 
Докладчиками выступят:
1.     Дранев Юрий Яковлевич
Национальный исследовательский университет "Высшая школа экономики"
Перспективы цифрового рубля
2.     Корищенко Константин Николаевич
Российская академия народного хозяйства и государственной службы при Президенте РФ
Цифровой рубль – основные вопросы к проекту
3.     Кочергин Дмитрий Анатольевич
Санкт-Петербургский государственный университет Экономический факультет
Ключевые аспекты проекта цифрового рубля
4.     Солодков Василий Михайлович
Национальный исследовательский университет "Высшая школа экономики"
Цифровой рубль: плюсы и минусы
5.     Тихонов Анатолий Олегович
Академия управления при Президенте Республики Беларусь,
Юзефальчик Инна Владимировна
Академия управления при Президенте Республики Беларусь
Цифровизация денежно-кредитной системы: институциональный и регулятивный аспект
6.     Яковлев Александр Иванович
СПбГЭТУ «ЛЭТИ»
Цифровой рубль: история и теория
7.     Бражников Александр Евгеньевич
РАКИБ
Цифровой рубль: позиция РАКИБ
8.     Власов Андрей 
DEMONTROYAL
Криптоэкономика: новое законодательство РФ о цифровых финансовых активах и цифровой валюте
9.     Голикова Анна Сергеевна
Полесский государственный университет
Финтех и дезинтермедиация на рынке финансовых услуг
10.  Карминский Александр Маркович
Национальный исследовательский университет "Высшая школа экономики"
11.   Крошилин Сергей Викторович
Институт социально-экономических проблем народонаселения ФНИСЦ РАН, Государственный социально-гуманитарный университет (г. Коломна),
Медведева Елена Ильинична
Институт социально-экономических проблем народонаселения ФНИСЦ РАН, Государственный социально-гуманитарный университет (г. Коломна)
Финансовое мошенничество в современном обществе
12.    Михайлишин Андрей Юрьевич
Платежный сервис Joys (ООО «Цифровые платежи»)
Взгляд из цифровой экономики на цифровой рубль
13.    Моисеев Антон Кириллович
Институт народнохозяйственного прогнозирования Российской Академии наук
14.    Столбов Михаил Иосифович
Московский государственный институт международных отношений (университет) МИД России

Программа конференции
http://www.econorus.org/con2020/program.phtml?vid=tconf&eid=178

№2020-103 Приглашаем на совместное заседание научно-исследовательских семинаров «Эмпирические исследования банковской деятельности» и ИПС 132, 176, 119, 135, 136 «Новации в банкинге». Руководители семинара проф., д.э.н., Карминский А.М., Школа финансов НИУ ВШЭ. Заседание состоится 9 декабря 2020г., начало в 16:20 в режиме формата онлайн на платформе Zoom.

Тема: "Управление банком, пенсионным фондом, лидерство"

Докладчик: Алтухов К.В., советник председателя правления госбанка

Доклад будет состоять из нескольких частей. Вначале будут рассмотрены структурные компоненты банковской деятельности и проведен анализ развития крупнейшего банка в России. Далее будет рассмотрены основные моменты в развитии пенсионной системы РФ на современном этапе. Третья часть будет посвящена Лидерству, как особо значимому фактору развития любой коммерческой организации.


Данные для дистанционного входа:

Приглашение на запланированную конференцию: Zoom.
Тема: Семинары НИС ЭИБД, ИПС N132, N176, N119, N135, N136
Время: 9 дек 2020 04:00 PM Москва
Подключиться к конференции Zoom

zoom.us/j/97777901069?pwd=UDdpNnBiS2VNbnU5T0xidHBKdDJYZz09 

Идентификатор конференции: 977 7790 1069
Код доступа: 711650
Найдите свой местный номер: https://zoom.us/u/aeJ0IeEll1 
 

№2020-102 17 ноября 2020 года состоится предварительная защита кандидатской диссертации Хромовой Эллы Павловны на тему: «Синергия предсказательной силы моделей кредитных банковских рисков», научная специальность 08.00.10 Финансы, денежное обращение и кредит.

