بازارها، باورها و فناوری

پژوهش‌ها

پژوهش من قیمت‌گذاری دارایی، مالی کلان، شبکه‌های بین‌المللی و هوش مصنوعی را برای مطالعه سازوکارهای مالی و پیامدهای اقتصادی فناوری به هم پیوند می‌دهد.

۰۱

قیمت‌گذاری دارایی

بررسی اینکه باورها، ریسک و ساختار بازار چگونه در قیمت‌ها و بازده مورد انتظار منعکس می‌شوند.

۰۲

مالی کلان

مطالعه نقش واسطه‌ها، عدم‌تعادل‌های بین‌المللی و اصطکاک‌های مالی در شکل‌گیری ارزها و جریان سرمایه.

۰۳

هوش مصنوعی در مالی

بررسی اثر سامانه‌های هوشمند بر تولید، سازمان بنگاه، ساختار بازار، سرمایه انسانی و تخصیص منابع.

۰۴

مالی کمی

به‌کارگیری ابزارهای محاسباتی و آماری برای مسائل مالی پربعد، شبکه‌ای و داده‌محور.

۰۱

مقاله در دست نگارش

شبکه باورهای بین‌المللی و ارزها

با همکاری M. Croce, R. Colacito, and F. Gerding

یک مدل چندکشوری می‌سازیم که در آن عدم‌تعادل‌های تجاری دوجانبه از طریق واسطه‌های بین‌المللیِ دارای اصطکاک معاملاتی تأمین مالی می‌شوند. چند واسطه می‌توانند یک عدم‌تعادل واحد میان دو کشور را تأمین مالی کنند و درباره ظرفیت آینده هر کشور برای تحمل بدهی خارجی، باورهای متفاوتی داشته باشند.

در نبود آربیتراژ، تعدیل ارزها به‌وسیله کل شبکه انتظارات واسطه‌ها تعیین می‌شود و واسطه‌هایی که مرکزیت محلی بیشتری دارند وزن بالاتری می‌گیرند. پروژه با استفاده از داده‌های پیمایش Consensus Economics برای ارزهای گروه ده و چین در دوره ۱۹۹۰ تا ۲۰۲۳، پیش‌بینی‌های مدل درباره نرخ ارز و عدم‌تعادل حساب جاری را می‌آزماید.

ارزهاشبکه باورهامالی بین‌المللواسطه‌گری
۰۲

حوزه پژوهشی

هوش مصنوعی در مالی

در این حوزه می‌پرسم سامانه‌های هوشمند چگونه اقتصاد را در مقیاسی گسترده‌تر تغییر می‌دهند: از تولید و سازمان بنگاه تا ساختار بازار، تصمیم‌گیری، شکل‌گیری سرمایه انسانی و توزیع فعالیت اقتصادی.

پروژه جاری

هوش مصنوعی و تحول کار تخصصی

با همکاری M. Croce and S. Raymond

یک مدل کلان می‌سازیم تا بررسی کنیم هوش مصنوعی چگونه تخصیص و انباشت نیروی کار ماهر را میان نقش‌های جوان و ارشد تغییر می‌دهد. پروژه پیامدهای این تحول را برای تولید، سرمایه انسانی، پیشرفت شغلی و سیاست‌هایی مطالعه می‌کند که ارزش اجتماعی آموزش، ایجاد داده و توسعه نیروی کار را در نظر می‌گیرند.

هوش مصنوعیتولیدساختار بازارسرمایه انسانیتحول اقتصادی
۰۳

پژوهش منتشرشده

روشی انعطاف‌پذیر برای حذف تداخل در شبکه‌های حسگر توزیع‌شده

با همکاری M. Shamsi, N. Bagheri, and F. Marvasti · IEEE Communications Letters, 2021

این پژوهش روشی برای وزن‌دهی عملکردمحور در شبکه‌های توزیع‌شده ارائه می‌کند؛ شبکه‌هایی که در آن گره‌های نویزی یا معیوب می‌توانند اطلاعات همسایگان خود را مخدوش کنند. روش پیشنهادی در الگوریتم‌های انتشار LMS، وزن‌های ترکیبی را با توجه به عملکرد اخیر گره‌ها تنظیم می‌کند و در برابر تغییر شرایط شبکه مقاوم می‌ماند.

فعالیت‌های علمی تکمیلی

داوری و منابع آموزشی

  • داور علمیEconomics Letters (Elsevier)
  • راهنمای حل مسائلکتاب High-Dimensional Statistics: A Non-Asymptotic Viewpoint نوشته Martin J. Wainwright، منتشرنشده