Assessment of the impact of financial literacy on inflation expectations based on pseudo‑panel data for Russia

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

28 августа 2026 г.

МИЭМ ВШЭ и МИЭТ договорились о научном сотрудничестве

26 августа Московский институт электроники и математики им. А.Н. Тихонова (МИЭМ) ВШЭ и Национальный исследовательский университет «Московский институт электронной техники» (МИЭТ) подписали договор о сотрудничестве. Соглашение направлено на развитие совместных исследований в области физики, перспективного материаловедения и электроники, объединяющих экспериментальные и вычислительные подходы, выполнение совместных опытно-конструкторских работ, а также подготовку заявок на российские и международные научные гранты.

25 августа 2026 г.

Исследователи ВШЭ сравнили рекомендательные алгоритмы по правилам спортивного турнира

Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали подход, который помогает эффективнее подбирать рекомендательные алгоритмы. В нем разные методы попарно соревнуются, а по результатам всех поединков составляется общий рейтинг. Это помогает сократить число алгоритмов, которые нужно проверять при разработке новых сервисов, и сэкономить денежные и временные ресурсы.Исследование было представлено на 32-й конференции ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026).

20 августа 2026 г.

<a>Исследователи НИУ ВШЭ и Сбера научили нейросети лучше угадывать предпочтения пользователей

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбер представили новую архитектуру для рекомендательных систем: благодаря объединению двух классов моделей алгоритмы лучше угадывают интересы и потребности пользователей. Препринт работы опубликован на сайте arxiv.org и представлен на летнем фестивале «Урбан ML».

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации

?

Assessment of the impact of financial literacy on inflation expectations based on pseudo‑panel data for Russia

Russian Journal of Economics. 2026. Vol. 12. No. 2. P. 230–250.

Туманянц К., Кулешов Ф., Пеникас Г. И., Зуев В. Е.

Язык: английский

Текст на другом сайте

Влияние уровня финансовой грамотности на инфляционные ожидания: оценка на данных псевдопанели по России

Туманянц К. А., Кулешов Ф., Пеникас Г. И. и др., / Банк России. Серия Серия докладов об экономических исследованиях "Доклады Банка России". 2025. № 146.

Систематические отличия инфляционных ожиданий различных групп населения установлены во многих академических публикациях. Одним из источников неоднородности, в том числе в России (Андреев и др., 2024), выступает уровень финансовой грамотности. Наша работа подтверждает этот вывод на данных за 3 года, в отличие от одной волны опроса в исследовании Андреева и др. (2024): респонденты с более высоким уровнем финансовой грамотности демонстрируют более низкие инфляционные ожидания. Для исследования мы объединили методом псевдопанели результаты двух регулярных ...

Добавлено: 28 марта 2025 г.

QAIDS Model Based On Russian Pseudo-panel Data: Impact of 1998 and 2008 Crises

Ермолова М. Д., Пеникас Г. И., , in: Proceedings of the Third Workshop on Experimental Economics and Machine Learning (EEML 2016), Moscow, Russia, July 18, 2016Vol. 1627.: Aachen: CEUR Workshop Proceedings, 2016.

Целью работы является сравнить изменения в потребительском поведении российских домохозяйств с середины 1990х до сеогдняшних дней. В исследовании рассмотрено потребительское поведение на максимально возможном периоде временных данных из RLMS с фокусом на годах кризиса. Особое внимание уделяется кризисам 1998 и 2008 гг. Чтобы отследить эффекты изменения потребительского поведения после кризисов используется квадратическая модель почти совершенного спроса ...

Добавлено: 11 августа 2016 г.

Прикладной анализ влияния рекламы на поведение потребителя по данным трекинговых исследований

Иванова Н. Г., Ратникова Т. А., Трутнева Е. А., Экономический журнал Высшей школы экономики 2010 Т. 14 № 2 С. 160–184

Статья посвящена анализу «классических» данных трекингового исследования с целью определения факторов, воздействующих на потенциальный спрос: опыта использования, знания рекламы марки и ее конкурентов, репутации и прочих. Важным результатом проведенного анализа является разработка подхода, который позволяет получить содержательные выводы при оценке моделей иерархии эффектов и учитывает основные особенности работы с трекинговыми данными. В работе содержится подробное ...

Добавлено: 13 октября 2012 г.