• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Статьи
  • Построение системы опережающих индикаторов для прогнозирования валютного кризиса
  • RU
  • EN
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
  • бизнес-информатика
  • государственное и муниципальное управление
  • гуманитарные науки
  • инженерные науки
  • компьютерно-математическое
  • математика
  • менеджмент
  • право
  • социология
  • экономика
по году
  • 2027
  • 2026
  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1958
  • еще
Тематика
Новости
15 мая 2026 г.
В НИУ ВШЭ разрабатывают нейросеть для сферы науки и инноваций
Исследователи НИУ ВШЭ учат большие языковые модели понимать русскоязычную научную терминологию, увеличивая при этом их энергоэффективность. Адаптированная модель работает в 2,7 раза быстрее и требует на 73% меньше памяти, чем исходная открытая модель, что позволяет запускать ее на более доступном оборудовании. Программа прошла государственную регистрацию.
15 мая 2026 г.
Стартовал совместный спецпроект бренд-медиа Вышки IQ Media и iFORA ИСИЭЗ
В мае 2026 года стартовал научно-популярный проект «Искусственный интеллект: технологии, данные и будущее», который стал результатом работы двух команд — проекта iFORA Института статистических исследований и экономики знаний НИУ ВШЭ и редакции бренд-медиа IQMedia. Медийно-аналитический спецпроект посвящен современному развитию искусственного интеллекта и аналитике больших данных.
14 мая 2026 г.
<a>Ученые ФКН ВШЭ представили работы в сфере ИИ и биоинформатики на ICLR 2026
Ученые Института искусственного интеллекта и цифровых наук факультета компьютерных наук ВШЭи студенты трека «ИИ360: Инженерия искусственного интеллекта» бакалаврской программы «Прикладная математика и информатика» приняли участие в международной конференции ICLR — одном из самых авторитетных мировых форумов в области машинного обучения и представления данных. В этом году конференция состоялась в Рио-де-Жанейро (Бразилия).

 

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

Публикации
  • Книги
  • Статьи
  • Главы в книгах
  • Препринты
  • Верификация публикаций
  • Расширенный поиск
  • Правила использования материалов
  • Наука в ВШЭ

?

Построение системы опережающих индикаторов для прогнозирования валютного кризиса

Финансы: теория и практика. 2025. Т. 29. № 4. С. 146–162.
Щепелева М. А.

Данная работа посвящена анализу финансовых кризисов. Рассматриваются различные классификации кризисов, методы их прогнозирования, подходы к составлению системы опережающих индикаторов. Для лучшего понимания возможностей прогнозирования финансовых кризисов проводится собственное эмпирическое исследование по развивающимся странам с использованием традиционного эконометрического подхода для предсказания валютных кризисов и метода случайного леса. Выявлены наиболее значимые переменные, изменение которых может сигнализировать о начале валютного кризиса. Цель исследования – сравнить прогностическую силу эконометрических моделей и методов машинного обучения для прогнозирования валютных кризисов в развивающихся странах и составить набор релевантных переменных, которые можно использовать в системе опережающих индикаторов. В работе применяется логит-регрессия и модель случайного леса. Для сравнения прогнозной силы моделей используется ROC-кривая. Значимость переменных в модели случайного леса определяется на основе значений Шепли. Полученные результаты свидетельствуют в пользу чуть более высокой прогностической силы случайного леса. Наиболее робастными предикторами валютных кризисов с точки зрения обеих моделей являются мировые цены на нефть и депозиты коммерческих банков. Полученные результаты могут быть приняты во внимание экономическими институтами, занимающимися регулированием финансовой системы, так как показывают, на какие индексы стоит в первую очередь обращать внимание при прогнозировании валютных кризисов в развивающихся странах.

Научное направление: Экономика и менеджмент
Язык: русский
Полный текст
DOI
Текст на другом сайте
Ключевые слова: валютный кризислогит модельearly warning systemlogit modelсистема опережающих индикаторовcurrency crisisслучайный лесrandom forest
Похожие публикации
Влияет ли финансовое состояние компаний на прогностическую точность DCF-модели?
