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

Школа финансов Факультета экономических наук НИУ ВШЭ

119049 Москва, Покровский бульвар, 11, S629

Контакты:
Школа финансов: df@hse.ru      +7 (495) 772-95-90 *27447, *27190, *27947

По вопросам Бизнес-образования:  finance@hse.ru   +7 (495) 621-91-92

Магистерские программы:       "Корпоративные финансы",       "Магистр аналитики бизнеса"

Руководитель Школы финансов Ивашковская Ирина Васильевна

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

Менеджер Непряхина Ульяна Викторовна

+7 495 772 95 90 *27190

Старший администратор Галянина Олеся Владимировна

+7 495-772-95-90 *27447

Администратор Липатова Татьяна Геннадьевна

+7 495-772-95-90 *27947

Администратор Скобелева Ирина Андарбековна

+7 495-772-95-90 *27946

Мероприятия
Глава в книге
Структура собственности и корпоративный контроль в России: новые тенденции

Степанова А. Н.

В кн.: Российские корпорации на пути к антихрупкости. Финансовая архитектура компаний. М.: Издательский дом НИУ ВШЭ, 2025. Гл. 1. С. 15-26.

Препринт
Momentum Factor or Factor Momentum in REITs Market?

Dobrynskaya V. V., Tomtosov A., Речмедина С.

SERIES: FINANCIAL ECONOMICS. WP BRP 60/FE/2017. НИУ ВШЭ, 2025

НИС "Эмпирические исследования банковской деятельности"

Мероприятие завершено

23 апреля 2025г. в 18:10 состоится НИС «Эмпирические исследования банковской деятельности», где выступят бакалавр 4 курса Щербакова О.С. (под руководством к.э.н. Моргунова А.В.) и аспирант 2 курса Меловацкий А.Д. (под руководством д.э.н. Дранева Ю.Я.)

Докладчики: 

Щербакова О.С. (под руководством к.э.н. Моргунова А.В.)

"Оценка потерь от кредитного риска для корпоративных заемщиков с использованием методов машинного обучения"

В рамках данного исследования были оценены ожидаемые потери при дефолте (ECL) корпоративных заемщиков для отрасли производство товаров потребительского спроса (FMCG) для создания резервов согласно стандартам МСФО 9. При помощи различных методов машинного обучения было построено несколько моделей вероятности дефолта и оценены предсказательные способности каждой из них. Далее была построена модель LGD для этих же заемщиков. Данные состоят из финансовых показателей компаний за 2016-2023 годы, а также из различных макроэкономических данных. Финансовые показатели были взяты из источника СПАРК Интерфакс. В результате данного исследования определе ны факторы, оказывающие наибольшее влияние на возникновение дефолта и построены модели оценки потерь для целей резервирования и ценообразования

 Меловацкий А.Д. (под руководством д.э.н. Дранева Ю.Я.)

"Моделирование эффектов технологического развития для поддержки принятия стратегических решений на российских нефтегазодобывающих предприятиях"

Нефтегазовый сектор, являясь основой экономики России и ключевым источником экспортных доходов, сталкивается с комплексными вызовами, обусловленными ростом доли трудноизвлекаемых запасов (ТРИЗ) углеводородов и беспрецедентными санкционными ограничениями. Эти факторы создают угрозу долгосрочной рентабельности добычи, требуя от компаний пересмотра стратегий технологического развития и оптимизации инвестиций в инновации. В условиях ограниченного доступа к зарубежным технологиям, необходимым для освоения ТРИЗ, актуализируется задача моделирования эффектов технологических изменений для формирования адаптивных стратегий. Целью данного исследования является разработка методологии моделирования технологических эффектов, направленной на поддержку принятия стратегических решений российскими нефтегазодобывающими предприятиями в контексте санкционных рисков. В фокусе работы — анализ влияния расходов на НИОКР на операционную эффективность, финансовую устойчивость и адаптационный потенциал компаний.  Предлагается модифицированная модель реальных опционов с учетом специфики ТРИЗ и санкций. Методологическая база исследования объединяет методы сравнительного анализа, экономико-математическое моделирование, сценарное прогнозирование и верификацию данных на основе исторических показателей и экспертных оценок. Особое внимание уделено анализу больших данных, отражающих динамику расходов на НИОКР и влиянию санкций на ключевые проекты. Результаты исследования позволяют оптимизировать распределение ресурсов на НИОКР, сфокусировавшись на приоритетных технологических направлениях, таких как повышение нефтеотдачи пластов, цифровизация добычи и локали зация критически важных технологий. 

Семинар пройдет в дистанционном формате.
Ссылка МТС Линк: https://my.mts-link.ru/j/81570443/729031211/stream-new/2091187276