Пересецкий Анатолий Абрамович
Факультет экономических наук
Профессиональные интересы
Должности
- Профессор-исследователь — Факультет экономических наук, Департамент прикладной экономики
- Ведущий научный сотрудник — Факультет экономических наук, Центр больших данных в экономике и финансах (CEBDA)
Био
- · Начал работать в НИУ ВШЭ в 2006 году.
- · Научно-педагогический стаж: 52 года.
Образование
- 2023 · Ученое звание: Профессор
- 2010 · Доктор экономических наук: Центральный экономико-математический институт РАН, специальность 08.00.13 «Математические и инструментальные методы экономики», тема диссертации: Эконометрический подход к дистанционному анализу деятельности российских банков и банковскому надзору
- 1988 · Старший научный сотрудник
- 1977 · Кандидат физико-математических наук: Московский государственный университет им. М.В. Ломоносова, тема диссертации: Качественная теория однородных космологических моделей
- 1971 · Специалитет: Московский государственный университет им. М.В. Ломоносова, факультет: механико-математический, специальность «Математика», квалификация «Математик»
Опыт работы
- · Работа в академических организациях
- · 2010–по н.в: Национальный исследовательский Профессор университет Высшая школа экономики, Эконометрика Москва
- · 1992–2012: Российская экономическая, Профессор школа. Москва. статистика, эконометрика, российская банковская система
- · 1991–по н.в.: Центральный экономико– Главный научный математический институт сотрудник ЦЭМИ РАН, Москва
- · 1996–по н.в.: Международный колледж Профессор экономики и финансов. Информатика, Математическая Высшая школа экономики и статистика, Эконометрика. Лондонская школа экономики (на англ.яз.) (LSE)
- · 2008–2009: Московский институт Профессор международных отношений Научный руководитель (МГИМО, университет) кафедры эконометрики
- · 1996–2000: Высшая школа экономики Доцент государственный университет, Эконометрика Москва
- · 1996–1998: Международный колледж, Доцент МГУ и Университет Колорадо, курсы мат.статистики (Денвер) и эконометрики (на англ.яз.)
- · 1996–1998: Школа бизнеса и экономики, Лектор Москва. (Калифорнийский Курс анализа временных университет. Хайвард), рядов по программе МБА
- · 1971–1973: Институт Радиотехники Научный сотрудник и электроники АН СССР, г.Фрязино
- · Работа в академических организациях (визиты)
- · 2012: Институт экономик переходного Исследователь август 1-30 периода Банка Финляндии, (BOFIT) Хельсинки, Финляндия
- · 2004: Центр экономических Исследователь август исследований Тилбургского, университета, Нидерланды
- · 2002: Центр экономических Исследователь август исследований Тилбургского, университета, Нидерланды
- · 2000: Georgia Institute of Technology, профессор, осенний семестр Атланта, США математический ф–т. Лекции по Теория вероятности и Математической статистике
- · 2000: Центр экономических Исследователь август исследований Тилбургского, университета, Нидерланды
- · 1999: Центр экономических Исследователь август исследований Тилбургского, университета, Нидерланды
- · 1999: Georgia Institute of Technology, профессор, весна Атланта, США математический ф–тет. Лекции по Теория вероятности и Математической статистике
- · 1997: Лаборатория генетики, Исследователь Ноябрь 1996–январь Университет г.Гент, Приложения моделей Бельгия математической статистики в молекулярной генетике
- · 1995: Центр экономических Исследователь осень исследований Тилбургского, университета, Нидерланды
- · 1994: Центр экономических Исследователь осень исследований Тилбургского, университета, Нидерланды
- · 1993: Georgia Institute of Technology, Исследователь, осень Атланта, США биологический ф–тет. приложения математической статистики к молекулярной генетике
- · 1990: Московский Государственный, старший осень Университет научный сотр, биологический ф–тет, статистический анализ ЭЭГ
- · Опыт прикладной работы
- · 2010: Citibank Лекции по прикладной статистике и эконометрике
- · 2008: ACNielsen Лекции по прикладной статистике
- · 2005: SUNInterbrew Лекции по методам прогноза. осень Москва
- · 2004: КОМКОН, Консультант Москва Маркетинговые исследования
- · 2003: Альфа Банк Лекции по прикладной статистике
- · 1996–2000: Глаксо–Вэллком, Консультант Москва Статистический анализ сравнительных испытаний лекарственных препаратов
Награды и поощрения
- · Благодарность первого проректора НИУ ВШЭ (декабрь 2023)
- · Почетный знак II степени Высшей школы экономики (октябрь 2023)
- · Благодарственное письмо ректора Высшей школы экономики (декабрь 2022)
