- A
- A
- A
- АБB
- АБB
- АБB
- А
- А
- А
- А
- А
Школа финансов ВШЭ
119049 , 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)
ординарный профессор НИУ ВШЭ, доктор экономических наук, заслуженный работник высшей школы РФ
Школа финансов ВШЭ — лидирующий в стране центр компетенций в области корпоративных финансов, оценки стоимости, банковского дела, фондового рынка, управления рисками и страхования, учета и аудита.
Наш университет - первый в России в глобальном рейтинге "QS – World University Rankings by subject" (2022) в предметной области Accounting and Finance, а так же первый среди российских университетов в области Business & Management Studies.
Российские корпорации в новой реальности
Абрамов А. Е., Анилов А. Э., Гришунин С. В. и др.
М.: Издательский дом НИУ ВШЭ, 2024.
Journal of Corporate Finance Research. 2024. No. 3. P. 26-37.
Ивашковская И. В., Гришунин С. В.
В кн.: Российские корпорации в новой реальности. М.: Издательский дом НИУ ВШЭ, 2024. С. 30-50.
В печати
Станкевич В. С., Бетина М. С., Зеньков А. И. и др.
nomer-v-pechati. 16. Журнал «Финансы и Бизнес», 2024. № 1.
Анализ больших данных в страховании
Преподаватели
Программа дисциплины
Аннотация
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
- 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
- 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
- ЭкзаменВключены все темы, рассматриваемые на лекциях и семинарах.
- ПроектЗадание для самостоятельной работы выдается на группу из 2-3 студенто. Сутью задания является решение задачи с использованием языка Python. Задание выдается в виде документа «Описание проекта», в котором зафиксированы требования к результату, а также критерии оценивания. В отдельных случаях, при наличии у студента знаний в области анализа данных на языке Python и страхования, по согласованию с преподавателем, студент может выполнить задание по индивидуальному заданию повышенной сложности. В этом случае оценка за курс (промежуточная аттестация) проставляется по результатам оценивания его проекта (вес=0,7) + результат экзамена (вес=0,3), он освобождается от других элементов контроля.
- Активность на семинарах - периодический контроль в форме тестов
Промежуточная аттестация
- 2024/2025 3rd module0.2 * Активность на семинарах - периодический контроль в форме тестов + 0.5 * Проект + 0.3 * Экзамен
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.