Федоров Н. С., Финансовый журнал 2025 Т. 17 № 6 С. 99–112
DCF-модель является одной из наиболее часто используемых при оценке стоимости компаний для принятия инвестиционных решений. Тем не менее оценка точности данной модели остает ся важным исследовательским вопросом. В статье представлена оценка точности спецификаций DCF-модели на основе анализа отклонений справедливых цен акций компаний, котирующихся на фондовом индексе S&P 500. Справедливые цены спецификаций DCF-модели составлены на основе ...
Добавлено: 15 мая 2026 г.
Предсказательная точность целевых цен акций: сравнение прогнозов аналитиков и машинного обучения
Федоров Н. С., Финансы и бизнес 2025 Т. 21 № 3 С. 34–50
В настоящее время роль искусственного интеллекта все больше занимает значительную роль в различных сферах, в том числе возрастает роль машинного обучения и в финансовой области. Оценка стоимости компании остается важной частью исследований ввиду своей сложности корректной предска зательной точности целевых цен акций. В данном исследовании проведено сравнение предсказательной точности целевой стоимости акций с применением модели дисконтирования ...
Добавлено: 15 мая 2026 г.
The interplay of objective fat content and subjective fat perception in determining consumer acceptance of bovine milk
Семенова Д. В., Радыгина А. А., Зарипова Ю. О. и др., Nutrition and Food Science 2026 P. 1–13
Добавлено: 14 мая 2026 г.
Размышления о спасении тонущего ребёнка: эффективный альтруизм и социальные институты
Балашов Д. В., Антиномии 2026 Т. 26 № 1 С. 27–48
Движение эффективного альтруизма, набравшее популярность в начале XXI в., является одной из новых форм философии утилитаризма, оказавшей сильное влияние на англо-американскую философию в XIX–XX вв. Одним из отличительных признаков эффективного альтруизма является его практическая ориентированность. Движение позиционирует себя как то, что способно оказать влияние на окружающий мир и изменить его к лучшему. Для этого требуется ...
Добавлено: 13 мая 2026 г.
Игры на сетях с линейным наилучшим ответом: модели и методы управления
Петров И. В., Автоматика и телемеханика 2026 № 6 С. 82–118
Системам связанных агентов и сетевому управлению посвящено большое число отечественных и зарубежных исследований. Исторически, наибольший интерес в теории управления возникал к усредняющим системам и, в частности, к задаче консенсуса. Однако сетевое взаимодействие может характеризоваться более специфическими функциями, отражающими зависимость от действий соседей по сети, что особенно явно проявляется в моделях стратегического взаимодействия на сети, которое ...
Добавлено: 12 мая 2026 г.
The Hidden Signals in Corporate Ribbon-Cutting Ceremonies
Гурков И. Б., Paulas R., Pacific Standard (USA) 2017
Добавлено: 11 мая 2026 г.
Социально-экономическая география зарубежных стран: материалы к курсу. Часть 1. Основные концепции региональной наук
Замятина Н. Ю., Русаков Д. С., Вдовкин Е. И., Издательские решения, 2022.
