Mikhail Kosaretskiy

Forschung im Bereich Deep Learning und GraphML zur Vorhersage von Sportereignissen, einschließlich Sammlung und Analyse relevanter Daten wie Teamstatistiken und historischer Leistungen. Anwendung von Machine Learning-Algorithmen zur Entwicklung von Vorhersagemodellen und komplexer Strategien sowie zur Bewertung ihrer Genauigkeit, Rentabilität und Gewinn-/Verlustparameter.

DNA-Verwandtschaftsanalyse und Verwandtschaftsgradabschätzung. Klassifizierung des Verwandtschaftsgrades zwischen Paaren von Personen bis zu 12 Grad für eine Gruppe von 100.000 Personen. Forschung zur Abstammung von Vikings-Genomen. Ancestry-Zusammensetzung auf offenen Datensätzen. Anwendung von ML bei der Entwicklung von Algorithmen und Pipelines für die DNA-Verwandtschaftsanalyse und -abschätzung. Berechnung des lokalen Ursprungs, der Bevölkerungsstruktur und Paläogenetik.

Forschung im Bereich Deep Learning und GraphML in Trading: * dual-stage attention-based RNN (DARNN) * cross-attention stabilized fully convolutional neural network (CA-SFCN) Modellierung chaotischer Zeitreihen mit ARMA, GARCH. Verwendung der strukturellen Informationen von Finanzzeitreihen zur Aktienprognose. Konvertierung von Finanzzeitreihen in skalierbare und hierarchisch strukturierte Graphen. Entwicklung von Handelsstrategien für NYMEX- und COMEX-Futures.