Arsen Tagibekov

Арсен Тагибеков

Магистр бизнес-управления и бакалавр экономики с подтверждённым опытом разработки эффективных, основанных на данных решений. Имею практический опыт финансового анализа, оценки, прогнозирования и оптимизации процессов в рамках реальных проектов в различных отраслях. Владею Python, SQL, R, Tableau и Excel, умею преобразовывать сложные наборы данных в понятные выводы, поддерживающие стратегическое принятие решений.

LinkedIn GitHub Резюме

Навыки

Технические навыки

  • Microsoft Office (продвинутый уровень)
  • Python, R, SQL
  • Tableau, draw.io

Финансовые навыки

  • Финансовое моделирование (3 отчета)
  • Оценка компаний (DCF и мультипликаторы)
  • Бюджетирование и прогнозирование
  • Отчетность по KPI и сценарное планирование
  • Бухучёт

Образование

TH Brandenburg Logo

Technische Hochschule Brandenburg | Бранденбург, Германия

Магистр Наук в области бизнес-управления (2022–2025) — GPA 2.1/1.0 Диплом Приложение

Ключевые курсы: Корпоративные финансы, Оценка бизнеса и финансовое моделирование, МСФО (IFRS), Прикладная Эконометрика, Стратегический менеджмент и маркетинг.

Магистерская работа: «How AI Learns from Social Media Data To Influence Consumer Behavior»

MSU Logo

МГУ имени М.В. Ломоносова | Москва, Россия

Бакалавр экономики (2017–2021) — Диплом с отличием — GPA 4.5/5.0 Диплом Приложение

Курсы: Анализ временных рядов, Эконометрика, Мировая экономика, Финансы и Кредит, Бухучёт.

Выпускная работа: «Предсказуемость ожидаемой прибыли американских компаний»

Портфолио проектов

Фундаментальная оценка компании Schlumberger (SLB) | 2025

DCF и мультипликаторы | GitHub | Excel файл | Отчёт(RU)

• Построена полная трехотчетная финансовая модель Schlumberger (SLB), включающая прогнозы отчёта о прибылях и убытках, баланса и отчета о движении денежных средств на 2025–2029 годы.

• Проведен анализ дисконтированных денежных потоков (DCF) с учетом различных сценариев, моделирования UFCF и расчета терминальной стоимости методом постоянного роста.

• Рассчитана средневзвешенная стоимость капитала (WACC) по модели CAPM с учетом чувствительности к структуре капитала, бета-коэффициенту и макроэкономическим предпосылкам.

• Разработана оценка по сопоставимым компаниям (Comps Model) с использованием мультипликаторов (EV/Revenue, EV/EBITDA, P/E) по аналогам: Halliburton, Baker Hughes, Weatherford, Tenaris и NOV.

• Визуализированы ключевые драйверы через графики: мост EBITDA, тренды оборотного капитала, UFCF и таблицы чувствительности оценки (WACC и g).

• Подготовлен 14-страничный инвестиционный отчет с источниками в Harvard-стиле, анализом сценариев, сравнением оценок и финальной рекомендацией: Покупать (Buy).

Фундаментальная оценка компании Saudi Aramco (2222.SR) | 2025

DCF и мультипликаторы | GitHub | Excel файл | Отчёт(RU)

• Построена полностью связанная трёхкомпонентная финансовая модель (отчет о прибылях и убытках, баланс, отчет о движении денежных средств) на период 2022–2029 на основе проверенных отчетов Saudi Aramco.

• Проведён анализ DCF (дисконтированных денежных потоков) с расчётом терминальной стоимости (метод постоянного роста), сценарным анализом (базовый, оптимистичный, пессимистичный) и полным расчётом WACC на основе рыночных данных.

• Разработана модель сравнительной оценки (Comps) с использованием мультипликаторов (EV/EBITDA, EV/Revenue, P/E) для 8 глобальных нефтегазовых компаний (ExxonMobil, Shell, CNPC, Petrobras и др.).

• Проведён анализ чувствительности к изменениям ставки дисконтирования и темпа роста, визуализировано влияние на стоимость предприятия и цену акции.

• Подготовлен профессиональный аналитический отчёт (17 страниц) с макроэкономическим контекстом, логикой модели, графиками, таблицами оценки и рекомендациями. Все источники указаны по Harvard-стандарту.

