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

109028, Moscow,
Pokrovsky Boulevard 11, Rooms: S1029, S1030
Phone: +7 (495) 772-95-90*27172, 27173, 27174

Department Administration
Department Head Alexander Tarasov

PhD, Penn State University

Deputy Head Svetlana Seregina
Senior Administrator Zulikhan Ibragimbeili
Senior Administrator Natalia Baibouzenko
Administrator Marina Yudina
Article
A sentiment-based financial stress index for Russia
In press

Shchepeleva M., Stolbov M.

Borsa Istanbul Review. 2025. P. 1-10.

Book chapter
Evaluation of the Degree of Manipulability of Positional Aggregation Procedures in a Dynamic Voting Model

Karabekyan D., Yakuba V. I.

In bk.: Human-Centric Decision and Negotiation Support for Societal Transitions: 24th International Conference on Group Decision and Negotiation, GDN 2024, Porto, Portugal, June 3–5, 2024, Proceedings. Cham: Springer, 2024. P. 102-113.

Working paper
Scoring and Favoritism in Optimal Procurement Design

Andreyanov P., Krasikov I., Suzdaltsev A.

arxiv.org. Theoretical Economics. Cornell University, 2024

Big Data in Macroeconomic Analysis

2024/2025
Academic Year
RUS
Instruction in Russian
3
ECTS credits
Type:
Elective course
When:
4 year, 2 module

Instructor

Программа дисциплины

Аннотация

Курс ориентирован на важнейшие примеры практического использования «больших данных» и методов машинного обучения в контексте макроэкономического анализа. Рассматриваются достоинства и недостатки предложенных подходов, намечаются возможные направления их совершенствования и развития.
Цель освоения дисциплины

Цель освоения дисциплины

  • Основная цель курса – ознакомление студентов с существующим опытом использования «больших данных» и методов машинного обучения для макроэкономического анализа. Для освоения учебной дисциплины студенты должны быть знакомы с основами макроэкономики, иметь представление о методах машинного обучения и обладать первоначальным опытом статистического анализа данных. В результате освоения дисциплины студент должен: сформировать ясное представление об основных достижениях в области использования «больших данных» и методов машинного обучения в контексте макроэкономического анализа; приобрести опыт интерпретации и оценки перспектив практического применения индикаторов, полученных на основе «больших данных» и методов машинного обучения, для анализа макроэкономической динамики.
Планируемые результаты обучения

Планируемые результаты обучения

  • Умеет ориентироваться в существующих подходах к классификации различных типов «больших данных».
  • Имеет представление о потенциальных источниках ежедневных и недельных финансовых и экономических данных
  • Имеет представление о возможностях использования методов цифровой обработки текстов для макроэкономического анализа
  • Имеет представление о возможностях использования инструментов Google-trends и Wordstat для макроэкономического анализа.
  • Имеет представление о альтернативных индексах инфляции, в том числе, о возможностях использования инструментов веб-скрапинга для макроэкономического анализа
  • Ориентируется в имеющихся подходах к исследованию рынка труда на основе «больших данных»
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Статистические, опросные и «большие» данные в макроэкономическом анализе. Типы «больших данных». ) Высокочастотные (ежедневные и недельные) макроиндикаторы.
  • Показатели экономической активности, основанные на анализе текстов (аудио, видео)
  • Показатели экономической активности, основанные на статистике запросов в поисковых системах
  • Альтернативные индексы инфляции
  • Исследования рынка труда на основе интернет-данных
  • Макроиндикаторы, основанные на космических снимках земной поверхности
  • Применение методов машинного обучения в макроэкономическом анализе
Элементы контроля

Элементы контроля

  • неблокирующий Семинары
  • неблокирующий Доклад
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 2nd module
    0.4 * Доклад + 0.3 * Семинары + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • The elements of statistical learning : data mining, inference, and prediction, Hastie, T., 2017

Рекомендуемая дополнительная литература

  • Банк России. Книга1: ., Голикова, Ю. С., 2000

Авторы

  • Смирнов Сергей Владиславович
  • Мальбахова Диса Анзоровна