Научный руководитель: доктор экономических наук, профессор Карминский Александр Маркович.
Начало в 16.00
Формат проведения - онлайн через Zoom.
С текстом резюме и диссертации можно ознакомиться в Школе Финансов.  

-Синергия предсказательной силы моделей кредитных банковских рисков

JEL: G17, G21, G24, G33, C23, C53, C58

Ключевые слова: кредитный риск, кредитный рейтинг, рейтинговые агентства, вероятность дефолта, банки, логит/пробит модели множественного упорядоченного выбора

Аннотация 

Целью данной работы является сравнительный анализ расхождений в предсказаниях существующих моделей кредитного риска и создание синергетической модели с повышенной прогнозной силой на основе рейтинговой модели и модели вероятности дефолта российских банков. Показано, что рейтинговые модели склонны переоценивать кредитный риск банка, в то время как модели вероятности дефолта дают заниженные результаты. Синергетическая модель, которая показала наивысшую прогнозную силу, была построена путем комбинирования указанных моделей с использованием монотонных преобразований. Кроме того для получения количественной оценки кредитного риска была предложена методика трансформации рейтинговых оценок в вероятности дефолта на основе динамической исторической частоты дефолтов. Построение динамической рейтинговой шкалы также позволило выработать инвестиционную стратегию: российские банки с наивысшими рейтингами являются наиболее стабильными в течение первых двух лет после присвоения рейтинга, в то время как инвестирование в банки высокоспекулятивного класса целесообразно после двух лет от момента присвоения рейтинга.

 -Prediction Synergy of Banks’ Credit Risk Models

JEL: G17, G21, G24, G33, C23, C53, C58

Key words: credit risk, credit rating, rating agencies, probability of default, banks, multinomial ordered logit/probit models 

Abstract

The paper is aimed at comparing the divergence of existing credit risk models and creating a synergic model with superior forecasting power based on a rating model and probability of default model of Russian banks. The paper demonstrates that rating models, if applied alone, tend to overestimate credit risk of a bank, whereas probability of default models give underestimated results. As a result of the assignment of optimal weights and monotonic transformations to these models, the new synergic model of banks’ credit risks with higher forecasting power was obtained. Moreover, the output of the synergic model was calibrated into probability of default using the dynamic historic default frequencies in order to obtain a quantitative measure of credit risk. The construction of a dynamic rating scale also allowed us to develop an investment strategy: the most stable period of Russian banks with the highest ratings is the first two years after the rating assignment, while investing in highly speculative banks, on the contrary, is advisable after two years from the moment of a rating assignment. 

автореферата Хромова Э

№2020-101 23 сентября была сформирована программа Амек (amec.hse.ru), в рамках которой команда Исследовательской рабочей группы "Новации банковского сектора, его финансовой устойчивости и пруденциальное регулирование" выступят с докладами 7 и 21 октября.

October 7, 15:00 – 17:00. Track: Innovations in the banking sector – Chairperson: Alexander Karminsky

Доклады:
1. Kirill Romanyuk: Application of alternative date in credit scoring
2. Voytov N. Karminsky A.: Banking ecosystems in Russia and their modeling

Jel С73

Keywords banking, business ecosystem, evolutionary algorithm, ecosystem impact, agent-based simulation

Abstract

In this paper, the emergence of ecosystems is examined, namely of the so-called banking ecosystems. The existing literature on the issue is examined, main research areas and definitions are highlighted. Russia-based ecosystems are considered within the broader context of ecosystem enterprises of China and the US, and its distinct features are defined. Agent-based simulation and evolutionary algorithm are used to model the ecosystem development. The simulation results are deemed within the context of existing Russian ecosystems; on their basis policy implications are provided. The plausible scenarios of ecosystems evolvement are estimated, namely of banking ecosystems; areas of further studies are defined as well.

