Микушева, Анна Евгеньевна

Микушева, Анна Евгеньевна
Микушева, Анна Евгеньевна
Дата рождения	29 мая 1975(1975-05-29) (47 лет)
Место работы	МТИ; Гарвардский университет;
Альма-матер	Московский государственный университет, Российская экономическая школа, Гарвардский университет
Учёная степень	кандидат физико-математических наук; доктор философии (PhD) по экономике
Научный руководитель	James H. Stock[d] и Булинский, Александр Вадимович
Награды и премии	Исследовательская премия Элейн Беннетт[d] (2012) действительный член Эконометрического общества
Сайт	economics.mit.edu/facult…

Анна Микушева (Анна Евгеньевна Микушева; родилась 29 апреля 1976 года) — профессор экономики Массачусетского технологического института. В 2012 году она стала лауреатом премии Elaine Bennett Research Prize^ru_en, которая присуждается раз в два года и отмечает исследования женщин в области экономики, а также является соредактором журнала Econometric Theory. Она была выбрана в качестве научного сотрудника Sloan в 2013 году.

БиографияПравить

Микушева выросла в Оренбурге, Россия. Участие в математической олимпиаде привлекло к ней внимание школы в Москве. В 1993 году окончила Специализированный учебно-научный центр МГУ^[3].

Продолжила изучение математики на механико-математическом факультете Московского государственного университета, где получила степень специалиста в 1998 году и степень кандидата физико-математических наук по теории вероятностей в 2001 году^[4]. В то же время Анна получила степень магистра в Российской экономической школе. Затем она получила степень доктора философии по экономике в Гарвардском университете в 2007 году, специализируясь на эконометрике временных рядов, и поступила на экономический факультет Массачусетского технологического института^[5].

Член редакционного совета журнала «Квантиль»^[6].

Её исследования сосредоточены на разработке инструментов для оценки сложных макроэкономических моделей, таких как динамические стохастические модели общего равновесия (DSGE), с ограниченным объёмом доступных экономических данных. Её методы показывают, где оценка таких моделей более или менее надежна, особенно в случае слабо идентифицированных инструментов.