Десятилетиями социально‑экономическая география зарубежных стран представляла собой по большей части сбор данных о размещении отраслей хозяйства — с довольно слабой концептуальной базой соответствующих процессов. Это не удивительно, если вспомнить, что отечественная экономическая география занималась размещением хозяйства в условиях социализма. Сама возможность применения отечественных концепций к «зарубежным капиталистическим странам» вызывала жаркие споры в профессиональной среде отечественных экономгеографов — многие представители старшего поколения помнят, как ломались копья в дискуссии о том, например, возможны ли территориально‑производственные комплексы в условиях капитализма. Между тем параллельно в «зарубежных капиталистических странах» формировались целые группы научных школ в сфере изучения размещения хозяйства и регионального развития, зачастую на стыке региональной экономики и собственно экономической географии (за рубежом всё чаще используется обобщающее наименование — региональная наука, или региональные исследования: regional science/regional studies). Анализируя экономико‑географические проблемы зарубежных стран, современные исследователи используют широкий набор понятий, сложившихся в последние примерно три десятилетия, и пока ещё, к сожалению, довольно слабо знакомых отечественным географам (от «перетоков знания» до «тройной спирали»). Часть зарубежных разработок — вроде теории кластерного развития — вошли и в отечественную науку; однако нередко зарубежные концепции используются в несколько суженной и искажённой трактовке (как правило, в силу инерции парадигм мышления, чуждых используемым концепциям). Зачастую исследователи, наоборот, не видят потенциал применения тех или иных концепций на нетрадиционном материале. Институт регионального консалтинга (ИРК), в котором начинали свой путь в профессиональную аналитику уже десятки выпускников кафедры социально‑экономической географии зарубежных стран географического факультета МГУ, принял решение способствовать овладению актуальными концепциями в сфере региональной науки как студентами указанной кафедры, так и всеми российскими исследователями в сфере экономической географии и регионального развития. При финансовой и организационной поддержке ИРК уже подготовлена серия учебных пособий «Институт регионального консалтинга — студентам». Ранее вышедшее пособие «Эволюционное страноведение: материалы к курсу. Часть 1. Смета траектории регионального и странового развития: разбор примеров» призвано продемонстрировать спектр возможностей применения актуальных концепций региональной науки в страноведении и анализе развития отдельных регионов России и зарубежных стран (в 2022 году подготовлено второе издание пособия, исправленное и дополненное). Для нового пособия по социально‑экономической географии зарубежных стран отобраны ключевые (на взгляд редактора) направления, необходимые современному специалисту для понимания развития мировой региональной науки. В абсолютном большинстве это концепции актуальной экономической географии; кроме того, добавлены экономические понятия, без знания которых затруднено понимание мейнстрима региональной науки (так, например, тема убывающей и возрастающей отдачи является ключевой для понимания направления так называемой «новой экономической географии» в экономике), а также системы популярных прикладных мер в региональном развитии («новая промышленная политика», понятие «зависимости от колеи» и др.). Разумеется, это не исчерпывающий спектр концепций и подходов экономической географии (не говоря уже о том, что в пособии совсем не затронуты концепции социальной и других направлений общественной географии); работа над подготовкой новых материалов продолжается. Появлению пособия в немалой степени поспособствовал труд магистранта кафедры социально‑экономической географии зарубежных стран географического факультета МГУ имени М. В. Ломоносова Фёдора Чернецкого в рамках прохождения производственной практики в Институте регионального консалтинга. Авторами разделов стали студенты указанной кафедры. В ходе практической части курса «Социально‑экономическая география зарубежных стран» они выполняли задание не только тщательно описывать методологический контекст и суть той или иной концепции, но и продемонстрировать её работу на конкретном примере — российском или зарубежном. Разработка задания и общая редакция проведена Надеждой Замятиной, их преподавателем и одновременно заместителем директора Института регионального консалтинга. Коллектив авторов надеется, что представленные материалы будут полезны как студентам, специализирующимся в области социально‑экономической географии и смежных дисциплин, так и всем, чья профессиональная деятельность связана с анализом и планированием пространственного развития экономики, регионального развития, государственным и муниципальным управлением и т. п. ...
Добавлено: 9 мая 2026 г.
Международный транспортный коридор «Север – Юг» в условиях переориентации торговых потоков РФ в страны Глобального Юга
Дегтерева Е. А., Бирюкова О. В., Сабанцев А. И., Вестник МГИМО Университета 2026 Т. 19 № 2 С. 149–171
В условиях структурной трансформации внешней торговли России МТК «Север – Юг» выступает потенциальным инструментом для переориентации торговых потоков. Однако существует проблема разрыва между декларируемым потенциалом маршрута и его реальной грузовой базой, обеспечение которой ограничивается как инфраструктурными («жёсткими»), так и нефизическими («мягкими») барьерами МТК. Целью исследования является систематизация барьеров развития МТК «Север – Юг» на основе анализа торгового ...
Добавлено: 8 мая 2026 г.
Early warning system for Russian stock market crises: TCN-LSTM-Attention model using imbalanced data and attention mechanism
Теплова Т. В., Файзулин М. С., Куркин А. В., Socio-Economic Planning Sciences 2025 No. 101 Article 102292
Добавлено: 2 августа 2025 г.
