2022 m. balandžio 8 d. 11 val. Aleksejus Sosidko (Verslo ir ekonomikos institutas) gins ekonomikos mokslo krypties (S 004) daktaro disertaciją „Makroekonominių rodiklių netikėtumų poveikio akcijų grąžai modeliavimas“. Gynimas vyks I-414 aud., Mykolo Romerio universitete, Ateities g. 20, Vilnius.
Mokslinė vadovė:
prof. dr. Ligita Gasparėnienė (Mykolo Romerio universitetas, socialiniai mokslai, ekonomika, S 004).
Gynimo taryba:
Pirmininkė – prof. dr. Asta Vasiliauskaitė (Mykolo Romerio universitetas, socialiniai mokslai, ekonomika, S 004).
Nariai:
prof. dr. Gintaras Černius (Mykolo Romerio universitetas, socialiniai mokslai, ekonomika, S 004);
prof. dr. Valdonė Darškuvienė (ISM Vadybos ir ekonomikos universitetas, socialiniai mokslai, ekonomika S 004);
doc. dr. Aleksandra Fedajev (Belgrado universitetas, Serbijos Respublika, socialiniai mokslai, ekonomika S 004);
prof. dr. Kristina Levišauskaitė (Vytauto Didžiojo universitetas, socialiniai mokslai, ekonomika, S 004).
Atlikta mokslinių tyrimų analizė leidžia teigti, kad stokojama mokslinių tyrimų apie makroekonominių rodiklių netikėtumų poveikio akcijų grąžai modeliavimą per trumpą laiko tarpą. Siekiant užpildyti šią spragą yra suformuotas disertacijos tikslas - ištirti makroekonominių rodiklių netikėtumų reiškinį ir jo sąsajas su akcijų grąža bei sudaryti ir empiriškai patikrinti makroekonominių rodiklių netikėtumų poveikio akcijų grąžai prognozavimo modelius, panaudojant tradicinius ir mašininio mokymosi metodus. Mokslinė problema - kokia yra makroekonominių rodiklių netikėtumų reiškinio esmė, kaip ją įvertinti ir modeliuoti makroekonominių rodiklių netikėtumų poveikį akcijų grąžai tradiciniais ir mašininio mokymosi metodais.
Empiriniu tyrimu nustatyta, kad dauguma makroekonominių rodiklių netikėtumų esant skirtingiems scenarijais neturi statistiškai reikšmingo poveikio EURO STOXX 50 indekso grąžai per trumpą laiko tarpą. Tęsiant tyrimą su statistiškai reikšmingais makroekonominių rodiklių netikėtumo poveikio EURO STOXX 50 indekso grąžai modeliais ir jų duomenų rinkiniais, atskleista, jog remiantis mašininio mokymosi metodais galima sukurti kelis kartus tikslesnius EURO STOXX indekso grąžai prognozuoti modelius, nei kad taikant tradicinius metodus.
