DSA Faculty
API
← к списку преподавателей

Федорова Елена Анатольевна

Факультет экономических наук

Профиль на hse.ru ↗ тел.: +7 (495) 772-95-90 | 27443
Публикаций
70
Языков
1
Наград
5
Конференций
0
Профиль Публикации (70) Курсы (3)

Профессиональные интересы

экономико-математические методы и моделифинансовый менеджмент

Должности

  • Профессор — Факультет экономических наук, Школа финансов

Био

  • · Начала работать в НИУ ВШЭ в 2011 году.
  • · Научно-педагогический стаж: 29 лет.

Образование

  • 2011 · Ученое звание: Доцент
  • 2011 · Доктор экономических наук: специальность 08.00.10 «Финансы, денежное обращение и кредит» и 08.00.13 «Математические и инструментальные методы экономики», тема диссертации: Финансовая интеграция фондовых рынков:теория, методология и инструментарий
  • 2004 · Специалитет: Северо-Западная академия государственной службы, специальность «Юриспруденция», квалификация «Юрист»
  • 2003 · Кандидат экономических наук
  • 1999 · Специалитет: Санкт-Петербургский государственный технический университет, специальность «Экономика и управление на предприятии», квалификация «Экономист-менеджер»
  • 1993 · Специалитет: Санкт-Петербургский государственный технический университет, специальность «Электропривод и автоматизация промышленных установок и технологических комплексов», квалификация «Инженер-электрик»

Опыт работы

  • · НИУ ВШЭ по настоящее время

Награды и поощрения

  • · Благодарность факультета экономических наук НИУ ВШЭ (февраль 2024)
  • · Благодарность Школы финансов НИУ ВШЭ (январь 2021)
  • · Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2025–2026, 2024–2025, 2023–2024)
  • · Надбавка за публикацию в международном рецензируемом научном издании (2022–2023, 2021–2022, 2020–2022, 2018–2020)
  • · Надбавка за статью в зарубежном рецензируемом научном издании (2016–2018)

Гранты и проекты

  • — · на соискание учёной степени кандидата наук

Идентификаторы исследователя

Публикации (70)

Полнота раскрытия нефинансовой информации российскими компаниями: влияние на инвестиционную привлекательность

2020 · ARTICLE · ru

В условиях развития цифровизации усиливается роль информационной прозрачности компании, которая во многом определяет интерес и ожидания инвесторов относительно ее дальнейшего роста. При этом все большую значимость при оценке инвестиционной привлекательности компаний приобретает раскрываемая нефинансовая информация. Цель исследования - обоснование влияния полноты раскрытия нефинансовой информации на инвестиционную привлекательность российских компаний. Для ее достижения используется современная методология текстового анализа, формируются авторский словарь и индекс, характеризующие полноту раскрытия нефинансовой информации. Построение панельной регрессии позволило эмпирически доказать значимость полноты раскрытия нефинансовой информации как по отдельным тематическим направлениям, регулируемым международными стандартами Global Reporting Initiative (GRI), так и по направлениям, выделенным авторами дополнительно, для формирования будущих показателей инвестиционной привлекательности российских компаний за период с 2009 по 2018 гг.

DOI ↗

ТОНАЛЬНОСТЬ ОСВЕЩЕНИЯ ПОЗИЦИИ РОССИИ В АНГЛОЯЗЫЧНЫХ СМИ В ПЕРИОД САНКЦИЙ

2020 · ARTICLE · ru

Обострение политической обстановки, которая свойственна текущей стадии развития международных отношений, сопровождается масштабной информационной войной. Проблема освещения положения России в международной прессе с негативной точки зрения обсуждается с начала 2000-х годов. Российско-украинский конфликт, который начался в конце 2013 - начале 2014 годов, заставил иностранные средства массовой информации вновь обратить внимание на Россию и спровоцировал увеличение количества негативных высказываний в ее отношении. Создается впечатление, что целью иностранных СМИ выступает формирование враждебного образа России у аудитории. Статья посвящена проблеме оценки тональности освещения позиции России в англоязычных СМИ под влиянием введения антироссийских санкций. В исследовании были проанализированы новостные тексты англоязычных средств массовой информации за 2012-2018 годы. Весь рассматриваемый период был разделен на несколько этапов: первый этап представляет собой период до момента введения первых санкций; остальные отражают различные стадии введения ограничений