 

3.Egorov A.: Financial Innovation and Financial Risks

Jel G01, G32

Keywords Innovation, Digital Technologies, Financial Risks, Banking

Abstract

Innovation has the potential for more efficient resource allocation and economic growth. Innovation should be seen as a natural aspect of the work of a competitive system. In particular, digital technologies have the potential to mitigate key market constraints and failures that impede sustainable financing. Innovation can help increase efficiency and save money in all areas of activity. But they also create new problems and risks for the entire financial system. Therefore, the ideal approach is to find the right balance between maintaining the security and reliability of the system and allowing financial institutions and markets to fulfill their functions.

 

4.Arkhipova N.: Financial Innovations in CEE Countries

Jel G20, O32

Keywords CEE countries, banking systems, financial innovations

Abstract

Taking into account available literature and cases, one can subdivide financial innovations into several groups according to the criterion of what processes of banking business are the most affected: 1. Product an channel innovations, which touch ultimate clients of financial institutions, 2. Compliance-related innovations, which affect the ways how banks comply with the available regulations; 3. Risk-management innovations which affect capital and liquidity management decisions. In addition, one should also subdivide innovations which affect the whole business of financial institutions and enhance disintermediation. Research into the mentioned themes in CEE countries is important for two reasons: first, CEE countries’ banking systems have passed several periods in their development, and they have to find their niche in a new global financial environment, and second, those countries have an opportunity to implement best innovations in class and work as a piloting regions for larger scale players. Finally, financial innovations might give an impetus for creation of new businesses and re-load of types of financing existing companies, which is a long-term trend.


5. Orlova A.: Government support for innovative business in Russia

Jel G38

Keywords innovation, innovative activity, strategy, economic growth, government support

Abstract

In the modern world, the use of high technologies and innovations is one of the key tools for ensuring competitiveness and sustainable growth in the long term run. The innovative way of economic development is recognized by the leading world countries as the most promising direction. Leadership in the global economy and innovation are almost synonymous at the moment. At the same time, government support and stimulation of this process plays an important role in the implementation of disruptive technologies, scientific achievements and developments. The role of the government is not limited to sponsoring basic science and new developments. The government can identify priority areas, identify the most sensitive areas and industries, as well as promising companies, providing them with significant support. The author analyzes the main mechanisms of government support for innovation activity on the example of Russia. The forms, directions and types of government support are considered. An overview of the regulatory framework of innovative development is provided. An analysis of the effectiveness of government incentives in Russia is being carried out.

October 21, 15:00 – 17:00. Track: Innovations in the banking sector – Chairperson: Alexander Karminsky

Доклады:

1. Pomazonov M. Method of indirect estimation of default probability dynamics for industry-target segments according to the Bank of Russia

Jel E 44, C 49

Keywords probability of default, credit risk, macro-economic modelling, statistical filtering, overdue debts, the Bank of Russia

Abstract

The presented work considers the model of filtering the dynamics of default probability of corporate companies and other borrowers on the basis of indirect data on the dynamics of overdue debts supplied by the Bank of Russia (2009-2019). The model is based on the equation of the balance of aggregate and arrears in industry segments and the market as a whole, as well as the relationship of the corresponding time series using statistical Hodrick-Prescott filtering (also known as Hodrick-Prescott decomposition). A direct method of calculating default rates for industry and target corporate segments is not possible because there is a substantial lack of completeness of statistics. In retail lending segments (mortgage, consumer lending), default statistics are available and supplied by the Bureau of Credit Histories (NBCI). This statistics validates the method presented. Validation at a limited historical interval shows that the result is credible. The resulting default probability rows are exogenous variables for macro-economic modelling of industry credit risks.

2. Pomorina M., Oberemko T. Economic capital structure and bank financial risk aggregation model

Jel G21, G32, G38

Keywords Internal capital adequacy assessment procedures (ICAAP), material risks, total risk, economic capital model based on risks aggregation methods, limits based on the capital allocation.

