Tytuł/stopień naukowy, Imię i nazwisko
Transkrypt
Tytuł/stopień naukowy, Imię i nazwisko
Dr Witold Orzeszko Przynależność do wydziału/instytutu/zakładu: fotografia Instytut Ekonomii i Zarządzania Adres email: [email protected] 1. Wykształcenie: 1997 r. – magister matematyki WMiI UMK w Toruniu, 2000 r. – magister zarządzania i marketingu, WNEiZ UMK w Toruniu. 2. Stopnie i tytuły naukowe: 2004 r. – doktor nauk ekonomicznych, WNEiZ UMK w Toruniu. 3. Zainteresowania naukowe: Metody ilościowe w ekonomii i finansach. 4. Przynależność do organizacji i towarzystw naukowych: Polskie Towarzystwo Statystyczne 5. Pełnione funkcje: 6. Kształcenie kadry naukowej: Liczba recenzowanych prac licencjackich i magisterskich: 84. Liczba wypromowanych prac licencjackich i magisterskich: 32. 7. Tematyka naukowo-badawcza (prowadzone badania): Nieparametryczne metody analizy nieliniowości w ekonomicznych i finansowych szeregach czasowych. 8. Realizowane projekty: Kierowanie zespołowym grantem badawczym finansowanym przez NCN, na lata 2014 – 2017: Nieparametryczna identyfikacja i prognozowanie nieliniowej dynamiki procesów finansowych (nr DEC-2013/11/B/HS4/00578), Uczestnictwo w zespołowym grancie badawczym finansowanym przez KBN, na lata 2003 – 2006: Procesy zawierające stochastyczne pierwiastki jednostkowe - modele, identyfikacja, estymacja, prognozowanie (nr 2 H02B 015 25). 9. Dorobek naukowy (wykaz publikacji): Książki: 1. Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych szeregach czasowych, seria: Nowe Trendy w Naukach Ekonomicznych, Fundacja Promocji i Akredytacji Kierunków Ekonomicznych, Polskie Towarzystwo Ekonomiczne, Warszawa 2005. 2. Procesy STUR. Modelowanie i zastosowanie do finansowych szeregów czasowych, TNOiK, Toruń 2007, (współautorzy: M. Osińska (red.), J. Górka, J. Kwiatkowski). 3. Ekonomia matematyczna. Materiały do ćwiczeń, Wydawnictwo C.H. Beck, Warszawa, 2009, (współautorzy: J. Górka, M. Wata). 4. Nieparametryczna identyfikacja nieliniowości w finansowych i ekonomicznych szeregach czasowych, Wydawnictwo UMK, Toruń 2016. Artykuły naukowe: 1. Identyfikacja chaosu deterministycznego w polskich szeregach finansowych, Dynamiczne Modele Ekonometryczne – VII Ogólnopolskie Seminarium Naukowe, 4-6 września 2001 r., Toruń 2001, 309-320 (współautor: J. Kwiatkowski). 2. Wpływ doboru metod rekonstrukcji przestrzeni fazowej na efektywność prognozowania chaotycznych szeregów czasowych, Dynamiczne Modele Ekonometryczne – VIII Ogólnopolskie Seminarium Naukowe, 9-11 września 2003 r., Toruń 2003, 349-356. 3. Wykładnik Lapunowa – narzędzie identyfikacji chaosu na WGPW, Przegląd Statystyczny, vol. 51, no 1, 2004, s. 85-96, (współautor: J. Kwiatkowski). 4. Krótkoterminowe prognozowanie chaotycznych szeregów czasowych, Przegląd Statystyczny, vol. 51, no 3, 2004, s. 115-127. 5. Zastosowanie lokalnej aproksymacji wielomianowej do prognozowania chaotycznych szeregów czasowych, Acta Universitatis Lodziensis – Folia Oeconomica 177: „Rynki finansowe a decyzje”, red. W. Milo, P. Wdowiński, Łódź 2004, s. 331-346. 6. Metody identyfikacji i prognozowania chaotycznych szeregów czasowych, Metody ilościowe w naukach ekonomicznych, Czwarte Warsztaty Doktorskie z Zakresu Ekonometrii i Statystyki, red. A. Welfe, Szkoła Główna Handlowa w Warszawie, Warszawa 2004, 113-135. 7. How the prediction accuracy of chaotic time series depends on methods of determining the parameters of delay vectors, in: Dynamic Econometric Models, vol. 6, Nicolaus Copernicus University, Toruń 2004, 231-239. 