Основні напрями вибору тем дипломних проектів і робіт

для магістрів і спеціалістів, що запропоновані викладачами кафедри ММСА ІПСА

1. Основні напрями вибору тем дипломних проектів і робіт

доцента, канд.техн. наук Батієнко Л.Ю.

1. Моделі аналізу роботи страхових компаній та управління оптимальними рішеннями у страхуванні.

Аналіз інформаційної бази страхової компанії; побудова математичної моделі страхової компанії за умов її діяльності; побудова функції рішення та стратегій розподілення страхових вимог.

2. Математичні моделі страхового ризику та розробка оптимальних рішень в умовах ризикових ситуацій.

Моделі та задачі страхового ризику; моделі обсягу страхового портфелю, оцінювання страхових ставок; побудова функції рішення та розрахунок оптимальної страхової премії.

3. Моделювання та прогнозування на фінансовому ринку.

Портфельний аналіз в умовах невизначеності та вплив чинних подій на поведінку фінансового ринку; моделі ціноутворювання фінансових активів; розробка багатофакторної моделі фінансового ринку; прогнозування фінансових показників (доходності та повернення фінансових активів).

4. Вартісний підхід до математичного описування функціонування страхової компанії.

Аналіз задач оптимального значення початкового капіталу страхової компанії; перспективи та актуальність вартісного підходу до математичного опису функціонуванню страхової компанії; розробка критерію оптимальності з урахуванням інвестування капіталу за різними схемами; розробка стратегій на резерви страхової компанії.

5. Аналіз та управління ризиками іпотечного кредитування та вибір стратегії зниження сукупного ризику на іпотечному ринку.

Аналіз ризиків та інструментів іпотечного кредиту; аналіз методів управління ризиком шляхом корегування ставки проценту, андеррайтингу (аналізу платоспроможності та кредитоспроможності потенціального позичальника), за допомогою інструментів фінансової інженерії, управління активами та пасивами; побудова моделі реального іпотечного ринку та розробка стратегії зниження ризику.

6. Аналіз та управління портфельними кредитними ризиками.

Аналіз методик оцінювання кредитного ризику; розробка моделі та стратегій управління портфельними ризиками з урахуванням арбітражу по простору, часу, фінансовим інструментам, ризикам, законодавству, податковим відсоткам та інше.

7. Управління кредитними ризиками та способи оцінювання кредитоспроможності позичальників.

Аналіз кредитних ситуацій, та кредитоспроможності позичальників; вибір інструментів аналізу фінансового стану позичальників; побудова моделі процесу кредитування та розробка оптимальної кредитної стратегії з позицій припустимого співвідношення ризику та прибутковості.

8. Аналіз процесу ризику в управлінні страховим портфелем.

Розробка математичної моделі функціонування страхової компанії (або порівняльна характеристика моделей); оптимізація параметрів діяльності страхових компаній; побудова критерію (або критеріїв), оптимальності з необхідним рівнем достовірності; розробка стратегій управління у факторизаційній моделі.

9. Аналіз фінансових ринків (дуже широка тема, що може бути звужена в контексті обраної сфери досліджень).

Моделювання фінансового ринку; хеджування платіжних зобов’язень; побудова оптимальних портфелів платіжних зобов’язень; аналіз довгострокового інвестування; аналіз фінансових активів з фіксованим доходом; розробка збалансованої моделі страхування та хеджування з метою збільшення вартості капіталу.

10. Процесно-вартісний підхід до управління бізнесом.

Аналіз технологій процесно-вартісного підходу; вартісні моделі елементів бізнесу; виявлення та оптимізація ключових факторів вартості компанії; стратегічний корпоративний реінжінірінг, як інструмент оптимізації бізнес-процесів.

11. Похідні цінні папери як інструменти зниження фінансового ризику.

Структура цін опціонів європейського та американського типів на повних ринка із застосуванням несамофінансуємих стратегій, на неповних ринках; розробка стратегії розрахунку ціни та хеджування платіжного зобов’язання за умов мінімізації ризику.

2. Основні напрями вибору тем дипломних проектів і робіт професора, докт. Техн. Наук Бідюка п.І.

1. Застосування теорії стаціонарних процесів до моделювання і прогнозування реальних технічних та фінансово-економічних систем.

До фінансово-економічних чи процесів іншої природи, представлених часовими рядами, застосовується теорія аналізу часових рядів. На основі статистичного аналізу процесів оцінюються структури їх математичних або статистичних моделей. Моделі використовують для формування функцій прогнозування, які забезпечують отримання коректних прогнозів на довільне число кроків. Виконується порівняльний аналіз прогнозів, отриманими за різними методами. Виробляються практичні рекомендації щодо застосування побудованих моделей та оцінених прогнозів.

2. Застосування байєсової теорії оцінювання, класифікації та прогнозування до реальних процесів.

Методи математичного оцінювання і моделювання, які грунтуються на байєсовому підході, застосовуються до вибраних стаціонарних (нестаціонарних) процесів довільної природи. Побудовані моделі використовують для оцінювання прогнозів, ризиків або синтезу систем керування вибраним процесом (об’єктом). Байєсова теорія оцінювання використовується для побудови алгоритмів оптимального оцінювання параметрів та станів динамічних систем. Виконується порівняльний аналіз результатів, отриманих за допомогою Байєсового підходу, з іншими методами, наприклад, з іншими методами нелінійного оцінювання або методами калмановської фільтрації.