Abstract

Banks must maintain a balance between their own capital and the level of accepted aggregate risk to ensure financial stability. This paradigm is expressed in terms of capital adequacy requirements to both the minimum capital required to cover regulatory risks and the risk capital required to fully cover bank's total risk (economic capital). Therefore, the Basel Committee on Banking Supervision requires banks to implement ICAAP procedures to ensure regular risk assessment and maintain a sufficient level of capital. The Basel Committee on Banking Supervision regularly analyzes the implementation of ICAAP by global systemically important banks (G-SIB). Following the results of the analysis, the Committee has identified a number of relevant development areas: selection of approach to aggregate different material risks, detection and allocation of risk capital taking into consideration the effect of diversification, and setting limits as a function of capital allocation by activities and types of risks. This section offers a solution to the problem. It presents a conceptual approach to determining economic capital structure, which is based on material risk identification and on the determination among them of financial risks, assessed using quantitative methods. We propose a simulation model of the bank’s economic capital corresponding to this structure and including material risk factors and financial result positions, which one associated with these factors and determined the material risks distribution weight in the economic capital model. The economic capital model makes it possible to assess the distribution of the bank’s total risk at different management levels (products - departments - total bank), disaggregate the available capital by products, business lines and types of risks and, on this basis, establish limits based on the distribution of capital in accordance with the Pilar-2 requirements of Basel II.

 

3. Pomazkin D., Egorov A. Assessment of the risk of a decrease in the customer base of banks in connection with the development of financial technologies

Jel G01, G32

Keywords Fintech, risk, banks, customer base, financial markets

Abstract

Due to the development of fintech, which provides comfortable access to financial markets for both corporate clients and individuals, banks may face risks associated with both a reduction in deposits and lending, which may lead to a reduction in profits. In this regard, it is advisable to build a socio-demographic client model and assess the proportion of individuals capable of independently managing the investment portfolio and the amount of funds that can be placed in securities. Given the potential growth of the stock market due to the low base effect and the growing number of new brokerage accounts, the flow of funds from deposits to the stock market may further increase. On the other hand, it is necessary to assess the reduction in lending in connection with the possible development of the corporate bond market.


4. Vasilieva A. Migration matrices as a tool for calculating the probability of default for the entire life of an asset

Jel B40, G21, F65

Keywords IFRS 9, expected credit losses, credit risk assessment stages, the matrix of migrations

Abstract

The crisis of 2008 clearly exposed the drawbacks of the global financial system. It was understood that credit risk assessment models should be based on expected credit losses (EL), and for a particular group of assets, the probability of default (as one of the main components involved in calculating EL) should be calculated over the entire life of the financial instrument. Such requirements have been implemented in the framework of the new international financial reporting standard (IFRS 9) worldwide since January 1, 2018. (Including Russian banking market). It means banks have to bring into line the current models for assessing credit risk. IFRS 9 is based on the expected credit loss (ECL) approach. The new business model radically changes the approach to reserve formation and takes into account the impact of macroeconomic indicators on their value. The purpose of the article is to build a model for estimating the probability for the entire life of assets in accordance with the requirements of IFRS 9. The development of this model is based on commercial Bank data, so both commercial banks and regulatory authorities in implementing projects to implement IFRS 9 can use the results and applied methods. The practical relevance of this work also determines its scientific novelty, since it represents one of the first studies in the field of long-term probability of default on real data of Russian commercial banks. The probability of default over the life of a financial instrument (life-time PD / lt PD) is determined based on migration matrices, and the approaches of rating agencies to calculate expected losses and the probability of default over long time horizons will also be described.

 

October 21, 17:30 – 19:30. Track: Innovations in the banking sector – Chairperson: Alexander Karminsky

Доклады:
1. Dyachkova N., Grishunin S. Rating agencies in the BRICS countries

Jel G21, G24, G32

Keywords Credit ratings, national rating agencies, BRICS, methodology comparison,  regulation

Abstract

The relevance of the scientific and practical report is based on the fact that it is necessary to monitor the ongoing changes in the regulation and practice of macroprudential supervision of the activities of national rating agencies (NRA), and it will be able to compare them for different countries with a similar level of economic development. A potential benefit from a comparative analysis of a large number of publications will be the identification and implementation of the most important changes in the activities of foreign and NRAs, and an assessment of their impact on local financial markets. Such impact is relevant for predicting financial shocks associated with the actions of the NRA. The scientific and theoretical significance of the results presented by papers of the comparative analysis and the preparation of the review is going to use the processing of large text database using text-based screening methods for a pool of scientific papers on NRA activities, their regulation and performance in the domestic financial markets of the BRICS countries. The object of the study is the theoretical and empirical papers of foreign and Russian authors on the study of differences in credit ratings and the regulation of the rating agencies. An important aspect of the work is the analysis of the competition between national and international rating agencies, including the impact of duopolistic and oligopolistic equilibriums and considering the optimal Pareto conditions for pricing of rating services, the payment problem (distance ratings vs. buying) for various types of ratings and the problem of ratings inflation according to BRICS financial markets.

