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
В статье представлен ретроспективный анализ макроэкономической политики и макроэкономических реформ в постсоветских странах за период 1992— 2021 гг., после обретения ими политической и экономической независимости в конце 1991 г. Особое внимание уделено проблемам макроэкономической стабилизации и экономического роста. Под влиянием унаследованных от советской экономики структурных перекосов, а также медленных темпов экономических и институциональных реформ страны бывшего СССР испытали особенно длительный и глубокий спад в 1990-е годы, а их посттрансформационный подъем в 2000-е оказался не таким длительным. Более того, они сохраняют уязвимость перед не только внутренними, но и внешними экономическими шоками. С учетом плохой предсказуемости постковидных глобальных экономических тенденций эта уязвимость, скорее всего, не исчезнет в ближайшие годы.
An explanation of the Dunning–Kruger effect is provided which does not require any psychological explanation, because it is derived as a statistical artifact. This is achieved by specifying a simple statistical model which explicitly takes the (random) boundary constraints into account. The model fits the data almost perfectly
In our paper we discuss how different personal characteristics of a CEO, being affected by CEO power, may in turn affect personal risk-taking. Agency theory states that managers have non-changing risk preferences and are either risk-averse or risk-neutral. In contrast to that, there may be cases, when managers are risk-seekers and power of executives is positively related to excessive risk-taking. Therefore, our aim is to focus specifically on factors that connect CEO power with CEO risk-taking and to analyze possible effects of that relationship on firm. Based on both psychological and managerial studies, we conclude that, on the one hand, CEO’s power can affect CEO’s personal traits by producing (in the case of overconfidence or hubris) or by enhancing them (in case of narcissism). On the other hand, CEO’s personal traits affect CEO’s risk-taking. It can be either by changing the perception of risk or because of behavior patterns inherent to those traits. Finally, we hypothesize that CEO power can affect CEO personal risk-taking through personality traits. By examining relationship between CEO power and CEO risk-taking based on individual-level determinants, our paper adds to the behavioral corporate finance and corporate governance literature.
Целью данного исследования является сравнение предсказательной способности различных моделей машинного обучения для воспроизведения кредитных рейтингов Moody’s, присвоенных машиностроительным компаниям. Исследование закрывает целый ряд пробелов в знаниях, обнаруженных в литературе и связанных с выбором объясняющих переменных и формированием выборки данных для моделирования. Решаемая задача является актуальной. Наблюдается растущая потребность в высокоточных, но недорогих моделях воспроизведения кредитных рейтингов машиностроительных компаний (внутренних кредитных рейтингов). Это связано с постоянным ростом кредитных рисков компаний в отрасли, а также с ограниченным количеством присвоенных публичных рейтингов от международных рейтинговых агентств из-за высокой стоимости рейтингования. В статье сравнивается предсказательная сила трех моделей машинного обучения: упорядоченной логистической регрессии, случайного леса и градиентного бустинга. Выборка компаний включает 109 предприятий машиностроительной отрасли из 18 стран за период с 2005 по 2016 год. В качестве объясняющих переменных используются финансовые показатели компаний, соответствующие отраслевой методологии Moody’s, и макроэкономические показатели стран базирования компаний. Результаты показали, что наибольшей предсказательной способностью обладают модели искусственного интеллекта. Модель случайного леса продемонстрировала точность предсказания 50%, модель градиентного бустинга – 47%. Их предсказательная способность практически в два раза превосходит точность упорядоченной логистической регрессии (25%). Помимо этого, в статье протестированы два различных способа формирования выборки: случайно и с учетом фактора времени. Результат показал, что применение случайной выборки увеличивает предсказательную силу моделей. Включение в модель макроэкономических переменных не улучшает их предсказательную силу. Объяснение заключаться в том, что рейтинговые агентства для обеспечения стабильности рейтинговых оценок следуют подходу «через цикл». Результаты исследования могут быть полезны для исследователей, занятых оценкой точности эмпирических методов моделирования кредитных рейтингов, а также практиков в банковской отрасли, непосредственно использующих такие модели для оценки кредитоспособности машиностроительных компаний.
Стратегическая близорукость, следование фирмой краткосрочным практикам стратегического управления, ограничивает инвестиции в физический и интеллектуальный капитал. Инвесторы и менеджеры должны своевременно идентифицировать и противодействовать таким практикам. Однако существующие академические и практические исследования упускают из виду проблему краткосрочности на развивающихся рынках, не приводят надежные показатели стратегической близорукости или рассматривают только финансовые показатели в существующих индикаторах горизонта управления. В этой статье авторы ликвидировали некоторые пробелы в исследованиях и построили индекс относительного горизонта, который оценивает стратегическую ориентацию публичных нефинансовых компаний из различных отраслей. . Авторы применили самостоятельно разработанный индекс горизонта на выборке из 50 российских нефинансовых компаний за 2014–2019 гг. Анализ результатов расчета индекса показал, что наибольшая доля стратегически «дальнозорких» компаний в России работает в отраслях энергетики. Это объясняется значительными инвестициями в эту область, развитыми системами корпоративного управления и разнообразным кругом заинтересованных сторон. Компании обладают ограниченными стимулами к манипуляциям в бухгалтерском учете. Однако значительная доля компаний в отраслях машиностроения, строительства и недвижимости, а также производства потребительских товаров являются стратегически «близорукими». Такая стратегическая ориентация объясняется недоинвестированностью указанных отраслей. При этом компании обладают развивающейся системой корпоративного управления, что оставляет стимулы для манипуляций в бухгалтерском учете. Анализ результатов анализа продемонстрировал, что следование долгосрочной стратегии реализуется в устойчивый долгосрочный рост экономической прибыли компаний не мгновенно, а с течением времени. Тем не менее, выявлена положительная корреляция между долгосрочным стратегическим выбором компании и темпами роста экономической прибыли компании за несколько лет. Полученные результаты могут быть использованы инвесторами, аналитиками и управляющими активами для скрининга стратегий компаний на долгосрочную ориентацию и сравнения их способностей создавать долгосрочный и устойчивый рост экономической прибыли.