Прогнозирование цен на золото с использованием алгоритмов нейросетей
Солдатова А. О., Финансы, деньги, инвестиции 2023 № 4 С. 9–15
Стоимость золота - важнейший экономический индикатор. Ожидания роста инфляции и повышения ключевых ставок со стороны Центральных банков формируют интерес инвесторов к золоту во всем мире. С учетом все большего числа факторов, оказывающих влияние на динамику курса золота в мире, прогнозирование цен на золото требует новых методов и современных технологических решений. В статье представлен обзор методов ...
Добавлено: 8 июля 2025 г.
Predicting Systemic Risk in the Russian Financial Sector with Boosting Techniques
Щепелева М. А., Procedia Computer Science 2024 Vol. 242 P. 51–56
Добавлено: 17 июня 2025 г.
Forecasting Stadium Attendance Using Machine Learning Models: A Case of the National Football League
Пан Ю., Ван Ф., Studia Sportiva 2024 Vol. 18 No. 2 P. 147–164
Добавлено: 16 мая 2025 г.
Default Prediction for Auto Repair Services Firms in Russia Using Non-financial Data
Афанасьев В. В., Финансы и бизнес 2024 Vol. 20 No. 3 P. 71–88
Традиционный подход к прогнозированию дефолтов предполагает использование финансовых коэффициентов в качестве объясняющих переменных в моделях классификации. В настоящем исследовании приводятся результаты, свидетельствующие о повышении качества прогнозирования дефолтов в случае включения в модели нефинансовых данных. В исследовании используется выборка из более чем 200 фирм, оказавшихся неплатежеспособными в период 2018–2023 гг., и 10 контрольных выборок (всего более ...
Добавлено: 2 октября 2024 г.
Random forests with parametric entropy-based information gains for classification and regression problems
Игнатенко В. В., Сурков А. Ю., Sergei Koltcov, PeerJ Computer Science 2024 Vol. 10 Article e1775
Добавлено: 16 февраля 2024 г.
Прогнозирование региональной инфляции: эконометрические модели или методы машинного обучения?
Букина Т. В., Кашин Д. В., Экономический журнал Высшей школы экономики 2024 Т. 28 № 1 С. 81–107
В статье строится прогноз региональной инфляции на примере субъектов, входящих в Приволжский федеральный округ (ПФО). Цель исследования – определить модель, которая точнее остальных прогнозирует региональную инфляцию. В работе производится сравнение инструментов машинного обучения – метода опорных векторов, градиентного бустинга и случайного леса с эконометрическими моделями временных рядов, авторегрессией и интегрированной авторегрессией-скользящего среднего, – моделями, которые чаще ...
Добавлено: 13 февраля 2024 г.
О выразительных возможностях ансамблей решающих деревьев
Соколов А. П., Прохоренкова Л. А., Интеллектуальные системы. Теория и приложения 2023 Т. 27 № 1 С. 18–23
Решающие деревья широко применяются в машинном обуче нии, статистике и анализе данных. Предиктивные модели, осно ванные на решающих деревьях, показывают отличные результаты в терминах точности и времени обучения, особенно на гетерогенных табличных датасетах. Производительность, простота и надежность делают это семейство алгоритмов одним из наиболее популярных в машинном обучении и науке о данных. Одним из важных гиперпараметров алгоритмов, основанных на решающих деревьях, является максимальная ...
Добавлено: 11 февраля 2024 г.
Incorporating financial development indicators into early warning systems
Пономаренко А. А., Татаринцев С. А., Journal of Economic Asymmetries 2023 Vol. 27 Article e00284
Добавлено: 28 марта 2023 г.
Discovering efficient techniques to enhance M&A prediction modelling methods
Georgiy Elizariyev, Карминский А. М., Ella Khromova, Procedia Computer Science 2022 Vol. 214 P. 817–824
Добавлено: 9 марта 2023 г.
Exploring the Interplay Between Early Warning Systems’ Usefulness and Basel III Regulation
Deryugina E., Maria Guseva, Alexey Ponomarenko, , in: Risk Assessment and Financial Regulation in Emerging Markets' Banking: Trends and Prospects.: Springer, 2021. P. 277–286.
Добавлено: 31 января 2023 г.
In Search of Global Determinants of National Credit-to-GDP Gaps
Stolbov M., Щепелева М. А., Risks 2022 Vol. 10 No. 12
Добавлено: 5 января 2023 г.
