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

109028, Москва,
Покровский бульвар, дом 11, каб. Т-614
(проезд: м. Тургеневская/Чистые пруды, Китай-город, Курская/Чкаловская)
тел: (495) 628-83-68

почта: fes@hse.ru 

Руководство
Первый заместитель декана Мерзляков Сергей Анатольевич
Заместитель декана по учебной работе Покатович Елена Викторовна
Заместитель декана по научной работе Веселов Дмитрий Александрович
Заместитель декана по международной деятельности Засимова Людмила Сергеевна
Заместитель декана по работе со студентами Бурмистрова Елена Борисовна

Исследовательский проектный семинар № 24

Описание проекта

Общая информация о проекте

Тип проекта

Практический; является подготовительным к серии исследований; возможно написания научной статьи.

Название проекта (на русском и английском языках)

Оценка рисков по высокочастотной биржевой информации: структурирование данных и реализация методов

Risk Assessment Using HF Trading Exchange Information: Structuring Data and Implementation of Methods

Инициатор проекта от НИУ ВШЭ

Школа финансов, НУЛ по финансовой инженерии и риск-менеджменту.

Курбангалеев Марат Зуфарович, старший преподаватель, младший научный сотрудник, mkurbangaleev@hse.ru

Инициатор проекта от компании (если есть)

На данном этапе нет, но возможно в последующих проектах.

Описание проекта (максимум 250 слов)

 

Глобальная цель проекта — организовать подробные данные о ходе торгов на бирже в виде базы данных и развернуть над ней инструментарий обращений к данным, анализа их структуры и качества, риск-аналитики и моделирования.

Отдельные задачи (этапы работы):

1.      Сбор данных большого объёма.

Результат: файлы с «сырыми» данными (текстовые или Excel-файлы и т.п.); практически данные есть в подписке ВШЭ или в открытом доступе.

Польза: знакомство с природой, смыслами и свойствами финансовых данных; практический опыт работы с разнообразными источниками данных, в том числе, освоение средств автоматического доступа и скачивание финансовой информации.

 

2.      Выбор адекватной структуры представления данных и их систематизация.

Результат: база данных с продуманной структурой, удобной для дальнейшего использования.

Польза:знакомство с современными СУБД; опыт проектирования, создания и пополнения базы данных, освоение языка запросов SQL, практика коллективной работы.

 

3.      Выбор, реализация и приложение инструментов анализа и обработки данных с учётом их объёма и других особенностей;

Результат: систематизированный набор программных средств и с описанием их возможностей и целей применения.

Польза: знакомство с современными программными средствами работы данными большого объема и размерности, в том числе на основе машинного обучения.

 

4.      Реализация инструментов оценки и визуализации рыночных рисков и рисков ликвидности по отдельным инструментам (их группам), на разных временных горизонтах, с использованием различных метрик.

Результат: программные коды с комментариями; формы автоматизированных отчётов с графиками, таблицами и всеми необходимыми проверками.

Польза: ознакомление с практикой измерения рисков в современных финансовых задачах; освоение и самостоятельная реализация программных инструментов количественной оценки рисков; практика автоматизации длительных и многоэтапных расчетов; опыт компактного, емкого и выразительного представления картины рисков.

 

Требования к студентам

Количество студентов на проекте

 

Принимаются студенты всех годов обучения, обладающие необходимыми навыками (см. требования).

Максимальное количество студентов на проект — 15 человек.

Требования к студентам - участникам проекта и критерии отбора

 

 

Написание курсовой работы в рамках проекта не обязательно, но рекомендуется. Обращаться к Курбангалееву М. З.

 

Знание языка SQL и основ организации и функционирования баз данных является преимуществом. Рекомендуются бесплатные онлайн курсы для самостоятельного обучения.

 

Опыт программированияна любом алгоритмическом языке программирования является преимуществом; особое предпочтение отдаётся кандидатам, владеющим Python.

 

Знакомство с основами машинного обучения или выбор соответствующего курса по выбору в текущем учебном году также является плюсом.

 

Для кандидатов, обучающихся на 4ом курсе, желательно посещение курса «Риск-менеджмент».

 



Регистрация на проект здесь