Prognozowanie szeregów czasowych w ekonomii i finansach z wykorzystaniem metod uczenia maszynowego. Wybrane modele i zastosowania

Jest pracownikiem badawczo-dydaktycznym w Katedrze Zastosowań Informatyki i Matematyki w Ekonomii na Wydziale Nauk Ekonomicznych i Zarządzania Uniwersytetu Mikołaja Kopernika w Toruniu. Głównym obszarem jego działalności naukowej jest zastosowanie uczenia maszynowego w finansach. Uczestniczy jako wykonawca w grancie NCN pt. „Prognozowanie rynków finansowych z wykorzystaniem metod uczenia finansowego”. Prowadzi zajęcia m.in. z technologii informacyjnych, informatyki w zarządzaniu, wstępu do data science i uczenia maszynowego, narzędzi do prezentacji danych ekonomicznych i oprogramowania analiz biznesowych. Poza uczelnią zajmuje się także wdrażaniem rozwiązań Business Intelligence w przedsiębiorstwach oraz prowadzeniem szkoleń z zakresu analizy i wizualizacji danych.

Prof. PCz jest pracownikiem Katedry Automatyki, Elektrotechniki i Optoelektroniki na Wydziale Elektrycznym Politechniki Częstochowskiej. Jego zainteresowania naukowo-badawcze obejmują uczenie maszynowe, sztuczną inteligencję i eksplorację danych oraz ich zastosowania do problemów prognozowania, regresji i klasyfikacji. Autor dwóch książek dotyczących modeli prognostycznych opartych na uczeniu maszynowym oraz algorytmów ewolucyjnych do harmonogramowania pracy energetycznych jednostek wytwórczych. Opublikował ponad 100 artykułów i rozdziałów w materiałach konferencyjnych, m.in. w: IEEE Transactions on Evolutionary Computation, IEEE Transactions on Neural Networks and Learning Systems, Information Sciences, Neurocomputing, Expert Systems with Applications i Applied Soft Computing. Brał udział w siedmiu projektach naukowych finansowanych przez instytucje rządowe (KBN, MNiSW, NCN, NCBR), w tym w pięciu jako kierownik. Współpracuje z firmami energetycznymi w projektach z zakresu prognozowania, analizy i eksploracji danych. Zajął trzecie miejsce w międzynarodowym konkursie Global Energy Forecasting Competiton 2014 – price forecasting track.

Jest pracownikiem Katedry Inwestycji i Nieruchomości w Instytucie Zarządzania Uniwersytetu Ekonomicznego w Poznaniu. Ukończył studia na Politechnice Poznańskiej, tam też uzyskał stopień doktora nauk technicznych (2016). W 2018 roku obronił również rozprawę doktorską z zakresu ekonomii i finansów na Uniwersytecie Ekonomicznym w Poznaniu. Jego zainteresowania naukowe to modelowanie prognostyczno-decyzyjne kursów instrumentów finansowych (głównie kontraktów CFD) oraz projektowanie systemów handlu algorytmicznego. Autor lub współautor ponad 30 publikacji naukowych, w tym monografii, 16 rozdziałów monografii oraz 14 artykułów w czasopismach krajowych i zagranicznych. Rezultaty swoich badań prezentował na ponad 20 konferencjach polskich oraz międzynarodowych; jego referaty cztery razy zostały wyróżnione. W okresie 2016–2019 sekretarz sekcji badań operacyjnych Komitetu Statystyki i Ekonometrii Polskiej Akademii Nauk. Członek m.in. American Finance Association (AFA) oraz Polskiego Towarzystwa Matematycznego (PTM).

Jest pracownikiem badawczo-dydaktycznym w Katedrze Zastosowań Informatyki i Matematyki w Ekonomii na Wydziale Nauk Ekonomicznych i Zarządzania Uniwersytetu Mikołaja Kopernika w Toruniu. Głównym obszarem jego działalności naukowej jest zastosowanie uczenia maszynowego w finansach. Uczestniczy jako wykonawca w grancie NCN pt. „Prognozowanie rynków finansowych z wykorzystaniem metod uczenia finansowego”. Prowadzi zajęcia m.in. z technologii informacyjnych, informatyki w zarządzaniu, wstępu do data science i uczenia maszynowego, narzędzi do prezentacji danych ekonomicznych i oprogramowania analiz biznesowych. Poza uczelnią zajmuje się także wdrażaniem rozwiązań Business Intelligence w przedsiębiorstwach oraz prowadzeniem szkoleń z zakresu analizy i wizualizacji danych.