- · Благодарность Международного института экономики и финансов НИУ ВШЭ (июнь 2022)
- · Благодарность Международного института экономики и финансов НИУ ВШЭ (июнь 2021)
- · Победитель общенациональной премии "Профессор года - 2018" (декабрь 2018)
- · Медаль "Признание - 10 лет успешной работы" НИУ ВШЭ (октябрь 2018)
- · Почетная грамота Высшей школы экономики (октябрь 2018)
- · Благодарность Высшей школы экономики (январь 2014)
- · Благодарность Высшей школы экономики (март 2012)
- · Медаль "В память 850-летия Москвы" (февраль 1997)
- · Надбавка за академические успехи и вклад в репутацию НИУ ВШЭ (2011–2013)
- · Надбавка за публикацию в журнале из Списка А (и приравненном к нему научном издании) (2024–2025, 2023–2024)
- · Надбавка за публикацию в международном рецензируемом научном издании (2020–2021, 2019–2020, 2017–2018)
- · Надбавка за статью в зарубежном рецензируемом журнале (2015–2017, 2013–2015)
- · Лучший преподаватель — 2015, 2012
Гранты и проекты
- — · на соискание учёной степени кандидата наук
Конференции (1)
Показать все
- · 2021: 3-й семинар "Прикладная эконометрика" в рамках XXII Апрельская международная научная конференция НИУ ВШЭ по проблемам развития экономики и общества (Москва). Доклад: Эндогенная классификация домохозяйств в регионах России
Идентификаторы исследователя
- ORCID:
0000-0003-3618-3040 - ResearcherID:
I-7366-2015 - SPIN РИНЦ:
5121-9012 - Google Scholar: https://scholar.google.ru/citations?user=c4lU_Y0AAAAJ&hl=ru
- Scopus AuthorID:
6507091282
Публикации (99)
Interaction of the Russian Financial Markets
2000 · ARTICLE · en
The different segments of he Russian financial markets are studied in the paper. The market crashed on 17 August 1998. We consider the stable period of the market between May 1996 and October 1997. We study the structure of interactions between the GKO market, stock market, currency market, currency futures market, GKO futures market, interbank credit market. We study the relations between the world financial market and the Russian financial market. It was shown that, in the period under consideration, different segments of the Russian financial market became more integrated and the market as whole became more stable and more integrated in the international capital flows.
Efficiency of the Conservative Treatment in Idiopathic Scoliosis: Mathematical Models of the Effect of the Brace Treatment in Patients with Adolescent Idiopathic Scoliosis
1999 · CHAPTER · en
Classification of Arabidopsis thaliana gene sequences: clustering of coding sequences into two groups according to codon usage improves gene prediction
1999 · ARTICLE · en
While genomic sequences are accumulating, finding the location of the genes remains a major issue that can be solved only for about a half of them by homology searches. Prediction methods are thus required, but unfortunately are not fully satisfying. Most prediction methods implicitly assume a unique model for genes. This is an oversimplification as demonstrated by the possibility to group coding sequences into several classes in Escherichia coliand other genomes. As no classification existed for Arabidopsis thaliana, we classified genes according to the statistical features of their coding sequences. A clustering algorithm using a codon usage model was developed and applied to coding sequences from A. thaliana, E. coli, and a mixture of both. By using it, Arabidopsis sequences were clustered into two classes. The CU1and CU2 classes differed essentially by the choice of pyrimidine bases at the codon silent sites: CU2 genes often use C whereas CU1 genes prefer T. This classification discriminated the Arabidopsis genes according to their expressiveness, highly expressed genes being clustered in CU2 and genes expected to have a lower expression, such as the regulatory genes, in CU1. The algorithm separated the sequences of the Escherichia-Arabidopsis mixed data set into five classes according to the species, except for one class. This mixed class contained 89 % Arabidopsis genes from CU1 and 11 % E. coli genes, mostly horizontally transferred. Interestingly, most genes encoding organelle-targeted proteins, except the photosynthetic and photoassimilatory ones, were clustered in CU1. By tailoring the GeneMark CDS prediction algorithm to the observed coding sequence classes, its quality of prediction was greatly improved. Similar improvement can be expected with other prediction systems.
