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).