Математические, статистические и инструментальные методы в экономике

в СПбПУ · Санкт-Петербург

Год	БюджетПроходной балл на бюджетные места — сумма баллов последнего зачисленного в этом году.	ПлатноеПроходной балл на платные места в этом году.	Мест БЧисло бюджетных мест в этом году.	Мест ПЧисло платных мест в этом году.	Цена/год
2026	195	—	7	4	391 000 ₽

Аспиранты разрабатывают и применяют математические, статистические и вычислительные методы для анализа экономических процессов и принятия решений. Диссертации могут быть посвящены эконометрическим моделям, прогнозированию, анализу больших данных, оптимизации, оценке рисков, моделированию рынков, предприятий и отраслей. Исследователь осваивает теорию вероятностей, статистический вывод, временные ряды, методы машинного обучения, исследование операций, программирование, работу с базами данных и проверку устойчивости результатов. В техническом университете экономико-математическая специальность опирается на культуру моделирования и количественного эксперимента. СПбПУ даёт содержательный контекст промышленности, энергетики, инноваций и управления сложными системами. Аспирант учится переводить экономический вопрос в формальную модель, выбирать данные без подмены предметной логики удобными показателями и проверять, насколько выводы сохраняются при изменении предпосылок. Программа подойдёт выпускникам экономики, прикладной математики, статистики, информатики и инженерных направлений, которым близка работа с данными. Степень кандидата экономических наук полезна для академических исследований, преподавания, экономической аналитики, моделирования рисков и поддержки управленческих решений. Она подтверждает способность создавать методы, а не только применять готовые алгоритмы, корректно оценивать ограничения модели и объяснять количественные результаты специалистам предметной области.

Направление «Математические, статистические и инструментальные методы в экономике» (ФГОС 5.2.2) в аспирантуре готовит исследователей и преподавателей, владеющих современными количественными методами анализа экономических систем. Программа направлена на формирование глубоких знаний в области математического моделирования, эконометрики, теории вероятностей и статистики, а также навыков работы с инструментальными программными средствами (R, Python, Stata, MATLAB). Обучение включает освоение методов оптимизации, анализа временных рядов, панельных данных, машинного обучения и имитационного моделирования для решения прикладных экономических задач. Ключевые дисциплины: «Эконометрика (продвинутый уровень)», «Математические методы в экономике», «Статистический анализ данных», «Инструментальные методы (Big Data, Data Mining)», «Теория игр и принятия решений», «Моделирование экономической динамики». Студенты изучают построение и верификацию экономико-математических моделей, методы оценки параметров, тестирование гипотез, прогнозирование, а также алгоритмы обработки больших данных. Выпускник приобретает компетенции: способность формулировать и решать научные проблемы с использованием математического аппарата, проводить эконометрический анализ, разрабатывать и адаптировать инструментальные средства для исследования экономических процессов. Навыки включают программирование статистических и оптимизационных задач, интерпретацию результатов, подготовку научных публикаций и преподавание. Направление востребовано в академической среде, аналитических отделах компаний, государственных органах (ЦБ, Минфин), банках, страховых и консалтинговых фирмах. Особенность — междисциплинарность: сочетание экономической теории, математики и IT, что позволяет выпускникам быть гибкими и решать широкий спектр задач от прогнозирования рыночных трендов до оценки эффективности политик.

Выпускники работают экономистами-аналитиками, эконометриками, data scientist’ами, риск-аналитиками, консультантами по количественным методам в банках (анализ кредитных рисков), инвестиционных компаниях (портфельный анализ), страховых организациях (актуарные расчеты), IT-компаниях (анализ пользовательского поведения), государственных структурах (макроэкономическое прогнозирование). Перспективы: научно-исследовательская деятельность (НИИ, вузы), руководство аналитическими отделами. Востребованность высокая из-за роста объемов данных и потребности в обоснованных решениях.