Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.
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)
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.
V. S. Vinogradova.
The Journal of the New Economic Association. 2024. Vol. 62. No. 1. P. 171-195.
Hanif W., Teplova T., Rodina V. et al.
Resources Policy. 2023. Vol. 85. No. B.
Dergunov I., Curatola G.
Journal of Economic Behavior and Organization. 2023. Vol. 212. P. 403-421.
Kopyrina O., Stepanova A. N.
Economic Systems. 2023. Vol. 47. No. 2.
Vinogradova V.
Asian Academy of Management Journal of Accounting and Finance. 2023. Vol. 19. No. 2. P. 127-160.
Потапов А. И., Курбангалеев М. З.
Экономический журнал Высшей школы экономики. 2023. Т. 27. № 2. С. 196-219.
Sergei Grishunin, Alesya Bukreeva, Suloeva S. B. et al.
Risks. 2023. Vol. 11. No. 1.
Alyona Astakhova, Sergei Grishunin, Gennadii Pomortsev.
Journal of Corporate Finance Research. 2023. Vol. 17. No. 1. P. 5-16.
Kokoreva M. S., Stepanova A. N., Povkh K.
Foresight and STI Governance. 2023. Vol. 17. No. 1. P. 18-32.
Макушина Е. Ю., Малофеева Т. Н., Козиорова О. И. и др.
Вестник Московского университета. Серия 6: Экономика. 2023. № 1. С. 135-163.
Russian Journal of Money and Finance. 2023. Vol. 82. No. 2. P. 106-119.
Emerging Markets Finance and Trade. 2023. Vol. 59. No. 8. P. 2710-2726.
Управление финансовыми рисками. 2023. Т. 73. № 1. С. 18-29.
Fedorova E., Ledyaeva S., Kulikova O. et al.
Risk Analysis. 2023. Vol. 43. No. 10. P. 1975-2003.
Journal of Alternative Investments. 2023. Vol. 26. No. 1. P. 65-76.
Victoria Dobrynskaya, Dubrovskiy M.
International Finance Review. 2023. Vol. 22. P. 95-111.
В последнюю неделю осени 2014 Москву посетил Александр Григорьев (Маастрихт). В рамках его визита состоялся ряд мероприятий для студентов магистерских программ и для научных сотрудников департамента финансов
Александр выступил для студентов магистерской программы "Стратегические финансы фирмы" и "Финансовые рынки и финансовые институты"
Title: Monte-Carlo simulations for finance problems using Maastricht University Simulation Tool
Abstract: Using an extremely simple case from a standard textbook, we show the power and shortcomings of the Monte-Carlo simulation applied to a finance problem. For a simulation software we use a very intuitive and easy-to-run (homemade) Microsoft Excel Add-In called "Maastricht University Simulation (UMS) Tool". Using the tool, we first solve the textbook exercise. Then, we consider possible extensions of the case and discuss implementability of the extended models in UMS (actually, in any market available simulation software).
скачать презентацию (PDF, 772 Кб)
Так же в рамках визита гостевого профессора состоялся научно-исследовательский семинар для научных сотрудников департамента.
Title: Applications of Big Data Analytic in Finance
Abstract: We discuss new trends and needs in Data Analytic applied to the problems in general and corporate finance. In particular, we consider classification, clustering and ranking problems on Big Data, providing insights on complexity of the problems and algorithmic tools to tackle them. We also briefly address Big Data forecasting techniques and Big Data simulation tools with potential applications in corporate finance.
скачать презентацию (PDF, 628 Кб)