• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Книга
Инжиниринг и отраслевая наука: повестка дня
В печати

Годунова Е. А., Княгинин В. Н., Харитонов М. А. и др.

2023.

Глава в книге
Global cognitive graph properties dynamics of hippocampal formation

Sorokin K., Andrey Z., Levin A. et al.

In bk.: Data Analytics and Management in Data Intensive Domains: 25th International Conference, DAMDID/RCDL 2023, Moscow, Russia, October 24–27, 2023, Revised Selected Papers. Vol. 2086: Communications in Computer and Information Science. Springer, 2024. P. 77-87.

Препринт
Scoring and Favoritism in Optimal Procurement Design

Andreyanov P., Krasikov I., Suzdaltsev A.

arxiv.org. Theoretical Economics. Cornell University, 2024

Выступление профессора Михаила Ануфриева

Рады сообщить о предстоящем открытом семинаре, организованном СПб ШЭМ НИУ ВШЭ при поддержке ЕУСПб,  на котором с докладом «Simple Forecasting Heuristics that Make us Smart: Evidence from Different Market Experiments​» (совместно с Cars Hommes и Tomasz Makarewicz) выступит профессор Михаил Ануфриев (Технологический университет, Сидней/ ЕУСПб). Семинар состоится 27 января в 17:30 по адресу: Кантемировская улица, д.3, корп. 1, лит. А, ауд. 345. 

Для заказа временного пропуска в здание НИУ ВШЭ просьба сообщить ваши ФИО и место работы по адресу: ykaprova@hse.ru (Капрова Ю.А.). Ждем всех заинтересовавшихся преподавателей, исследователей, студентов.

Открытый семинар совмещен с XXVIII заседанием регулярного научного семинара департамента экономики.

Аннотация:


We study a model in which individual agents use simple linear first order price forecasting rules, adapting them to the complex evolving market environment with a Genetic Algorithm optimisation procedure. The novelties are: (1) a parsimonious experimental foundation of individual forecasting behaviour; (2) an explanation of individual and aggregate behaviour in four different experimental settings, (3) improved one-period and 50-period ahead forecasting of lab experiments, and (4) a characterisation of the mean, median and empirical distribution of forecasting heuristics. The median of the distribution of GA forecasting heuristics can be used in designing or validating simple Heuristic Switching Model.