3. Застосування теорії гетероскедастичних процесів (нестаціонарні процеси із змінною дисперсією) до аналізу і прогнозування реальних фінансово-економічних систем.

Гетероскедастичні процеси – клас нестаціонарних процесів із змінною в часі дисперсією. Вони є досить поширеними в технічних системах, технологічних та фінансово-економічних процесах. Теорія гетероскедастичних процесів дає можливість побудувати коректну модель для описання динаміки дисперсії з подальшим використанням моделі для оцінювання прогнозів дисперсії. Оскільки дисперсія (волатильність) – один із основних статистичних параметрів, які використовують для оцінювання ризиків, якісний прогноз дисперсії дає можливість підвищити якість оцінювання можливих втрат при аналізі процесів в різних галузях діяльності (економіка, фінанси, технології).

4. Застосування теорії коінтегрованих процесів (нестаціонарні процеси з трендом) до аналізу і прогнозування реальних фінансово-економічних систем.

Коінтегровані процеси – клас нестаціонарних процесів (одночасно розглядають мінімум два процеси) з трендами. (Тренд – загальний напрям довгострокових змін процесу.) Математичні моделі коінтегрованих процесів дають моливість коректно прогнозувати нестаціонарні процеси із врахуванням довгострокової рівноваги.

5. Порівняльний аналіз методів прогнозування різних типів на фінансово-економічних чи технічних процесах. Підвищення якості прогнозів шляхом модифікації відомих методів.

Підвищення якості прогнозів досягається шляхом вдосконалення існуючих моделей процесів та методів прогнозування, що грунтуються на них. Порівняльний аналіз методів дає можливість вибрати кращий метод для розв’язання конкретної задачі. Модифікація існуючих методів прогнозування спрямовується, як правило, на покращення математичного описання процесів, комбінування прогнозів, отриманих за різними методами, застосування нових обчислювальних схем для оцінювання моделей та функцій прогнозування.

6. Аналіз характеристик макроекономічних процесів статистичними методами.

Макроеконоічні процеси в перехідний період мають ряд особливостей, які суттєво відрізняють їх від процесів усталеної економіки. Наприклад, динаміка розвитку процесів перехідного періоду є незрівнянно вищою. В зв’язку з цим виникають задачі математичного моделювання макроекономічних процесів перехідного періоду, порівняння отриманих моделей з класичними з метою виявлення поточних особливостей та прийняття коректних управлінських рішень.

7. Аналіз, моделювання і прогнозування фінансово-економічних показників конкретних підприємств і галузей.

Для аналізу поточного стану підприємства або галузі в цілому вибирають самі суттєві показники їх діяльності, які описані відповідними статистичними даними. Дані служать основою для вибору структури та оцінювання параметрів математичних моделей вибраних процесів, а моделі використовують для оцінювання прогнозів. Моделі і прогнози використовують для планування інвестицій, виробничої діяльності підприємства та його стратегії поведінки на ринку.

8. Дослідження (моделювання і прогнозування) нелінійних процесів.

Серед фінансово-економічних, технічних та технологічних процесів досить часто зустрічаються процеси, які містять нелінійності щодо змінних і параметрів. Для визначення структури та оцінювання параметрів таких процесів неохідно виконувати їх поглиблене дослідження і застосовувати методи нелінійного оцінювання. Разом із „стандартними” зустрічаються „нестандартні” структури моделей, які потребують особливої уаги для досягнення адекватного математичного описання процесу, оцінювання прогнозу та побудови системи керування.

9. Аналіз, математичне моделювання, прогнозування і менеджмент ризиків у технічних, технологічних та фінансово-економічних системах.

Для оцінювання ризиків у різних галузях діяльності необхідно будувати математичні і статистичні моделі, які характеризують можливі втрати при реалізації тих чи інших дій. Ризики оцінюють, в першу чергу, за допомогою параметрів розподілів випадкових величин, зокрема дисперсії, яка відіграє суттєву роль у формування ризикових ситуацій. Так, коректний прогноз дисперсії процесу дає можливість оцінити можливі втрати незалежно від природи процесу, що аналізується. Для аналізу ризиків доцільно створювати спеціальні комп’ютерні системи, які спрямовують на розв’язання конкретного класу задач.

10. Проектування і реалізація комп’ютерних інформаційно-аналітичних систем та систем підтримки прийняття рішень (СППР) при моделюванні, прогнозуванні та керуванні системами і процесами різної природи.

Інформаційно-аналітичні системи та системи підтримки прийняття рішень – популярні комп’ютерні системи, які надають велику допомогу в розв’язанні практично будь-яких задач, що стосуються збору та обробки експериментальних (статистичних) даних, побудови математичних моделей, аналізу варіантів розв’язання оптимізаційних задач (статистичного і динамічного характеру), вибору кращих варіантів за множиною критеріїв. Розробка таких систем суттєво прискорює впровадження в практику сучасних методів моделювання, планування, прийняття рішень, управління і т. ін.