8. Modele chaotyczne w ekonomii, Acta Universitatis Nicolai Copernici, Ekonomia XXXVI, zeszyt 372, Toruń 2005, 155-170. 9. Własności procesów STUR w świetle metod z teorii chaosu, Dynamiczne Modele Ekonometryczne – IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 r., Toruń 2005, 185-192. 10. Detecting Nonlinear Causality at Financial Markets, in: Financial Markets. Principles of Modeling, Forecasting and Decision-Making, red. W. Milo, P. Wdowiński, Łódź 2006, 259-276, (współautor: M. Osińska). 11. Properties of STUR Processes in the Framework of Chaos Theory, in: Dynamic Econometric Models, vol. 7, Nicolaus Copernicus University, Toruń 2006, 189-198. 12. Analiza przyczynowości w zakresie zależności nieliniowych. Implikacje finansowe, Rynek Kapitałowy. Skuteczne Inwestowanie, red. W. Tarczyński, Szczecin 2007, 151-166, (współautor: M. Osińska). 13. Redukcja szumu losowego w chaotycznych szeregach czasowych i jej zastosowanie do analizy procesów ekonomicznych, Siódme Warsztaty Doktorskie z Zakresu Ekonometrii i Statystyki, red. A. Welfe, Szkoła Główna Handlowa w Warszawie, Warszawa 2007, 121-141. 14. Wykorzystanie koncepcji nieliniowej przyczynowości do identyfikacji autozależności w szeregach czasowych, Dynamiczne Modele Ekonometryczne – X Ogólnopolskie Seminarium Naukowe, 4-6 września 2007 r., Toruń 2007, 81-88. 15. The New Method of Measuring the Effects of Noise Reduction in Chaotic Data, Chaos Solitons and Fractals, vol. 38, 2008, 1355-1368. 16. Zastosowanie testu Kaplana do identyfikacji ekonomicznych szeregów czasowych, Współczesne Trendy w Ekonometrii, Olsztyn 2008, 139-150. 17. Applying the Concept of Granger Causality to Detect Nonlinear Autodependencies in Time Series, in: Dynamic Econometric Models, vol. 8, Nicolaus Copernicus University, Toruń 2008, 139-146. 18. Współczynnik informacji wzajemnej jako miara zależności nieliniowych w szeregach czasowych, Acta Universitatis Nicolai Copernici, Ekonomia XXXIX, zeszyt 389 - Dynamiczne Modele Ekonometryczne, Toruń 2009, 157-166. 19. Detection of nonlinear autodependencies using Hiemstra-Jones test, in: Financial Markets. Principles of Modeling, Forecasting and Decision-Making, red. W. Milo, G. Szafrański, P. Wdowiński, Łódź 2010, 157-170. 20. Wymiar fraktalny szeregów czasowych a ryzyko inwestowania, Acta Universitatis Nicolai Copernici, Ekonomia XLI, zeszyt 391, Toruń 2010, 57-70. 21. Measuring Nonlinear Serial Dependencies Using the Mutual Information Coefficient, Dynamic Econometric Models, vol. 10, Nicolaus Copernicus University, Toruń 2010, 97-106. 22. Wpływ redukcji szumu losowego metodą Schreibera na identyfikację systemu generującego dane. Analiza symulacyjna, Przegląd Statystyczny, vol. I-II, 2011, 114-131. 23. Nonparametric Verification of GARCH-Class Models for Selected Polish Exchange Rates and Stock Indices, Finance a úvěr - Czech Journal of Economics and Finance, 62 (5), 2012, 430-449, (współautor: P. Fiszeder). 24. Nieliniowa identyfikacja rzędu autozależności w stopach zmian indeksów giełdowych, Przegląd Statystyczny, 59 (4), 2012, 369-385. 25. Symulacyjna ocena rozmiaru testu BDS, Przegląd Statystyczny, 61 (4), 2014, 335361. 10. Uzyskane patenty (jeżeli są): 11. Zajęcia dydaktyczne (tytuły przedmiotów i rodzaj zajęć – wykłady, konwersatoria, seminaria): Mathematical economics (wykłady + ćwiczenia), Prognozowanie gospodarcze (wykłady + ćwiczenia).