 

2. Khromova E., Kudrov R, Karminsky A. Empirical modeling of international banks’ credit risk: assessment and comparison of credit ratings

Jel G21,G33

Keywords banks, credit risk, credit ratings, liquidity

Abstract

The work is devoted to credit risk modeling of international banks by constructing ordered logistic models of credit ratings assigned by the agencies: Moody's, Standard & Poor's and Fitch Ratings. Using a random sample of 478 banks from more than 40 countries for the period of 2007-2019, we obtain a credit rating model that can be effectively used to assess credit risk using publically availiable information, which is demonstrated with a help of out-of-sample forecasts of the obtained regression. The resulting model contains financial indicators of the bank's sustainability, macroeconomic indices and indicators of the state governance level. The quality of the model prediction is significantly improved by including interaction terms and applying the Principal Component Analysis (the share of correct forecasts increases by 9% for the class model and by 6% for the grade model). In addition using evaluation of marginal effects, the empirical evidence of the importance of maintaining a high level of liquidity by banks in times of crisis was found. At the same time the highest marginal effects of the whole sample time horizon were reached in factors of asset quality and size of a bank among all financial indicators included in the model.

 

3. Astakhova A., Grishunin S. Development of a rating system for prediction of credit risk and probability of default of Russian banks using machine learning models

Jel G21, G24, G32

Keywords Credit default prediction, Russian financial system, Ordered logit model, Artificial intelligence methods, Credit rating system.

Abstract

The paper compares the ability of various statistical methods to predict probability of default of Russian financial institutes based on the publicly available information; assesses the probability of defaults of Russian banks on the base of the best model and develops the credit rating scale for assessing creditworthiness of Russian financial institutions. These tasks are of primary importance for researchers and practitioners as the previous studies indicate that the credit risk assessment analysis differ using different performance criterions on different databases under different circumstances. The paper is aimed at filling the gap in the existing research as only very few efforts were focused on prediction of credit rating scale using artificial intelligence (AI) methods. The modelled variables are Russian banks at the year-end from 2015 till 2019 The sample included 859 observations. Large set of financial, non-financial, prudential and macroeconomic data is applicated. The set of statistical methods included logit regression (LR), classification and regression trees (CART), support vector machine methods (SVM), artificial neural network (ANN) and random forest (RF), Model Based Trees (Logistic), Lasso regression and Ensemble model. The resulting models were checked for in-sample and out-of-sample predictive fit. The model and the rating system have the significant practical importance in regulation and credit analysis in banks.

 

4. Egorova Al., Agaeva E., Barkhatov S., Lozovoy V. Comparison of empirical methods for modelling of credit ratings of machine building companies from developed and developing markets

Jel G21, G24, G32

Keywords credit rating forecasting, artificial intelligence methods, machine building industry

Abstract
The quantitative assessment of corporate borrowers’ credit quality is a task of current interest in the modern world. Our study is devoted to the determination of the best model for building credit rating systems and to the comparison of different approaches in terms of predictive power and the possibility of interpretation. The sample considered is represented by 107 engineering companies from both developed and developing countries over the period of 2005 – 2016. The explanatory variables consisted of both firm-specific and macroeconomic indicators. In our analysis we applied three methods: ordered logistic regression and two machine learning (ML) techniques (random forest and extreme gradient boosting). In the study we use two types of trimming the sample into the training set and the test set – randomly and taking the time factor into account. The overall results show that random splitting was more reasonable for the accuracy of the forecasts. Extreme gradient boosting has outperformed the other two models in the accuracy for both precise and imprecise predictions (with an error within one rating grade). The logit model has shown the worst results in terms of accuracy though it is superior to ML approaches regarding interpretation. We also find that adding broad economy variables does not improve the quality of the prediction which is presumably due to their delayed effect. This paper contributes to the existing research related to quantitative evaluation of credit risks.

