• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Глава
  • Оценка эффективности инвестиционных проектов ранних стадий на основе анализа робастности
  • 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

?

Оценка эффективности инвестиционных проектов ранних стадий на основе анализа робастности

С. 102–105.
Чапрак Н. В.

В статье представлен метод оценки пректов ранних стадий на основе анализа робастности по следующим критериям: вероятность реализации определенного исхода, вероятностное ранговое математическое ожидания исходов проекта и стресс-тестовое пространство. 

Язык: русский
Полный текст
Ключевые слова: робастностьrobustnessestimetion of investmentэффективность инвестиционной деятельности

В книге

Материалы Международного молодежного научного форума "ЛОМОНОСОВ-2015"
Материалы Международного молодежного научного форума "ЛОМОНОСОВ-2015"
М.: МАКС Пресс, 2015.
Похожие публикации
Investigating the analytical robustness of the social and behavioural sciences
Aczel B., Szaszi B., Clelland H. и др., Nature 2026 Vol. 652 P. 135–142
Добавлено: 27 января 2026 г.
Screen-Cam Imitation Module for Improving Data Hiding Robustness
Джанашиа К. М., Aleksandr Fedosov, Oleg Evsutin, Sensors 2025 Vol. 25 No. 23 Article 7726
Добавлено: 28 ноября 2025 г.
Dynamic Robustification of Trading Management Strategies for Unstable Immersion Environments
Musaev A., Makshanov A., Dmitry Grigoriev, Montenegrin Journal of Economics 2023 Vol. 19 No. 1 P. 19–30
Добавлено: 11 июля 2025 г.
An Approach to Finding a Robust Deep Learning Model
Болдырев А. С., Ратников Ф. Д., Шевелев А. А., IEEE Access 2025 Vol. 13 P. 102390–102406
Добавлено: 15 июня 2025 г.
Robustness of Graphical Lasso Optimization Algorithm for Learning a Graphical Model
Valeriy Kalyagin, Ilya Kostylev, , in: Mathematical Optimization Theory and Operations Research. 23rd International Conference, MOTOR 2024, Omsk, Russia, June 30–July 6, 2024, Proceedings. LNCS, volume 14766.: Springer, 2024. P. 337–348.
Добавлено: 9 августа 2024 г.
Analyzing the Robustness of Vision & Language Models
Ширнин А. А., Andreev N., Potapova S. и др., IEEE/ACM Transactions on Speech and Language Processing 2024 Vol. 32 P. 2751–2763
We present an approach to evaluate the robustness of pre-trained vision and language (V&L) models to noise in input data. Given a source image/text, we perturb it using standard computer vision (CV) / natural language processing (NLP) techniques and feed it to a V&L model. To track performance changes, we explore the problem of visual ...
Добавлено: 19 июля 2024 г.
Evaluating Robustness and Uncertainty of Graph Models Under Structural Distributional Shifts
Баженов Г. В., Kuznedelev D., Malinin A. и др., , in: Advances in Neural Information Processing Systems 36 (NeurIPS 2023).: Curran Associates, Inc., 2023. P. 75567–75594.
Добавлено: 7 февраля 2024 г.
Methods for countering attacks on image watermarking schemes: overview
Anna Melman, Oleg Evsutin, Journal of Visual Communication and Image Representation 2024 Vol. 99 Article 104073
Добавлено: 27 января 2024 г.
Sailing through the storm – Performance of Russian manufacturing subsidiaries of multinational corporations in the first year of the COVID-19 pandemic
Igor Gurkov, Филинов Н. Б., Post-Communist Economies 2023 Vol. 35 No. 1 P. 1–16
Добавлено: 12 июня 2022 г.
Watermarking Schemes for Digital Images: Robustness Overview
Evsutin O., Джанашиа К. М., Signal Processing: Image Communication 2022 Vol. 100 Article 116523
Добавлено: 26 сентября 2021 г.
ROBUSTNESS MEASURE FOR PORTFOLIO MANAGEMENT STRATEGY
Шарипова А. М., Арьков В. Ю., Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника 2017 Vol. 17 No. 3 P. 88–98
Добавлено: 17 октября 2020 г.
Гарантированный детерминистский подход к суперхеджированию: свойства "безарбитражности" рынка
Смирнов С. Н., Математическая теория игр и ее приложения 2019 Т. 11 № 2 С. 68–95
Для задачи суперрепликации с дискретным временем рассматривается гарантированная детерминистская постановка: задача состоит в гарантированном покрытии обусловленного обязательства по опциону при всех допустимых сценариях. Эти сценарии задаются при помощи априорно заданных компактов, зависящих от предыстории цен: приращения цены в каждый момент времени должны лежать в соответствующих компактах. Рассматривается рынок с торговыми ограничениями, предполагается отсутствие транзакционных издержек. ...
Добавлено: 26 декабря 2019 г.
On Robust Sequential Parameters Estimating
Цитович И. И., , in: Analytical and computational methods in probability theory and its applications (ACMPT-2017). Proceedings of the International Scientific Conference.: M.: RUDN, 2017. P. 509–522.
Добавлено: 12 сентября 2018 г.
Group Symmetric Robust Covariance Estimation
Soloveychik I., Трушин Д. В., Wiesel A., IEEE Transactions on Signal Processing 2016 Vol. 64 No. 1 P. 244–257
In this paper, we consider Tyler's robust covariance M-estimator under group symmetry constraints. We assume that the covariance matrix is invariant to the conjugation action of a unitary matrix group, referred to as group symmetry. Examples of group symmetric structures include circulant, perHermitian, and proper quaternion matrices. We introduce a group symmetric version of Tyler's ...
Добавлено: 20 февраля 2018 г.
Устойчивый к шуму метод обучения вариационного автокодировщика
Фигурнов М. В., Струминский К. А., Ветров Д. П., Интеллектуальные системы. Теория и приложения 2017 Т. 21 № 2 С. 90–109
Вариационный автокодировщик (ВАК) - вероятностный метод обучения без учителя, использующий глубинное обучение. В статье предлагается устойчивый к шуму метод обучения ВАК, основанный на модификации функции правдоподобия. Предлагаются и анализируются две нижние оценки в качестве целевых функций для ВАК. Эффективность метода продемонстрирована в экспериментах с искусственно добавленными шумовыми объектами. ...
Добавлено: 18 октября 2017 г.
Robustness of GM-tests in autoregression against outliers
Есаулов Д. М., Moscow University Mathematics Bulletin 2012 Vol. 67 No. 2 P. 79–81
Добавлено: 19 октября 2016 г.
Residual empirical processes and their application to GM-testing for the autoregression order
Есаулов Д. М., Mathematical Methods of Statistics 2013 Vol. 22 No. 4 P. 333–349
Добавлено: 19 октября 2016 г.
Residual empirical processes and qualitatively robust GM-tests in autoregression
Boldin M. V., Есаулов Д. М., Moscow University Mathematics Bulletin 2014 Vol. 69 No. 1 P. 29–32
Добавлено: 17 октября 2016 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