DOI ↗

ОЦЕНКА КАЧЕСТВА РАСКРЫТИЯ НЕФИНАНСОВОЙ ИНФОРМАЦИИ ПО СТАНДАРТАМ GRI РОССИЙСКИМИ КОМПАНИЯМИ

2020 · ARTICLE · ru

Нефинансовая информация определяется как значимая детерминанта деятельности компании с точки зрения многих современных теорий. Эволюция теории оценки инвестиционной привлекательности компании привела к формированию вывода о том, что к числу факторов, её определяющих, относятся не только финансовые результаты деятельности, но и прочие нефинансовые характеристики компании, такие как структура управления, степень социальной и экологической ответственности, политика в области управления персоналом. Развитие неоинституциональной теории выдвигает предположение о склонности организаций к раскрытию нефинансовой информации как реакции на вызовы институциональной среды. В рамках рассматриваемого подхода существенной методологической проблемой становится определение качества раскрытия нефинансовой информации компаниями, позволяющее ранжировать их с позиции потенциальной возможности инвестирования. Целью работы выступила разработка подхода к оценке соответствия раскрытия нефинансовой информации российскими компаниями международным стандартам GRI. Для достижения цели авторами был предложен показатель, характеризующий качество раскрытия нефинансовой информации, основанный на использовании метода «мешок слов» и построении авторского словаря нефинансовых терминов. Разработанный показатель дополняет существующие теории, рассматривающие значимость нефинансовых детерминантов деятельности компании, в части развития методологии определения качества нефинансовой информации, а также позволяет выявить тенденции и возможности применения зарубежных стандартов российскими компаниями.

DOI ↗

Особенности прогнозирования банкротства организаций с государственным участием в законодательстве Российской Федерации

2019 · ARTICLE · ru

Предмет. Законодательные основы прогнозирования банкротства организаций с государственным участием в Российской Федерации. Цели. Совершенствование предлагаемой российскими нормативно-правовыми актами методологии прогнозирования банкротства для предприятий с государственным участием через уточнение применяемых финансовых показателей и экономических ориентиров их оценки. Проверяются две гипотезы. Гипотеза 1 - финансовые показатели, предлагаемые законодательством, устарели и не учитывают специфических характеристик предприятий с государственным участием. Гипотеза 2 - некоторые коэффициенты, не учитываемые нормативными актами, имеют высокую прогностическую способность (более 70%) и могут быть рекомендованы для дополнения методологии. Методология. В основе - методика, утвержденная Приказом Росимущества от 30.12.2014 № 530. Применение технологии CART (Classification And Regression Tree) к финансовым показателям, рекомендуемым Приказом, позволило уточнить их нормативные значения с учетом специфики организаций с госучастием. Результаты.Эмпирическая проверка полученных результатов на выборке из 692 компаний продемонстрировала увеличение прогностической способности рассмотренных показателей при изменении нормативных значений. Аналогично была доказана высокая точность прогнозирования среди организаций с государственным участием ряда коэффициентов, не используемых сейчас. Выводы. Полученные результаты позволят дополнить методологию, предлагаемую Приказом № 530, и будут способствовать повышению эффективности прогнозирования банкротства для предприятий с государственным участием.

