فعالیت‌های پژوهشی

“روند تغییرات قیمت یک سهم بورس اوراق بهادار تهران مثلا فخوز در افق اینده چیست“

محقق حداق بایستی بازارهای مالی راکامل بشناسد، اطلاعات دقیقی از بورس اوراق بهادار تهران داشته باشد، مفوم سهم و سهام را بداند، عوامل موثر بر تغییرات سهام داند، سامانه معاملاتی سهام و شرکت انتشار سهم فخوز را بشناسد و تحلیل درستی از آن داشته باشد.

مرحله دوم:  مدل­‌سازی

محقق بایستی حداقل دروس اصلی رشته ریاضیات مالی از جمله مهندسی مالی، ریاضی مالی، مدل­‌های ریاضی بازارهای مالی، حسابان تصادفی، نظریه ریسک، معادلات دیفرانسیل تصادفی و روش‌های عددی در ریاضی مالی مطالعه کرده باشد، سپس بتواند از مفاهیم مطرح شده در مرحله اول، مدل ریاضی مناسبی برای پیش بینی قیمت سهم مثلا فخوز بدست بیاورد. مدل بایستی پویا باشد و رویدادهای طبیعی، سیاسی و اجتماعی را تحلیل کند همچنین مدل باید به واقعیت بازار نزدیک باشد.

مرحله سوم: ارایه یک روش حل

محقق بایستی بتواند یک روش حل عددی یا تحلیلی برای مدل ارای شده در مرجله دوم ارایه بدهد در اینجا روش‌های عددی در ریاضیات مالی بسیار موثر و مهم هست.

مرحله چهارم: پیاده‌سازی روش

این مهمتری مرحله تحقیق است، در این مرحله محقق حداقل کارهای زیر انجام بدهد:

• داده‌های واقعی را از سایت معتبر استخراج کند مثلا در اینجا داده‌های تاریخی از سایت بورس استخرج بکند.
• پارامترهای مدل را با استفاده از داده‌های تاریخی تخمین بزند.
• حد اقل با نرم افزارهای مالی از جمله Matlab و Python  آشنا باشد.
• نمودارها و جداول مربوطه را رسم و تحلیل مناسبی داشته باشد. 

بازارهای مطالعه دکتر نیسی به طور کلی به بورس، بانک و بیمه تقسیم می‌شوند،  همچنین حوزه تحقیقاتی و علایق پژوهشی ایشان را نیز در سه بخش زیر خلاصه می‌شود:

بخش اول مربوط به مدل‌­سازی بازارهای مالی از جمله مالی کمی، معادلات دیفرانسیل تصادفی و جزیی در مالی، مدل­‌های ریاضیات بازارهای مالی، مهندسی مالی، مدیریت مالی، یادگیری ماشین در مالی، یادگیری عمیق در مالی، فین-تک و علم داده که در زیر به تفصیل آمده است:

1. Quantitative Finance
2. Stochastic Differential Equation and PDE’s for Finance.
3. Mathematical Models in Financial Engineering. 
4. Financial Modeling (Derivatives, Stock  and Insurance markets).
5. Financial Engineering.
6. Financial Mathematics
7. Financial Management
8. Machine Learning For Finance
9. Deep Learning for PDE in Finance
10. Financial Technology(FinTech)
11. Wealth Technology(WealthTech) (New)
12. Data Science in Finance

بخش دوم شامل روش­‌های حل عددی، شامل روش‌های عددی در ریاضیات مالی، روش‌­های توابع پایه شعاعی در مالی، حسابان مالی، مسایل معکوس در مالی و روش‌های مونت کارلو در مالی که به شرح ذیل است:

1. Numerical Method in Finance
2. Radial Basis Function Methods in finance. 
3. Financial Calculus
4. Inverse Problem In Finance/Parameters Estimating
5. Monte Carlo Method for Finance

بخش سوم شامل آنالیز عددی، ریاضیات کاربردی، معادلات دیفرانسیل جزیی و معمولی و مساله معکوس که به شرح ذیل است:

1. Numerical Analysis.
2. Applied Mathematics. 
3. Differential Equations. 
4. Elliptic and Parabolic Partial Differential Equations(PDE).
5. Inverse Heat Conduction Problems.

دکتر نیسی در حوزه های بالا دانشجویان زیادی در رشته ریاضیات مالی، مدیریت مالی، مهندسی مالی و اقتصاد مالی در مقطع کارشناسی ارشد راهنمایی مشاوره داده که اکثرا جذب بازارهای کار شده و یا برای ادامه تحصیل در دانشگاه های داخلی و خارجی مشغول به تحصیل بوده یا فارغ التحصیل شده‌اند.

همچنین در دوره دکتری دانشجویان خوبی تحت نظر اینجانب راهنمایی و مشاوره شده که اکنون در دانشگاه ها بعنوان هیات علمی مشغول کار بوده یا جذب بازارهای سرمایه شده‌اند.