 

 

№2020-100 Заседание  постоянного научного семинара  «Эмпирические исследования банковской деятельности», руководитель семинара проф. А.М. Карминский , Школа финансов НИУ ВШЭ состоялось  17.06.2020 г.   в онлайн формате (платформа Zoom).

Доклады:

1)‘All possible methods’: saving the Russian financial system in the 1899-1902 crisis

Докладчик: Лычаков Никита 

Научный сотрудник  НИУ ВШЭ

Abstract

Faced with a systemic financial crisis in 1899, the Russian State Bank went beyond the classical lender of last resort policy and implemented a multifaceted approach to crisis containment. Based on financial statement data and archival records on policy decisions, this paper analyzes the rescue operations and their effect. I find that the multifaceted approach was successful in maintaining price, employment, and financial stability. The evidence also suggests that the State Bank’s crisis response was identical to the types of policies employed over a century later by the Federal Reserve during the 2007-09 financial crisis.

 

2) Развитие банковских экосистем в России

Докладчик: Войтов Николай

Банковский аналитик

Аннотация: 

данное исследование посвящено одной простой мысли: банк не в состоянии развить собственную экосистему – в широком смысле этого понятия, включающую весь спектр потребительских услуг (XaaS, everything as a service). Кредитная организация, пусть и прекрасно технологически вооруженная, не в состоянии, с одной стороны, выдержать все требования регуляторов и акционеров, с другой, сохранить уникальное положение среди прочих отраслей, на что указывают и международный опыт, и результаты программной симуляции, проведенной в работе. Банки обладают возможностью, ради поддержания рентабельности бизнеса, развивать экосистемы в узком смысле этого слова, например, «экосистему корпоративного кредитования» (BaaS, banking as a service) – но это весьма и весьма общий завет, релевантный по отношению к любой другой отрасли национального хозяйства. Также в работе представлены рекомендации по развитию розничных (В2С) экосистем на основе альянсов и партнерств.

 

3) Долгосрочная оценка величины корпоративных кредитных требований банков на момент дефолта

Докладчик: Альфия Васильева

Аспирант третьего года

Дискурсант: Семяшкин Ефим

Аннотация: 

Данная работа ориентирована на разработку внутренних подходов к расчету базельского компонента оценки кредитного риска «Требования при дефолте (EAD) активов» за весь срок действия (жизни) финансового инструмента в соответствии с требованиями МСФО (IFRS) 9.

EAD за весь срок жизни финансового инструмента представляет собой набор оценок значений EAD с момента выдачи кредита или банковского продукта, подверженного кредитному риску до момента его полного погашения (наступления даты экспирации или иных событий согласно кредитному договору, свидетельствующих о завершении срока жизни финансового актива).

Для оценки EAD в рамках договоров с установленным лимитом (например, кредитная линия, овердрафт) и по договорам гарантий и аккредитивов используются 2 модели: модель EAD для балансовых финансовых инструментов (применяется к балансовой части) и модель CCF (применяется к внебалансовой части). Подход к моделированию CCF описан во второй части исследования.

Модель предназначена для оценки кредитного риска коммерческого банка, эмпирическая часть построена на базе данных Банка за срез времени с 2011 года по 2017 год.

В настоящее время тема данной работы крайне актуальна и может представлять интерес как для коммерческих банков, столкнувшихся с проблемой совершенствования моделей оценки кредитного риска в связи с новыми требованиями, появившимися к ним в связи с введением МСФО 9 с первого января 2018 г., так и для регуляторных органов и т.д.

Школа финансов,

НИУ ВШЭ

+8(495) 772-95-90*АТС 26003

 

№2019-99 Заседание научного семинара состоялось 20.05.2020 г.

