• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Глава в книге
Оценка функции спроса на театральные постановки: эмпирический анализ

Ожегова А. Р., Ожегов Е. М.

В кн.: Эконометрические модели эластичности спроса на театральные услуги. М.: Институт экономики РАН, 2017. С. 4-30.

Препринт
Brands or Uncertainty? An Empirical Test of the Uncertainty of Outcome Hypothesis in Russian Football

Parshakov P., Байдина К. О.

Economics/EC. WP BRP. Высшая школа экономики, 2017. No. WP BRP 163/EC/2017.

Как онлайн-серфинг влияет на поведение заемщиков

На очередном заседании GAMES студент 4-го курса образовательной программы «Экономика» Николай Кузнецов представил исследование, посвященное объяснению влияния онлайн-поведения потенциальных заемщиков банка на вероятность оставления заявки на кредит. Исследование находится на этапе анализа данных и изучения процесса подачи кредитной заявки.

На очередном заседании GAMES студент 4-го курса образовательной программы «Экономика» Николай Кузнецов представил исследование, посвященное объяснению влияния онлайн-поведения потенциальных заемщиков банка на вероятность оставления заявки на кредит. Исследование находится на этапе анализа данных и изучения процесса подачи кредитной заявки.

 

 

 

 

 

 


Николай начал выступление с обоснования актуальности работы: «Практически половина населения России пользуется интернет-банком. В то же время с каждым годом на 20–30% растет количество выданных жилищных кредитов. Но пока нельзя сказать, насколько вырастает доля рынка интернет-банка и онлайн-сервисов».

Автор кратко остановился на обзоре предыдущих исследований, посвященных изучению кредитования и интернета. Николай отметил, что исследований в сфере онлайн-кредитования еще недостаточно.

Он представил также типичную схему выдачи кредита онлайн, состоящую из нескольких этапов: посещение сайта банка, оставление кредитной заявки, оценка кредитоспособности и выдача кредита. В своем исследовании Николай предполагает оценить взаимосвязь поведения потенциального заемщика в интернете и вероятности подать заявку на кредит.

Работа основывается на уникальном массиве данных об интернет-пользователях, их предыдущих запросах, интенсивности посещения разных категорий сайтов, при этом, конечно, данные обезличены. Они были получены с помощью сервисов «Яндекс. Метрика», Sales Force, NapaLabs.

Основная сложность, возникшая на данном этапе исследования, — установление взаимооднозначной связи данных, полученных из различных источников. Это необходимо для того, чтобы проследить одного и того же клиента от момента посещения страницы банка до подачи заявки на кредит.

Участники заседания активно обсудили пути решения этой проблемы, предложив несколько вариантов моделей соотнесения столь разных массивов данных. Так, автору исследования порекомендовали уточнить набор данных, которые можно извлечь с помощью названных сервисов. В дальнейшем это может привести к более точным результатам исследования.