• 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*27447, *27190, *27947 (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

Школа финансов: Менеджер Непряхина Ульяна Викторовна

+7 495 772 95 90 (доб. 27190)

Школа финансов: Администратор Райн Анна Сергеевна

+7495-772-95-90 (доб. 27447)

Школа финансов: Администратор Липатова Татьяна Геннадьевна

+7495-772-95-90 (доб. 27947)

Школа финансов: Аналитик Осовский Александр Алексеевич

+7 495 772 95 90 (доб.27446)
+7 968 418 78 86

Статья
The upside-down world of value capture. Do companies in technology sector follow the principles of profitable growth?

V. S. Vinogradova.

The Journal of the New Economic Association. 2024. Vol. 62. No. 1. P. 171-195.

Статья
International capital markets with interdependent preferences: Theory and empirical evidence
В печати

Dergunov I., Curatola G.

Journal of Economic Behavior and Organization. 2023. Vol. 212. P. 403-421.

Статья
Patterns of value creation in strategic acquisitions for growth

Vinogradova V.

Asian Academy of Management Journal of Accounting and Finance. 2023. Vol. 19. No. 2. P. 127-160.

Статья
Сравнение подходов к оценке риска со стороны центрального контрагента

Потапов А. И., Курбангалеев М. З.

Экономический журнал Высшей школы экономики. 2023. Т. 27. № 2. С. 196-219.

Статья
Developing a Scoring Credit Model Based on the Methodology of International Credit Rating Agencies

Alyona Astakhova, Sergei Grishunin, Gennadii Pomortsev.

Journal of Corporate Finance Research. 2023. Vol. 17. No. 1. P. 5-16.

Статья
The New Strategy of High-Tech Companies – Hidden Sources of Growth

Kokoreva M. S., Stepanova A. N., Povkh K.

Foresight and STI Governance. 2023. Vol. 17. No. 1. P. 18-32.

Статья
Нефинансовые факторы эффективности фармацевтических компаний в России

Макушина Е. Ю., Малофеева Т. Н., Козиорова О. И. и др.

Вестник Московского университета. Серия 6: Экономика. 2023. № 1. С. 135-163.

Статья
Time to Extend Credit? Bank Credit Lines During the COVID-19 Pandemic in Russia

Semenova M., Popova P.

Russian Journal of Money and Finance. 2023. Vol. 82. No. 2. P. 106-119.

Статья
Do Smart Depositors Avoid Inefficient Bank Runs? An Experimental Study

Semenova M.

Emerging Markets Finance and Trade. 2023. Vol. 59. No. 8. P. 2710-2726.

Статья
Cryptocurrency Momentum and Reversal

Victoria Dobrynskaya.

Journal of Alternative Investments. 2023. Vol. 26. No. 1. P. 65-76.

Статья
Cryptocurrencies Meet Equities: Risk Factors and Asset-pricing Relationships

Victoria Dobrynskaya, Dubrovskiy M.

International Finance Review. 2023. Vol. 22. P. 95-111.

Анализ больших данных в страховании

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
3
Кредиты
Кто читает:
Школа финансов
Статус:
Курс по выбору
Когда читается:
3-й курс, 3 модуль

Преподаватели

Программа дисциплины

Аннотация

Целью учебной дисциплины «Анализ больших данных в страховании» является ознакомление бакалавров с современными методами работы с данными в страховании на разных этапах жизненного цикла страхового продукта, изучение их возможностей и ограничений, получение представления об особенностях задач анализа данных в страховании и навыков построения моделей с использованием языка Python.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью учебной дисциплины «Анализ больших данных в страховании» является ознакомление бакалавров с современными методами работы с данными в страховании на разных этапах жизненного цикла страхового продукта, изучение их возможностей и ограничений, получение представления об особенностях задач анализа данных в страховании и навыков построения моделей с использованием языка Python.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать структуру и состав данных в страховании
  • Знать форматы данных, возникающих в страховых задачах
  • Владеет навыками постановки задач
  • Умеет формировать структуру данных и моделей
  • Знает методы и модели, применяемые в целях анализа
  • Умеет применять модели к различным данным, анализировать получаемые результаты
  • Умеет использовать Python для моделирования
  • Знает подходы к оптимизации/модификации данных и моделей
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Структуры данных в страховании.
  • Тема 2. Постановка задачи и формирование структуры для последующего анализа
  • Тема 3. Обзор моделей машинного обучения, применяемых для решения различных задач в страховании. (параметрические и непараметрические методы)
  • Тема 4. Введение дополнительных параметров в модели
Элементы контроля

Элементы контроля

  • неблокирующий Групповой проект
    Контроль выполнения осуществляется на практических занятиях
  • неблокирующий Итоговый тест
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 3 модуль
    0.7 * Групповой проект + 0.3 * Итоговый тест
Список литературы

Список литературы

Рекомендуемая основная литература

  • Введение в эконометрику : учебник для вузов, Доугерти, К., 2010
  • Путеводитель по современной эконометрике : учеб.- метод. пособие для вузов, Вербик, М., 2008

Рекомендуемая дополнительная литература

  • Практическая эконометрика в кейсах : учеб. пособие / В.П. Невежин, Ю.В. Невежин. — М. : ИД «ФОРУМ» : ИНФРА-М, 2019. — 317 с. + Доп. материалы [Электронный ресурс; Режим доступа: http://www.znanium.com]. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/20052.