• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

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)

Руководство
Руководитель Ивашковская Ирина Васильевна

ординарный профессор НИУ ВШЭ, доктор экономических наук, заслуженный работник высшей школы РФ

Школа финансов: Менеджер Непряхина Ульяна Викторовна

+7 495 772 95 90 (доб. 27190)

Школа финансов: Аналитик Осовский Александр Алексеевич

+7 495 772 95 90 (доб.27446)
+7 968 418 78 86

Мероприятия
Статья
International capital markets with interdependent preferences: Theory and empirical evidence

Dergunov I., Curatola G.

Journal of Economic Behavior and Organization. 2023. Vol. 212. P. 403-421.

Статья
Patterns of value creation in strategic acquisitions for growth
В печати

Vinogradova V.

Asian Academy of Management Journal of Accounting and Finance. 2023.

Статья
Сравнение подходов к оценке риска со стороны центрального контрагента

Потапов А. И., Курбангалеев М. З.

Экономический журнал Высшей школы экономики. 2023. Т. 27. № 2. С. 196-219.

Статья
Developing a Scoring Credit Model Based on the Methodology of International Credit Rating Agencies

Alyona Astakhova, Sergei Grishunin, Gennadii Pomortsev.

Journal of Corporate Finance Research. 2023. Vol. 17. No. 1. P. 5-16.

Статья
The New Strategy of High-Tech Companies – Hidden Sources of Growth

Kokoreva M. S., Stepanova A. N., Povkh K.

Foresight and STI Governance. 2023. Vol. 17. No. 1. P. 18-32.

Статья
Нефинансовые факторы эффективности фармацевтических компаний в России

Макушина Е. Ю., Малофеева Т. Н., Козиорова О. И. и др.

Вестник Московского университета. Серия 6: Экономика. 2023. № 1. С. 135-163.

Статья
Time to Extend Credit? Bank Credit Lines During the COVID-19 Pandemic in Russia

Semenova M., Popova P.

Russian Journal of Money and Finance. 2023. Vol. 82. No. 2. P. 106-119.

Статья
Do Smart Depositors Avoid Inefficient Bank Runs? An Experimental Study

Semenova M.

Emerging Markets Finance and Trade. 2023. Vol. 59. No. 8. P. 2710-2726.

Статья
Cryptocurrency Momentum and Reversal
В печати

Dobrynskaya V. V.

Journal of Alternative Investments. 2023. P. 00-00.

Статья
Cryptocurrencies Meet Equities: Risk Factors and Asset-pricing Relationships

Victoria Dobrynskaya, Dubrovskiy M.

International Finance Review. 2023. Vol. 22. P. 95-111.

Моделирование поведения розничных заёмщиков банка

14 февраля, в рамках научно-исследовательского семинара «Эмпирические исследования банковской деятельности» Школы финансов, были представлены результаты исследования Косарева В.Р., аспиранта Школы финансов факультета экономических наук НИУ ВШЭ: Моделирование поведения розничных заёмщиков банка

pixabay.com

pixabay.com

На вопросы корреспондента Школы финансов о содержании исследования ответил аспирант Школы финансов Косарев Владислав Романович

Какие входные данные вы используете для предсказания платежного поведения заемщика?

Для предсказания платежного поведения нужны достаточно детальные данные о ссуде, а именно количество платежей, которое вносит клиент в счёт погашения его ссуды.

Какой процент достоверности (точности) предсказания платежного поведения заемщика?

Сейчас точность предсказания довольно скромная — 45%, такие результаты никого не устраивают, но благодаря использованию более подходящих техник моделирования (finite mixture regression models) их можно улучшить. На мой взгляд, ошибка должна снизиться до 20 и менее процентов.

Вы предлагаете несколько способов применения предсказания платежного поведения заемщика, а в каком направлении на ваш взгляд есть наибольшие перспективы развития? И почему?

Первый метод, про который я рассказывал — это «в лоб» моделирование количества платежей. В ней есть очевидные преимущества — зная количество платежей можно получить все что угодно, в т.ч. точно рассчитать ожидаемый денежный поток. Недостаток здесь в том, что для моделирование такой величины стандартные эконометрические техники не подходят ввиду того, что распределение является мультимодальным.
Вторая — моделирование вероятности того, что по ссуде будет внесён 0, 1, 2, 3 и так далее платежей. В ней с точки зрения эконометрического моделирования ситуация неоднозначная. С одной стороны, достаточно использовать мультиномиальную регрессию, но с другой стороны непонятно каким количеством платежей ограничиваться — какое количество вероятностей моделировать 10 или 50?


Корреспондент Школы финансов Альмира Жадигерова