Прогнозирование цен на нефть и объемов добычи для стратегического планирования | 2025

R, Shiny, ETS, ARIMA, ggplot2, tseries, forecast | GitHub | Отчёт(EN)

• Разработал полный аналитический проект по прогнозированию временных рядов в R для оценки и прогнозов цен на нефть WTI и объема добычи нефти в США.

• Применил и сравнил модели ETS и ARIMA, добившись высокой точности прогноза (MAPE ~1.85% для цен и ~1.9% для объемов).

• Провел тесты стационарности, STL-декомпозицию, ACF/PACF-анализ и анализ волатильности с использованием скользящего окна.

• Построил интерактивную дашборд-панель на Shiny для визуализации прогнозов и исторических трендов, позволяющую исследовать сценарии в реальном времени.

• Провел корреляционный и лаговый анализ, выявив статистически значимую, но умеренную зависимость между ценами и объемом добычи.

• Подготовил аналитический отчет, демонстрирующий практическое применение методов прогнозирования в нефтегазовой отрасли.

Фундаментальная оценка компании Emaar Properties | 2025

DCF и мультипликаторы | GitHub | Excel файл (DCF) | Excel файл (Multiples) | Отчёт(EN)

• Построил трёхзвенную финансовую модель с DCF и мультипликаторной оценкой.

• Провёл бенчмаркинг, анализ сценариев (оптимистичный, базовый, пессимистичный).

• Подготовил инвестиционный отчёт.

Бюджетирование и финансовое планирование - Property Flipping Business (Dubai) | 2025

Финансовое планирование | GitHub | Excel файл | Отчёт(EN)

• Разработка модели прогнозирования доходов, расходов, CapEx, анализа безубыточности.

• Подготовка отчёта для инвесторов.

Оценка кредитного риска 5 компаний GCC | 2025

Модель оценки и Отчёт | GitHub | Excel файл | Отчёт(EN)

• Построил модель оценки на основе финансовых коэффициентов и качественного анализа по 5 компаниям GCC: Emaar, SABIC, STC, Emirates NBD, и Ooredoo.

• Разработал рекомендации по управлению рисками для каждой компании.

Скоринговая модель потребительского кредитования | 2025

Логистическая регрессия и Random Forest | GitHub | Отчёт(EN)

• Обработка реальных данных, построение моделей Logistic Regression и Random Forest

• Классификация клиентов по 5 риск-группам (A-E), визуальный отчёт и рекомендации.

Симуляция сделки Private Equity - Dubai Urban Services Co.(DUSC) | 2025

Модель приобретения и Отчёт | GitHub | Excel file | Отчёт(EN)

• Модель приобретения 80% доли с расчётом IRR (15.5%) и MOIC (2.05x).

• Сценарное моделирование выхода, анализ чувствительности.

Оптимизация розничной сети UrbanMart | 2025

Анализ данных и Tableau | GitHub | Отчёт(EN) | Презентация(EN)

• Провёл EDA и KPI-анализ, создал интерактивный дэшборд Tableau.

• Выявил убыточные категории и подготовил рекомендации по улучшению прибыл.

Оптимизация службы поддержки клиентов - UrbanTel | 2025

Анализ данных и draw.io | GitHub | Отчёт(EN) | Презентация(EN)

• Провёл анализ текущих процессов, предложил «TO-BE» модель.

• Разработал KPI-систему, автоматизацию SLA, внедрение чат-ботов.

• Подготовил финальный отчёт и презентацию для руководства.

Проект по данным World Bank | 2024

Python, SQL & Tableau | View on GitHub | Отчет (EN) | Tableau часть (EN)

• Собрал и предварительно обработал данные из World Bank API с помощью Python.

• Провёл углубленный анализ данных Всемирного банка с целью определения экономических, демографических тенденций и тенденций в области устойчивого развития в различных странах и регионах.

• Создал Entity-Relationship Diagram (ERD) для иллюстрации взаимосвязей между таблицами.

Сертификаты

Контакты

📍 Ашхабад, Туркменистан

📧 a.tagibekov.work@gmail.com

📱 +993 65 632757

Хотите английскую или немецкую версию? Ссылки наверху ↑