DOI ↗

THE IMPACT OF OUTLIER FILTERING ON THE ELECTRICITY PRICE FORECASTING ACCURACY

2019 · ARTICLE · en

Increasing the accuracy of short-term electricity price forecasting allows day-ahead power market participants to obtain a positive economic effect by bidding close to the equilibrium price. However the electricity price time-series is generally infested with extreme values due to high price volatility. This paper discusses the impact of outlier filtering on forecasting accuracy based on a recently introduced seasonal component autoregressive model. We consider such methods of outlier detection (with a priori defined cut-off parameter) as threshold, standard deviation, percentage, recursive, and moving filter on prices. It is shown that such data pre-processing often leads to the forecasting accuracy gain while the error decrease (relative to the approach without filtering) in a number of cases may reach 1.8–1.9% of the average weekly price (in absolute values). For an a priori defined cut-off parameter, the simple threshold and standard deviation filter on prices outperform other considered methods, and yield to the accuracy gain in 63% and 67% of cases, correspondingly. At the same time, in case of the out-of-sample filter parameter grid-optimization all of the methods demonstrate comparable prediction power (equal to the marginal performance). But, practically speaking, such optimization is time-consuming and cannot be carried out on unavailable future data. As an competitive alternative, we propose a combined filter on prices based on a committee machine which uses the results of individual non-optimized algorithms and is not time-consuming, but gives accuracy comparable to the best one obtained for each of the studied electricity markets and leads to forecast gain in 63% of the considered cases.

DOI ↗ PDF ↗

THE ANALYSIS OF SANCTIONS' INFLUENCE ON RUSSIAN STOCK MARKET BASED ON SANCTION INDEX DEVELOPMENT

2019 · ARTICLE · en

Anti-Russian sanctions have become one of the key factors, determining the state of the Russian national economics in recent years. Financial restrictions against companies and residents, which constrict the possibility of raising foreign funding and limit cooperation with abroad investors, have become one of the sanctions' types. Such events could not but affect the state of the Russian financial market. The aim of the work under discussion is to estimate the impact of anti-Russian sanctions on the Russian financial market from 2014 till 2018. In order to achieve the stated objective the authors developed a system of indexes that allow quantitatively showing the sanctions imposed against Russia by different foreign countries. The indexes were calculated not only for all restrictions in total, but also for sanctions imposed by different groups of countries (USA, European Union and other countries). In addition, the developed indexes make it possible to take into account the degree of particular sanctions' impact based on the level of the object under sanctions. The stated indexes' analysis in relation to the variation of MOEX index allowed establishing the high degree of dependence of the Russian financial market's dynamics on the imposed sanction restrictions and justifying the proposed approach to indexes' calculation.

DOI ↗ PDF ↗

Отраслевые особенности применения моделей прогнозирования банкротства предприятия

2018 · ARTICLE · ru

Исследование предпринято для совершенствования методологии прогнозирования банкротства путем уточнения нормативных значений существующих моделей с учетом отраслевой принадлежности компаний и для разработки авторской модели прогнозирования банкротства. Прежде всего, оценена точность прогноза для компаний 8 отраслей по действующим нормативам моделей прогнозирования банкротства. Применение методологии CART (Classification And Regression Tree) позволило уточнить оригинальные нормативные значения и предложить новые индивидуальные границы оценки для каждой отрасли. Рассчитанные значения продемонстрировали высокую прогностическую способность и позволили сбалансировать показатели точности прогнозирования для компаний-банкротов и финансово устойчивых организаций. Из общей совокупности финансовых показателей, используемых в различных моделях, были отобраны коэффициенты, обладающие максимальной значимостью для прогнозирования банкротства. На их основе была разработана новая модель, демонстрирующая высокую точность результатов на заданной выборке, и нормативы ее оценки для компаний различных отраслей. Практическое применение предлагаемых разработок позволит повысить эффективность и достоверность прогнозирования банкротства, позволит своевременно скорректировать финансовое состояние компаний, которым грозит банкротство.

