We use cookies in order to improve the quality and usability of the HSE website. More information about the use of cookies is available here, and the regulations on processing personal data can be found here. By continuing to use the site, you hereby confirm that you have been informed of the use of cookies by the HSE website and agree with our rules for processing personal data. You may disable cookies in your browser settings.

  • 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, 27174, 27601, 28270 

Department Administration
Department Head Alexander Tarasov

PhD, Penn State University

Deputy Head Svetlana Seregina
Senior Administrator Elizaveta Volodina
Senior Administrator Natalia Baibouzenko
Administrator Marina Yudina
Article
Coherent domains and improved lower bounds for the maximum size of Condorcet domains

Karpov A. V., Markström K., Riis S. et al.

Discrete Applied Mathematics. 2025. Vol. 370. P. 57-70.

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

Contacts

109028, Moscow,
Pokrovsky Boulevard 11, Rooms: S1029, S1030
Phone: +7 (495) 772-95-90*27172, 27174, 27601, 28270 

Department Administration
Department Head Alexander Tarasov

PhD, Penn State University

Deputy Head Svetlana Seregina
Senior Administrator Elizaveta Volodina
Senior Administrator Natalia Baibouzenko
Administrator Marina Yudina

Big Data in Macroeconomic Analysis

2024/2025
Academic Year
RUS
Instruction in Russian
3
ECTS credits
Type:
Elective course
When:
3 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