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.
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
Общая информация о проекте | |
Тип проекта |
Прикладной |
Название проекта (на русском и английском языках) |
Разработка алгоритма для одновременного решения и оценки DSGE модели (An algorithm for simultaneous solving and estimating DSGE model) |
Инициатор проекта от НИУ ВШЭ |
Мамедли Мариам Октаевна, МЛ макроэкономического анализа |
Инициатор проекта от компании (если есть) |
Банк России; Селезнев Сергей Михайлович, начальник отдела экономических исследований с использованием «Больших данных», seleznevsm@cbr.ru |
Описание проекта (максимум 250 слов)
|
В последние десятилетия DSGE-модели являются рабочей лошадкой как в академических кругах, так и среди центральных банков, однако, несмотря на их популярность современные методы их решения и оценки либо вычислительно сложны, либо позволяют работать с только линейными аппроксимациями. Целью этой работы является разработка алгоритма, который позволит получать глобальное решение модели, одновременно оценивая ее, что позволит сократить время получения оцененной модели до O(N+T), где N и T – время оценки и решения модели для заданных параметров. В результате мы также планируем получить библиотеку, имплементирующую данный алгоритм. |
Требования к студентам | |
Количество студентов на проекте
|
3 студента: Курс не важен при наличии соответствующих знаний. |
Требования к студентам - участникам проекта
|
Написание курсовой не является обязательным требованием. Все участники: Базовые знания Python. 1й участник: Байесовская статистика. 2й участник: Алгоритмы решения DSGE-моделей. 3й участник: Reinforcement learning, Tensorflow/PyTorch. |