Darbas itin nuoseklus. Jo pagrindas – klasikinė idėja, tačiau metodai inovatyvūs ir logiškai išdėstyti. Buvo pasitelktas MCDM metodas akcijų rangui nustatyti, LSTM algoritmas prognozuoti kainoms, o Black-Litterman optimizavimo algoritmas – kurti portfelius, kurie testuoti realiu laiku. Ši sinergija buvo unikali.
Tai – studentės, universiteto ir vadovo bendradarbiavimo sinergija. Universitetas suteikė galimybę naudotis MATLAB programa, prieiga prie publikacijų. Paulina išsiskyrė perfekcionizmu ir atkaklumu. Nors darbas buvo beveik baigtas, ji paskutinėmis savaitėmis atliko papildomus tyrimus, kurie padėjo pasiekti puikių rezultatų.
Paulinos Mikučiauskaitės kelias iki prestižinio apdovanojimo – tai istorija apie drąsą imtis sudėtingų temų, aistrą mokslui ir nuoseklų darbą. Pasirinkusi tyrinėti akcijų rinkos prognozavimo ir portfelių optimizavimo galimybes pasitelkiant gilųjį mokymąsi, Paulina ne tik įveikė akademinius iššūkius, bet ir sukūrė praktikoje pritaikomą sprendimų paramos sistemą investuotojams. Ji dalijasi savo įžvalgomis, rezultatais ir patarimais, kurie gali tapti įkvėpimu kitiems studentams siekti aukščiausių tikslų.
Temą pasirinkau, nes ji buvo viena įdomiausių, bet ir sudėtingiausių. Mane intriguoja investicijų sritis, ypač sudėtinga prognozuoti akcijų rinką. Gilusis mokymasis šiuo metu yra modernus įrankis, o jo pritaikymas portfelio optimizavimui man pasirodė įdomus kaip naujas iššūkis.
Pavyko sukurti sistemą investuotojui, kuri apjungia kelis metodus. Nustatėme investavimo parametrus, susiaurinome akcijų pasirinkimą naudodami MCDM, prognozavome kainas su LSTM algoritmu ir taikėme Markowitz bei Black-Litterman metodus portfelių optimizavimui. Sistema padeda ne tik pasirinkti, bet ir įvertinti geriausias strategijas.
Svarbu subalansuoti darbą ir poilsį, tačiau darbas turi būti rūpestis. Aš siekiau tobulumo ir atkakliai ieškojau sprendimų net tada, kai kildavo sunkumų. Taip pat labai svarbu priimti vadovo ir dėstytojų įžvalgas bei konstruktyvią kritiką.
Galerija