Прогнозирование банкротства организаций с государственным участием

2018 · CHAPTER · ru

Рассмотрены вопросы прогнозирования банкротства организаций с государственным участием в законодательстве Российской Федерации. В основу исследования легла методика, утвержденная Приказом Росимущества от 30.12.2014 № 530 [3]. Применение технологии CART (Classification and Regression Tree) к финансовым показателям [3], рекомендуемым Приказом, позволило уточнить их нормативные значения с учетом специфики организаций с государственным участием. Эмпирическая проверка полученных результатов на выборке из 692 компаний продемонстрировала увеличение прогностической способности рассмотренных показателей при изменении нормативных значений. Аналогичным образом была доказана необходимость дополнить рассматриваемый Приказ финансовыми коэффициентами, с высокой точностью предсказывающими банкротство среди организаций с государственным участием (оборачиваемость совокупных активов, отношение совокупных обязательств к совокупным активам, нераспределенной прибыли к совокупным активам).

Two-step classification method based on genetic algorithm for bankruptcy forecasting

2017 · ARTICLE · en

By present, many models of bankruptcy forecasting have been developed, but this area remains a field of research activity; little is known about the practical application of existing models. In our opinion, this is because the use of existing models is limited by the conditions in which they are developed. Another question concerns the factors that can be significant for forecasting. Many authors suggest that indicators of the external environment, corporate governance as well as firm size contain important information; on the other hand, the large number of factors does not necessary increase predictive ability of a model. In this paper, we suggest the genetic algorithm based two-step classification method (TSCM) that allows both selecting the relevant factors and adapting the model itself to application. Classifiers of various models are trained at the first step and combined into the voting ensemble at the second step. The combination of random sampling and feature selection techniques were used to ensure the necessary diversity level of classifiers at the first step. The genetic algorithms are applied at the step of features selection and then at the step of weights determination in ensemble. The characteristics of the proposed method have been tested on the balanced set of data. It included 912 observations of Russian companies (456 bankrupts and 456 successful) and 55 features (financial ratios and macro/micro business environment factors). The proposed method has shown the best accuracy (0.934) value among tested models. It has also shown the most balanced precision-recall ratio. It found bankrupts (recall = 0.953) and not bankrupts (precision = 0.910) rather accurately than other tested models. The ability of method to select the task-relevant features has been also tested. Excluding the features that are significant for less than 50% of the classifiers in the ensemble improved the all performance metrics (accuracy = 0.951, precision = 0.932, recall = 0.965). So, the proposed method allows to improve the advantages and alleviate the weaknesses inherent in ordinary classifiers, enabling the business decisions support with a higher reliability.

DOI ↗ PDF ↗

Оценка эффективности компаний, управляющих пенсионными накоплениями на основе метода DEA (Data Envelopment Analysis)

2017 · ARTICLE · ru

Цель исследования – рассмотреть непараметрический метод DEA и его практическое применение для оценки эффективности российских компаний, управляющих пенсионными накоплениями. В статье представлены теорети-ческие аспекты пяти моделей DEA: модель с постоянной отдачей от масштаба (CRS); модель с убывающим, возрас-тающим и переменным эффектом от масштаба (DRS, IRS и VRS) и модель непроизводительного ресурсов (FDH). Проведен сравнительный анализ этих моделей на примере оценки эффективности 39 компаний, управляющих пенсионными накоплениями, за период с I квартала 2004 г. по I квартал 2016 г. Учитывая специфику деятельности управляющих компаний, для оценки их эффективности в настоящем исследовании выбраны показатели, связанные как с финансовой деятельностью компании, так и с управлением пенсионным портфелем. Поэтому в рассматри-ваемом случае модель будет иметь один вход – объем инвестирования за квартал и три выхода: стоимость чистых активов (СЧА), доходы от инвестирования за квартал и денежные средства на счетах в кредитных организациях.Сама по себе оценка эффективности компаний не всегда является целью, гораздо чаще исследователей интере-суют внешние факторы, влияющие в целом на производительность компаний в отрасли. В роли критериев ка-чества оценки эффективности в соответствии с различными моделями выбраны сочетание доходности и риска портфеля управляющей компании, стоимость ее чистых активов, а также индикаторы кризисного состояния экономики. Выбранные модификации DEA можно использовать в дальнейшем при принятии управленческих и инвестиционных решений.

Курсы (3)