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

School of Finance              Faculty of Economic Sciences   HSE University 

119049 Moscow, Russia
11 Pokrovsky Bulvar, S629

School of Finance: df@hse.ru      +7 (495) 772-95-90 *27447, *27190, *27947

Master’s Programmes:  Corporate Finance,           Master of Business Analytics

 

Head of the School of Finance Irina Ivashkovskaya

Doctor of Sciences in Finance, Tenured Professor, Head of Corporate Finance Center

Manager Uliana Nepryakhina

+7 495-772-95-90 *27190

Senior Administrator Olesya Galyanina

+7 495-772-95-90 *27447

Administrator Tatyana Lipatova

+7 495-772-95-90 *27947

Book
Systemic Financial Risk: An Emerging Market Perspective

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

Palgrave Macmillan, 2024.

Book chapter
The Impact of Sanctions on the Financial Performance and Creditworthiness of Russian Non-Financial Companies

Dobrynina Polina, Grishunin S.

In bk.: The 12th International Conference on Information Technology and Quantitative Management (ITQM 2025). Netherlands: ScienceDirect, 2025. P. 166-174.

Working paper
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

IT for Financials

2026/2027
Academic Year
RUS
Instruction in Russian
6
ECTS credits
Delivered by:
School of Finance
Type:
Mago-Lego
When:

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

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

Промежуточная аттестация

  • 2026/2027 4th module
    0.1 * Перекрестное рецензирование работ других студентов + 0.45 * Мини-проекты
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