• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site
Contacts

119049 Moscow, Russia
11 Pokrovskiy boulevard, room S629

Phone:

+7 (495) 772-95-90*27447, *27947, *27190
+7 (495) 916-88-08 (Master’s Programme Corporate Finance)

- Email: df@hse.ru

finance@hse.ru 

Administration
Head of the School Irina Ivashkovskaya

Head of Corporate Finance Research Center, Dr., tenured professor

Manager Uliana Nepryakhina

+7 495-772-95-90 (add. 27190)

Senior Administrator Olesya Galyanina

+7 495-772-95-90 (add. 27447)

Administrator Tatyana Lipatova

+7 495-772-95-90 (add. 27947)

Administrator Irina Skobeleva

+7 495-772-95-90 (add. 27946)

Book
Systemic Financial Risk: An Emerging Market Perspective

Edited by: A. M. Karminsky, Mikhail Stolbov.

Palgrave Macmillan, 2024.

Article
Statistically distinguishable rating scales

Pomazanov M. V.

The Journal of Risk Model Validation. 2026. Vol. 20. No. 1. P. 1-24.

Book chapter
Beyond Claims: CSR Reports, ESG Initiatives, and the Consequences of Impressions Management; Empirical Analysis

Badr I., Rawnaa Ibrahim, Hussainey K.

In bk.: Opportunities and Risks in AI for Business Development. Vol. 2: 546. Bk. Opportunities and Risks in AI for Business Development. Prt. 636. Springer, 2025. P. 385-399.

Working paper
Climate Risk and Bank Liquidity Creation in MENA Region: A Dual Threshold–Quantile Approach

Zaiane S., Semenova M.

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

IT for Financials

2025/2026
Academic Year
RUS
Instruction in Russian
6
ECTS credits
Delivered by:
School of Finance
Type:
Mago-Lego
When:
3, 4 module

Instructor

Программа дисциплины

Аннотация

Курс посвящен освоению основных компетенций в сфере анализа финансовых данных средствами языков программирования. В рамках курса предлагается освоить на базовом уровне такие языки, необходимые для анализа данных, как Python, R и SQL. В рамках курса студенты освоят основные элементы синтаксиса языков, научатся получать данные из разных источников (файловая система, интернет, API, базы данных), осуществлять предобработку и анализ данных, в том числе графический, а также применят полученные знания на ряде финансовых задач, в том числе написании элементарного торгового робота. Дополнительный акцент в курсе сделан на оформлении кода и подготовке документации к нему.Курс имеет низкий порог входа, тем не менее, для успешного его освоения необходимо освоение базового бакалаврского курса высшей математики. Знакомство с программированием (на любых языках) будет плюсом, но не является необходимым для успешного освоения курса.
Цель освоения дисциплины

Цель освоения дисциплины

  • Получение основных компетенций в сфере анализа финансовых данных средствами языков программирования на языках R и Python
Планируемые результаты обучения

Планируемые результаты обучения

  • Уметь писать скрипты на языке R
  • Уметь писать скрипты на языке Python
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Базовые понятия языков программирования (R и Python)
  • Условные операторы и циклы (R и Python)
  • Функциональное программирование (R и Python)
  • Работа с таблицами и датафреймами (R и Python)
  • Визуализация данных (R и Python)
  • Статистический анализ (R и Python)
  • Получение данных из Интернета (R и Python)
  • Торговые стратегии
  • Бэк-тестирование торговых стратегий
  • Предобработка финансовых данных
  • Сравнительный анализ баз данных
  • Анализ текстовых данных
Элементы контроля

Элементы контроля

  • неблокирующий Мини-проекты
  • блокирует часть оценки/расчета Перекрестное рецензирование работ других студентов
Промежуточная аттестация

Промежуточная аттестация

  • 2025/2026 4th module
    0.45 * Мини-проекты + 0.45 * Мини-проекты + 0.1 * Перекрестное рецензирование работ других студентов
Список литературы

Список литературы

Рекомендуемая основная литература

  • Lewinson, E. (2020). Python for Finance Cookbook : Over 50 Recipes for Applying Modern Python Libraries to Financial Data Analysis. Packt Publishing.
  • Nelli, F. (2018). Python Data Analytics : With Pandas, NumPy, and Matplotlib (Vol. Second edition). New York, NY: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1905344
  • Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017
  • Python и анализ данных, Маккинни, У., 2015

Рекомендуемая дополнительная литература

  • R in action : Data analysis and graphics with R, Kabacoff, R. I., 2011
  • The art of R programming : a tour of statistical software design, Matloff, N., 2011

Авторы

  • Гаращук Глеб Викторович