Data Analysis for Banking

2026/2027

Academic Year

ENG

Instruction in English

3

ECTS credits

Delivered by:

School of Finance

Type:

Elective course

When:

1 year, 3 module

Course Syllabus

Abstract

The goal of the course is to give students the opportunity to explore data-related professions (data analyst, financial analyst, credit analyst, ML engineer, data engineer, product and project manager), develop analytical skills, build a coding foundation to prepare for potential technical interviews, and delve into finance-related theory from a practical perspective. By the end of the course, students should have improved their data analysis skills and gained a better understanding of how to apply these skills, which will be useful both in a professional setting when looking for a job and in an academic setting when analyzing data for a thesis or research paper.

Learning Objectives

• Цель курса – дать студентам возможность погрузиться в профессии, связанные с данными (дата-аналитик, финансовый аналитик, кредитный аналитик, ML-инженер, дата-инженер, продакт- и проджект-менеджер), развить аналитические способности, поставить кодовую базу для прохождения возможных технических интервью и погрузиться в теорию, связанную с финансами с точки зрения практики. На выходе после курса студент должен повысить свой навык работы с данными и понимание возможностей применения этих навыков, что будет полезно и в профессиональной среде при поиске работы, и в академической при анализе данных для диссертации или статьи.

Expected Learning Outcomes

• Уметь строить базовые модели (линейная регрессия, дерево), понимать структуру финансовой отчетности компаний, понимать принципы расчета PD. Улучшение позиций студента при прохождении интервью на позицию кредитного аналитика, финансового аналитика, аудитора/консультанта по финансовому сектору. Понимать характеристики банковских продуктов, работы финансовых институтов, их влияния на экономику и финансы.

Course Contents

• Introduction to Python
• Database Structure
• Corporate data and company valuation
• Analyzing the Economics of Banks and Financial Institutions
• Financial data for experiments (A/B testing, Causal Inference)
• Data Visualization
• API Operation Principles
• Using AI to Work with Financial Data
• Strategic Frameworks for Financial Companies

Assessment Elements

• Лабораторная работа
• Case Study
• Quiz

Interim Assessment

• 2026/2027 3rd module
  0.3 * Quiz + 0.6 * Лабораторная работа + 0.1 * Case Study

Bibliography

Recommended Core Bibliography

• Python и анализ данных : первичная обработка данных с применением pandas, NumPy и Jupiter, Маккинни, У., 2023

Recommended Additional Bibliography

• Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017

Authors

• TOMTOSOV ALEKSANDR FEDOROVICH