Диссертации, представленные на защиту и подготовленные в НИУ ВШЭ

Диссертационное исследование посвящено построению модели маржирования, учитывающей влияние биржи на рынок и максимизирующей её прибыль при регуляторных ограничениях. В первой главе проводится анализ методов оценки гарантийного обеспечения для биржевых фьючерсов и опционов. Эмпирические результаты анализа взаимосвязи размера маржинальных требований, показателей ликвидности и эффективности рынка согласуются с преимуществами и недостатками основных методов оценки гарантийного обеспечения. Во второй главе рассматриваются международные и локальные требования к центральному контрагенту, критерии, которым должна соответствовать система маржирования, и цели, которые должен выполнить центральный контрагент. На основе этого составлена оптимизационная задача центрального контрагента в виде максимизации функции прибыли в зависимости от размера гарантийного обеспечения. В третьей главе к данным торгов за 2014–2021 гг. применены различные модели оценки маржинальных требований: от минимально допустимых до используемых Московской Биржей. Далее тестируется гипотеза о существовании возможности центрального контрагента повысить как собственную прибыль, так и ликвидность рынка, соответствуя международным требованиям к надежности системы маржирования.

Традиционный подход к прогнозированию неплатежеспособности предполагает использование финансовых коэффициентов в качестве объясняющих переменных. Однако этот подход представляется ограниченно применимым в том случае, если существует потенциальная необъективность финансовой отчетности частных фирм, обусловленная дроблением бизнеса, теневыми операциями, мошенничеством и т. д. В диссертационном исследовании приводятся данные, свидетельствующие о повышении качества прогнозирования неплатежеспособности фирм из отдельных отраслей российской сферы услуг при условии включения в модели нефинансовых данных. В качестве первого шага модели, основанные только на финансовых коэффициентах, протестированы на данных российских фирм сферы услуг и фирм сферы услуг из развитых европейских стран. Показано, что качество прогнозов для российских фирм значительно уступает качеству прогнозов для европейских фирм. Затем на примере нескольких отраслей сферы услуг показано, что добавление нефинансовых данных приводит к повышению точности моделей. Помимо ряда нефинансовых факторов, которые ранее использовались исследователями в этой области, в исследовании также предложены новые переменные (например, данные о проверках бизнеса), показано, что они представляют ценность для прогнозирования. Практические результаты исследования могут представлять интерес для кредитных организаций и контрагентов частных фирм в сфере услуг.

Диссертация посвящена разработке методов прогнозирования миграции без задержки во времени (наукастинг) на основе данных о поисковых запросах в сети Интернет. Для решения поставленной задачи автором исследуются методы отбора ключевых запросов, а также способы их агрегации. В работе рассматриваются различные способы моделирования миграции: SARIMA, SARIMAX, ETS, модели распределенных лагов. Исследование развивает существующие методы по оценке миграции за счет внедрения моделей с включением сразу нескольких лагов поисковых запросов от 1 до 12 месяцев. В работе предложены рекомендациипо применению различных типов моделей прогнозирования в зависимости от параметров рассматриваемых стран и периодов. На примере оценки миграции из шести различных стран в Германию показано, что использование в моделях экзогенных данных о поисковых запросах улучшает качество прогноза для всех рассматриваемых стран. Кроме этого, использование моделей распределенных лагов с включением лагов поисковых запросов значимо улучшает качество прогноза в периоды с внешними шоками сравнительно с SARIMAX, ETSмоделями.

This thesis explores the intersection of human-AI interaction and transportation forecasting, focusing on the development and application of attention-based neural network models, particularly memory networks. The research investigates the challenges inherent in traffic prediction tasks, such as capturing complex spatio-temporal dependencies and providing interpretable predictions. Leveraging the attention mechanism, the proposed models aim to enhance prediction accuracy and provide insights into the underlying factors influencing traffic dynamics. The thesis encompasses a comprehensive analysis of spatio-temporal data, model development, and evaluation, as well as techniques for visualizing and interpreting model predictions. Through empirical studies and case examples, the effectiveness and practical implications of the proposed approach are demonstrated. The findings contribute to advancing the understanding of human-AI interaction in transportation systems and provide valuable insights for improving the accuracy and interpretability of predictive models in complex real-world scenarios.

