Магистратура
2025/2026




Анализ данных в финансах
Статус:
Курс обязательный (Финансы)
Кто читает:
Департамент экономики и анализа данных
Где читается:
Факультет экономики НИУ ВШЭ (Нижний Новгород)
Когда читается:
1-й курс, 3, 4 модуль
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Аистов Андрей Валентинович
Язык:
русский
Кредиты:
6
Контактные часы:
64
Программа дисциплины
Аннотация
В рамках данного учебного курса студенты осваивают инструментарий, необходимый для анализа финансовых данных, и приобретают практические навыки работы с современным компьютерным программным обеспечением.
Цель освоения дисциплины
- Целью данного учебного курса является развитие и совершенствование умений и навыков работы с современным компьютерным программным обеспечением, используемым для анализа финансовых данных.
Планируемые результаты обучения
- Визуализирует данные и проводит их первичную обработку, необходимую для дальнейшего анализа
- Выполняет кластерный анализ и визуализирует результат
- Импортирует финансовые данные в Python
- Оценивает параметры эмпирических моделей временных рядов
- Создает торгового робота и оценивает эффективность выбранной стратегии
- Формирует оптимальный инвестиционный портфель
Содержание учебной дисциплины
- Импорт финансовых данных в Python
- Визуализация данных и их первичная обработка
- Торговый робот
- Оптимизация инвестиционного портфеля
- Кластерный анализ
- Модели временных рядов
Промежуточная аттестация
- 2025/2026 4th moduleИтоговая оценка за курс = max { Активность, Экзамен} , (1) где max - наибольшее из двух чисел (Активность или Экзамен). Активность является результатом округления к ближайшему целому числу нормированной на 8.5 (по рейтингу студентов) накопленной студентом суммы баллов. Сумма баллов формируется следующим образом. - В рамках учебных занятий студенты задают вопросы, отвечают на вопросы, выполняют задания. Активность на занятиях стимулируется использованием генератора случайных чисел для вызова студентов "к доске" (для формулировки вопросов и ответов). - Студенту добавляются по 1 баллу за умение задать вопрос, правильный ответ, дополнения к ответам и аналогичные активности, полезные для проведения учебных занятий и усвоения учебного материала. - В случае пропуска учебного занятия, студент может получить баллы за свои подробные конспекты, дополнительные материалы, краткие аналитические обзоры и эссе, компьютерные коды, презентации и т.п., подтверждающие, что он владеет всеми знаниями и практическими навыками, которые получили его однокурсники в ходе пропущенного студентом занятия; им также могут быть получены дополнительные баллы за ответы на вопросы преподавателя по пропущенному занятию. Сумма всех баллов, полученных студентом за пропущенное занятие, не может превышать максимальную сумму баллов, полученных его однокурсником, присутствовавшим на занятии. Экзамен в формуле (1) равен баллу, полученному на экзамене. Максимально возможный балл равен 10. Для получения балла 10 студент должен продемонстрировать умение выполнить любое задание повышенной сложности из предлагавшихся в рамках учебных занятий (пояснить ход выполнения и полученные результаты). Задания выбираются случайным образом (с помощью генератора случайных чисел). Если в ходе экзамена выясняется, что студент не может выполнить любое задание повышенной сложности, его экзаменационный балл снижается. Время на подготовку к ответу - 10 минут, в течение которых студент может пользоваться своей собственной односторонней "шпаргалкой" формата A4 (одна страница). Для получения на экзамене балла ниже 10 можно отчитаться по пропущенным занятиям (см. Активность) или занятиям с малым количеством накопленных баллов. Для этого необходимо подробно рассказать материал учебных занятий. Рассказ должен убедительно продемонстрировать владение студентом знаниями и практическими навыками, которые получили его однокурсники во время соответствующих учебных занятий. Суммарный балл за рассказ по занятию не может превышать максимальную сумму баллов, полученных его однокурсником, присутствовавшим на прошедшем учебном занятии. Неудачные ответы студента на вопросы преподавателя могут привести к снижению экзаменационного балла.
Список литературы
Рекомендуемая основная литература
- 45350 - Python: Pandas на практике. 200 упражнений по анализу данных с решениями и пояснениями - Р.Лернер - ДМК Пресс - 9785937002273 - 2025 - https://hse.alpinadigital.ru/document/45350 - Alpina
- 45407 - Python в задачах и упражнениях - М.Уайтсайд - ДМК Пресс - 9785937004062 - 2025 - https://hse.alpinadigital.ru/document/45407 - Alpina
- Brooks,Chris. (2019). Introductory Econometrics for Finance. Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.cup.cbooks.9781108422536
- Causal Inference на Python. Причинно-следственные связи в IT-разработке - 978-601-08-4354-7 - Факур Матеуш - 2025 - Астана: Спринт Бук - https://ibooks.ru/products/397517 - 397517 - iBOOKS
- Lewinson, E. (2020). Python for Finance Cookbook : Over 50 Recipes for Applying Modern Python Libraries to Financial Data Analysis. Packt Publishing.
- Python. Самое необходимое : видеокурс, Прохоренок, Н., 2011
- Weiming, J. M. (2019). Mastering Python for Finance : Implement Advanced State-of-the-art Financial Statistical Applications Using Python, 2nd Edition (Vol. Second edition). Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2116431
- Жорняк, А. Г. Обработка больших массивов данных и визуализация результатов научных исследований с использованием библиотек NumPy и Matplotlib языка программирования Python : учебное пособие / А. Г. Жорняк, Т. А. Морозова. — Москва : МАИ, 2025. — 92 с. — ISBN 978-5-00246-342-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/506712 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Коротеев, М. В., Основы машинного обучения на Python : учебник / М. В. Коротеев. — Москва : КноРус, 2025. — 431 с. — ISBN 978-5-406-14728-3. — URL: https://book.ru/book/957785 (дата обращения: 09.12.2025). — Текст : электронный.
- Криволапов С.Я. - Анализ данных. Методы теории вероятностей и математической статистики на языке Python - 978-5-16-018616-0 - ИНФРА-М - 2025 - https://znanium.ru/catalog/product/2034420 - 2034420 - ZNANIUM
- Криволапов, С. Я., Математика на Python : учебник / С. Я. Криволапов, М. Б. Хрипунова. — Москва : КноРус, 2025. — 455 с. — ISBN 978-5-406-13759-8. — URL: https://book.ru/book/955467 (дата обращения: 09.12.2025). — Текст : электронный.
- Машинное обучение с использованием Python : учебно-методическое пособие / составители А. В. Осин, К. А. Хализев. — Москва : МТУСИ, 2025. — 20 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/501209 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Объектно-ориентированное программирование с помощью Python, Кальб, И., 2024
- Парсинг с помощью Python. Веб-скрапинг в действии. 3-е межд. изд. - 978-601-08-4570-1 - Митчелл Райан - 2025 - Астана: Спринт Бук - https://ibooks.ru/products/399818 - 399818 - iBOOKS
Рекомендуемая дополнительная литература
- Лучано, Р. Python. К вершинам мастерства / Р. Лучано , перевод с английского А. А. Слинкин. — Москва : ДМК Пресс, 2016. — 768 с. — ISBN 978-5-97060-384-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/93273 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Эконометрика-2 : продвинутый курс с приложениями в финансах, учебник, Московская школа экономики МГУ им. М. В. Ломоносова, 942 с., Айвазян, С. А., Фантаццини, Д., 2015