Доклады:

1)Сравнительный анализ методов прогнозирования снижения процентной ставки по кредитам юридических лиц c фиксированной ставкой

Докладчик: Роман Бурехин

Аспирант НИУ ВШЭ

Аннотация:

При прогнозировании и планировании процентного дохода банк должен учитывать поведенческие особенности клиентов особенно в условиях волатильности ставок на рынке. Цель работы – прогнозирование снижения процентной ставки по кредитам юридических лиц c фиксированной ставкой. Для реализации поставленной цели в работе проводится анализ влияния поведенческих особенностей клиентов на ALM-риски банков; осуществляется сбор данных по кредитным договорам юридических лиц одного крупного банка и сбор необходимых макроэкономических показателей; сравниваются алгоритмы машинного обучения; оценивается влияние снижения процентных ставок по кредитам юридических лиц с фиксированной ставкой на процентный риск банка; рассматривается возможность внедрения данной модели в процессы бизнес-планирования /прогнозирования.

2)Моделирование кредитных рейтингов международных банков

Докладчик: Роман Кудров

4 курс МИЭФ, НИУ ВШЭ

Аннотация:

Наша работа посвящена созданию модели кредитных рейтингов международных банков из более чем 45 стран. На основе комплексного анализа научной литературы мы выделяем наиболее значимые факторы влияния на кредитные рейтинги рейтинговых агентств "большой тройки". Кроме того, мы добавляем несколько показателей, которые ранее не использовались для измерения уровня государственного управления. Объектом нашего исследования является кредитный риск, который может быть измерен с помощью кредитного рейтинга. В нашей работе мы также калибруем кредитные рейтинги на вероятность дефолта для точного измерения кредитного риска. На примере российских банков мы калибруем кредитные рейтинги на эмпирические дефолты и разрабатываем универсальный R-код, который может быть использован для калибровки рейтингов в различных странах. Наша статья расширяет существующую литературу по моделированию кредитных рейтингов.


№2019-98 Заседание научного семинара состоялось 24.04.2020 г.

Обсуждение рукописи книги

“Finance risk estimation and modelling in emerging market banking»,  подготовленной в рамках серии “Advanced Studies in Emerging Markets Finance”

для издательства Springer

(заседание 1, модератор – А.М. Карминский)

16.00 - 16:15 - Карминский А.М. 

Представление редакционного совета книги, авторского коллектива и структуры книги.

16.15 - 16.40 - Архипов Артем, Архипова Наталья.

Презентация Part I книги  Banks in emerging markets, состоящейизглав:

•Peculiarities and Trends of Banking Systems Development

•Regulation of Financial Risks in Emerging Markets in 21st Century

16.40-16.50 Дискуссанты – Н.В. Горелая, КарамышеваМ.Р. 

Обсуждение части и презентации 

16.50-17.15 Сергей Гришунин, Наталья Дьячкова

Презентация Part II книги ‘Ratings and Risk Measuring’, состоящейизглав:

•Principles of Rating Estimation in Emerging Countries

•Aggregation of rating systems for emerging financial markets

17.15-17.25 -  Дискуссант – Лапшин В.А.  

Обсуждение части и презентации 

17.25-17.50 - Дмитрий Памазкин 

Презентация Part V книги ‘Estimating and managing financial risks: actual trends in  emerging capital markets’, состоящейизглав:

•Innovation in developing countries risk estimation and management

•Dynamic fractal asset pricing model for financial risk evaluation

•Network model for estimation of retail payments risk: Russian experience

17.50-18.25 - Дискуссант –  Дранев Ю.Я.

Обсуждение части и презентации 

Идентификатор семинара в Zoom: 980-769-5789
Ссылка на мероприятие: https://finance.hse.ru/banking

ПРОШЕДШИЕ СОБЫТИЯ

2017-2018гг

ПРОШЕДШИЕ СОБЫТИЯ

2015-2016гг

ПРОШЕДШИЕ СОБЫТИЯ

2013-2014гг

ПРОШЕДШИЕ СОБЫТИЯ

2011-2012гг

ПРОШЕДШИЕ СОБЫТИЯ

2009-2010гг