Contextual factors predicting compliance behavior during the COVID-19 pandemic: A machine learning analysis on survey data from 16 countries
Hajdu N., Schmidt K., Acs G. и др., Plos One 2022 Vol. 17 No. 11 Article e0276970
Добавлено: 18 октября 2022 г.
Spatiotemporal Modeling of Coniferous Forests Dynamics along the Southern Edge of Their Range in the Central Russian Plain
Chernenkova T., Котлов И. П., Belyaeva N. и др., Remote Sensing 2021 Vol. 13 No. 10 Article 1886
Добавлено: 20 марта 2022 г.
Кто виноват и что делать: анализ комментариев к фильмам о бесланском теракте
Смирнов Н. М., Социальная психология и общество 2021 Т. 12 № 3 С. 74–86
Цель. Выявить специфику содержания комментариев к документальным фильмам о пятнадцатой годовщине теракта в Беслане. Контекст и актуальность. На фоне реактивации дискурса о Беслане видится необходимым изучить осмысление трагедии в российском обществе. Крайне важным является обращение к нереактивным данным для оценки ретроспективного восприятия теракта. Дизайн исследования. Используется модель случайного леса для оценки конкретных характеристик комментариев. Данные. ...
Добавлено: 30 декабря 2021 г.
МОДЕЛИРОВАНИЕ ВЕРОЯТНОСТИ БАНКРОТСТВА СТРОИТЕЛЬНЫХ ОРГАНИЗАЦИЙ В РОССИЙСКОЙ ФЕДЕРАЦИИ
Войко А. В., Финансы: теория и практика 2019 Т. 23 № 5 С. 62–74
Статья посвящена проблеме определения основных факторов, влияющих на вероятность банкротства строительных организаций Российской Федерации. Прогнозирование возможности банкротства является актуальным как для отдельных компаний, так и для отраслей народного хозяйства. Имеющиеся методики прогнозирования банкротства созданы достаточно давно и не учитывают отраслевой специфики организаций. В статье исследуется механизм прогнозирования вероятности банкротства, основанный на применении логит-моделей. Обоснованы критерии, ...
Добавлено: 2 ноября 2021 г.
  • О ВЫШКЕ
  • Цифры и факты
  • Руководство и структура
  • Устойчивое развитие в НИУ ВШЭ
  • Преподаватели и сотрудники
  • Корпуса и общежития
  • Закупки
  • Обращения граждан в НИУ ВШЭ
  • Фонд целевого капитала
  • Противодействие коррупции
  • Сведения о доходах, расходах, об имуществе и обязательствах имущественного характера
  • Сведения об образовательной организации
  • Людям с ограниченными возможностями здоровья
  • Единая платежная страница
  • Работа в Вышке
  • ОБРАЗОВАНИЕ
  • Лицей
  • Довузовская подготовка
  • Олимпиады
  • Прием в бакалавриат
  • Вышка+
  • Прием в магистратуру
  • Аспирантура
  • Дополнительное образование
  • Центр развития карьеры
  • Бизнес-инкубатор ВШЭ
  • Образовательные партнерства
  • Обратная связь и взаимодействие с получателями услуг
  • НАУКА
  • Научные подразделения
  • Исследовательские проекты
  • Мониторинги
  • Диссертационные советы
  • Защиты диссертаций
  • Академическое развитие
  • Конкурсы и гранты
  • Внешние научно-информационные ресурсы
  • РЕСУРСЫ
  • Библиотека
  • Издательский дом ВШЭ
  • Книжный магазин «БукВышка»
  • Типография
  • Медиацентр
  • Журналы ВШЭ
  • Публикации
  • http://www.minobrnauki.gov.ru/
    Министерство науки и высшего образования РФ
  • https://edu.gov.ru/
    Министерство просвещения РФ
  • http://www.edu.ru
    Федеральный портал «Российское образование»
  • https://elearning.hse.ru/mooc
    Массовые открытые онлайн-курсы
  • НИУ ВШЭ1993–2026
  • Адреса и контакты
  • Условия использования материалов
  • Политика конфиденциальности
  • Правила применения рекомендательных технологий в НИУ ВШЭ
  • Карта сайта
Редактору