Диссертация посвящена разработке теоретических моделей и методологических подходов, базирующихся на современном форсайте, направленных на стимулирование и поддержку инновационного и научно-технологического развития на национальном, отраслевом и корпоративном уровнях в России. На основании более, чем 12-летнего исследования, охватывающего три раунда национального форсайта, шесть форсайтов для отдельных областей и секторов экономики, проведенных по авторской методологии (включая ИКТ, медицину и здравоохранение, рациональное природопользование и др.), эмпирические опросы, проведенные по авторской методологии (опрос 500 крупных и средних компаний - совместно с РСПП в 2008-2009 годах и 33 в 2022 году; опрос 30 технологических платформ в 2016-2017 годах; опрос 260 крупных и средних российских компаний - совместно с Ассоциацией менеджеров в 2021 году), были получены пионерные для России научные результаты, обладающие высокой теоретической и практической значимостью, включая следующие:проведены систематизация и комплексный анализ международных и российских форсайт-исследований на национальном, отраслевом и корпоративном уровнях, показавшие возможности и особенности использования форсайта как объединяющей методологии - платформы для обеспечения инновационного и научно-технологического развития на разных уровнях стратегического планирования;выделены ключевые эффекты от проведения форсайта в России на национальном, отраслевом и корпоративном уровнях;предложены две группы критериев (внутренние и внешние), на основании которых была проведена классификация этапов развития форсайта в России;разработаны и применены на практике комплексы методологий, направленных на стимулирование и поддержку инновационного и научно-технологического развития стейкхолдеров на национальном, отраслевом и корпоративном уровнях;разработан качественный прогноз возможных направлений развития форсайта с учетом полученных в диссертационном исследовании результатов и выводов.Практическая апробация результатов исследования осуществлялась в период с 2009 по 2022 годы в рамках становления в России системы научно-технологического прогнозирования и планирования на национальном, отраслевом и корпоративном уровнях при формировании авторских лекционных курсов в ведущих российских университетах и обсуждении предварительных и итоговых результатов на более 30 международных и российских мероприятий, в том числе, входящих в топ-10 наиболее авторитетных по тематике форсайта и методам прогнозирования и планирования.

Данная диссертационная работа посвящена развитию методологии определения рациональной ресурсной структуры многопрофильной сервисной организации, обеспечивающей принятие управленческих решений путем разработки прогнозных моделей для удовлетворения спроса на услуги при имеющихся экономических ограничениях. В рамках настоящего исследования был проведен анализ существующих подходов и методов к моделированию и совершенствованию рациональной организационной структуры сервисных организаций, разработаны метод анализа и типизации входного потока заявок на основе алгоритмов нечёткой кластеризации и метод прогнозирования входного потока заявок, позволяющего учесть особенности изменения внешних факторов. Кроме того, получена методика интеграции имитационной модели обслуживания в лечебно-профилактических учреждениях с методами анализа, типизации и прогнозирования входного потока заявок. Использование результатов данной работы на практике позволит добавить новые функциональные возможности в комплексы программного инструментария, поддерживающего работу лечебных учреждений.

Диссертационное исследование посвящено задаче оценивания волатильности портфелей финансовых активов. Предметом исследования являются многомерные модели волатильности двух типов – GARCH и стохастической волатильности, а также различные их спецификации, включая пространственные. В работе проанализированы шесть спецификаций моделей волатильности, включая три пространственных, для многомерных моделей волатильности класса GARCH. Разработана многомерная модель стохастической волатильности, для нее предложены пространственные спецификации. Проведено сравнение предсказательной способности пространственных и непространственных спецификаций с использованием данных фондовых рынков. Указанные спецификации применены для решения ряда прикладных задач, таких как хеджирование портфеля и моделирование эффектов перетекания волатильности финансовых активов.

В данном диссертационном исследовании моделируется уровень безработицы в зависимости от региональных характеристик по российским данным с точки зрения нахождения преимуществ использования пространственных эконометрических моделей по сравнению с классическими методами оценки, а также восполняется пробел в литературе, связанный с отсутствием работ, моделирующих асимметричность взаимного влияния восточных и западных регионов Германии друг на друга. Проводится имитационное моделирование, позволяющее выбрать пространственную взвешивающую матрицу в случае анализа безработицы в регионах России, обеспечивающую наименьшее смещение коэффициентов при неверной спецификации. Кроме того, в исследовании частично восполняется пробел, связанный с недостатком работ, посвященных прогнозированию региональной безработицы. Сравнивается качество прогнозов, полученных с помощью разных типов моделей, в том числе моделей с использованием пространственных эффектов и без них.

Объявление о защите (дата размещения 12 апреля 2017г.)
Защита диссертации состоится 15 июня в 16-00 по адресу: 101000, г.Москва, ул. Мясницкая, д.20, ауд.К-327.  

В диссертации исследуется качество прогнозирования фондового и валютного рынков с помощью моделей искусственных нейронных сетей, которые служат прототипом принятия решений репрезентативным агентом на рынке. Особый акцент в работе сделан на предварительной обработке исходной информации перед её представлением в модель и анализу влияния этой обработки на качество прогнозирования финансовых рынков. На основании результатов прогнозирования различных фондовых рынков развитых стран и ключевых валютных пар с помощью предложенных в диссертации моделей были выявлены важные особенности ценообразования и сложности прогнозирования финансовых рынков.