Оценка эффективноcти комбиниpованной теpапии фликcотидом и cеpевентом у больныx бpонxиальной аcтмой
1998 · ARTICLE · ru
В работе представлены результаты сочетанного применения ингаляционного стероида флyrиказона пропионата (ФП) и сальметерола у 52 амбулаторных больных (11 мужчин и 41 женщина) бронхиальной астмой среднетяжелого течения, изначально принимавших средние дозы ингаляционных глюкокортикостероидов (1000-1600 мкг будесонида или 500-800 мкг ФП в сутки) в сочетании с бронхолитиками различных классо в и Р2-агонисты короткого действия. Эффективность комбинированного назначения дозированных ингаляций 250 мкг ФП и 50 мкг сальметерола в течение 9 н едель (два раза в сутки) оценивалась на основании результатов клиникофункционального обследования пациентов: пикфлоуметрия , регистрация показателей кривой потокобъем форсированного выдоха с бронходилатационной пробой на обратимость и суточной потребности в Р2-агонистах. Полученные данные продемонстрировали , что назначение сочетанной терапия ФП и сальметролом является наиболее оптимальным способом лечения больных с точки зрения зффективности и безопасности ; позволяет достигнуть устойчивого и долговременного контроля бронхиальной проводим ости и суточной вариабельности ; сохраняет эффективность на протяжен ии длительного курса лечения ; не обладает побочным системным и кардиотоксическим воздействием и не вызывает серьезных побочных эффектов.
Deriving Non–homogeneous DNA Markov Chain Models by Cluster Analysis Algorithm Minimizing Multiple Alignment Entropy
1994 · ARTICLE · en
Non-homogeneous Markov chain models can represent biologically important regions of DNA sequences. The statistical pattern that is described by these models is usually weak and was found primarily because of strong biological indications. The general method for extracting similar patterns is presented in the current paper. The algorithm incorporates cluster analysis, multiple alignment and entropy minimization. The method was first tested using the set of DNA sequences produced by Markov chain generators. It was shown that artificial gene sequences, which initially have been randomly set up along the multiple alignment panels, are aligned according to the hidden triplet phase. Then the method was applied to real protein-coding sequences and the resulting alignment clearly indicated the triplet phase and produced the parameters of the optimal 3-periodic non-homogeneous Markov chain model. These Markov models were already employed in the GeneMark gene prediction algorithm, which is used in genome sequencing projects. The algorithm can also handle the case in which the sequences to be aligned reveal different statistical patterns, such as Escherichia co/i protein-coding sequences belonging to Class II and Class III. The algorithm accepts a random mix of sequences from different classes, and is able to separate them into two groups (clusters), align each cluster separately, and define a non-homogeneous Markov chain model for each sequence cluster.
Сингулярность однородных метрик Эйнштейна
1977 · ARTICLE · ru
Рассматриваются однородные космологические модели с произвольным (однородным) движением вещества. Показано наличие колебательного режима типа режима БЛХ при движении к космологической особенности в моделях II—IV, VI—IX типов Бьянки. Сформулированы ограничения на скорости, при которых колебательный режим вырождается в казнеровскую асимптотику.
Анизотропная однородная космологическая модель VII типа Бьянки с движением вещества
1976 · ARTICLE · ru
Курсы (3)
-
Statistics · 5 раза
2025/2026, 2024/2025, 2023/2024, 2022/2023, 2021/2022 · Бакалавриат · Анг
-
Эконометрика (продвинутый уровень) · 5 раза
2025/2026, 2024/2025, 2023/2024, 2022/2023, 2021/2022 · продвинутый уровень · рус
-
Advanced Statistics, ICEF Academia
2022/2023 · Дисциплина общефакультетского пула · Анг