A. Kononovicius

Įrašo "Dinaminis koreliuotų sukinių modelis" reprezentacinis paveikslėlis

Anksčiau esame rašę apie mūsų kolegos, Juliaus Rusecko, pasiūlytą elementarų modelį, kuris atkuria q-Gauso pasiskirstymą. Neseniai sugalvojome kaip į šį modelį įtraukti dinamiką [1]. Šiame tekste trumpai pristatysime patobulintą šio modelio versiją ir atkartosime dalį neseniai sukurpto straipsnio juodraščio turinio.

Priminsime, kad koreliuotų sukinių modelis aprašo galimas stacionarias sukinių grandinėlės konfigūracijas. Šiame modelyje grandinėlės konfigūracijos yra ypatingos tuo, kad gretimi sukiniai dažniausiai žiūri viena kryptimi ir yra tik ribotas atvejų skaičius \( d-1 \) (šiame tekste \( d \) prasmė yra pakitusi, tad būkite atidūs), kai gretimi sukiniai žiūri priešingomis kryptimis. Skaityti „Dinaminis koreliuotų sukinių modelis“ toliau

Šį vakarą, 22 valandą, per LRT Kultūrą ragaukite Mokslo sriubos su Rizikos fizikos prieskoniu.

Spustelėkite, kad pamatytumėte anonsą.
Spustelėkite paveiksliuką, kad pamatytumėte laidos anonsą.

Jeigu nespėjote pamatyti laidos, sekite Mokslo Sriubos youtube kanalą. Artimiausiu metu jame pasirodys laidos įrašas. Nuorodą į šį įrašą, žinoma, įkelsime ir į Rizikos fiziką.

Įrašo "A. Kononovičiaus disertacijos gynimas" reprezentacinis paveikslėlis

Gruodžio 18 dieną, 14 valandą, Aleksejus Kononovičius gins disertaciją „Finansų rinkų ir socialinių procesų modeliavimas statistinės fizikos metodais“ fizinių mokslų srities, fizikos mokslo krypties daktaro laipsniui gauti. Disertacijos gynimas vyks VU Konfucijaus instituto salėje (A. Goštauto g. 12, 432 kabinete, 01108 Vilnius).

Su disertacija galima susipažinti Vilniaus universiteto, Fizinių ir technologijos mokslų centro bibliotekose ir VU svetainėje. Disertaciją galima atsisiųsti ir iš Rizikos fizikos svetainės.

Įrašo "Seminaras VU MII: Netiesiškumas stochastiniuose finansų rinkų modeliuose" reprezentacinis paveikslėlis

Pranešimo tema: „Netiesiškumas stochastiniuose finansų rinkų modeliuose“
Pranešėjas: Aleksejus Kononovičius
Trumpai: Šiame pranešime pagrindinis dėmesys bus skiriamas savotiškam paradoksui – ilgai atminčiai Markoviniuose modeliuose. Žinoma, ilgą atmintį siesime su neteisiniais modeliais.
Kada? Lapkričio 18 dieną, 9:15.
Kur? VU Matematikos ir informatikos institutas (Ateities g. 4, Vilnius).

Įrašo "Netiesinis grįžtamasis ryšys ir ilga atmintis GARCH modelyje" reprezentacinis paveikslėlis

Elsevier leidžiamas žurnalas Physica A neseniai priėmė spaudai mūsų, Aleksejaus Kononovičiaus ir Juliaus Rusecko, straipsnį pavadinimu „Nonlinear GARCH model and 1/f noise“ [1]. Šiame straipsnyje mes pademonstravome, kad elementarus modelis be atminties (t.y. nauja modelinės sistemos būsena priklauso nuo paskutinės stebėtos būsenos, bet ne nuo visos ar dalies būsenų istorijos) papildytas netiesiniu nariu gali atkurti stilizuotą statistinę savybę – ilgą atmintį. Šis mūsų darbas svarbus bei įdomus dar ir dėl to, kad mūsų pasirinktas elementarus modelis (ir įvairiausios jo modifikacijos) dažnai naudojamas praktikoje.

Ankstesniuose tekstuose mes pademonstravome, kad GARCH(1,1) modeliu galima atkurti laipsninius skirstinius ir kad netiesiniame GARCH(1,1) modelyje galima išgauti ilgą atmintį. Šiame tekste mes dar sykį grįšime prie ilgos atminties atkurimo, bet šį kartą pasinaudosime netiesiniu grįžtamuoju ryšiu. Skaityti „Netiesinis grįžtamasis ryšys ir ilga atmintis GARCH modelyje“ toliau

Įrašo "Ilga atmintis netiesiniame GARCH modelyje" reprezentacinis paveikslėlis

Elsevier leidžiamas žurnalas Physica A neseniai priėmė spaudai mūsų, Aleksejaus Kononovičiaus ir Juliaus Rusecko, straipsnį pavadinimu „Nonlinear GARCH model and 1/f noise“ [1]. Šiame straipsnyje mes pademonstravome, kad elementarus modelis be atminties (t.y. nauja modelinės sistemos būsena priklauso nuo paskutinės stebėtos būsenos, bet ne nuo visos ar dalies būsenų istorijos) papildytas netiesiniu nariu gali atkurti stilizuotą statistinę savybę – ilgą atmintį. Šis mūsų darbas svarbus bei įdomus dar ir dėl to, kad mūsų pasirinktas elementarus modelis (ir įvairiausios jo modifikacijos) dažnai naudojamas praktikoje.

Praeitą sykį pademonstravome, kad GARCH(1,1) modeliu galima atkurti laipsninius skirstinius, bet ilgos atminties savybės – ne. Šiame tekste mes modelį papildysime netiesiškumu ir pademonstruosime, kad papildytas modelis pasižymi ilga atmintimi. Skaityti „Ilga atmintis netiesiniame GARCH modelyje“ toliau