Пчелинцев Евгений Анатольевич
Университет
Томский государственный университет
Уровень владения английским языком
Средний
Направление подготовки, на которое будет приниматься аспирант
01.06.01 - Математика и механика,
09.06.01 - Информатика и вычислительная техника
09.06.01 - Информатика и вычислительная техника
Код направления подготовки, на которое будет приниматься аспирант
01.06.01,
09.06.01
09.06.01
Перечень исследов
ательских проектов потенциального научного руководителя (участие/руководство)
ательских проектов потенциального научного руководителя (участие/руководство)
1. Эконометрические и вероятностные методы для анализа финансовых рынков сложной структуры, грант РНФ, руководитель
2. Эффективные статистические методы синтеза и анализа улучшенных робастных алгоритмов обработки сигналов, грант Президента, руководитель
3. Эффективные статистические методы анализа эпидемиологических моделей, грант РНФ, исполнитель
4. Новые робастные эффективные статистические методы обработки сигналов и изображений в стохастических системах, грант РНФ, исполнитель
5. Эффективные и робастные методы идентификации динамических стохастических систем в условиях различной априорной неопределенности, грант научного фонда им. Д.И. Менделеева ТГУ, исполнитель
Перечень возможных тем для исследования
1. Эффективное оценивание в регрессионных моделях с малым шумом
2. Адаптивные методы идентификации стохастических динамических систем, описываемых диффузионными процессами
3. Улучшенные методы выбора моделей для оценивания сигналов и изображений, наблюдаемых на фоне полумарковских шумов
4. Улучшенные методы выбора моделей для анализа больших данных
2. Адаптивные методы идентификации стохастических динамических систем, описываемых диффузионными процессами
3. Улучшенные методы выбора моделей для оценивания сигналов и изображений, наблюдаемых на фоне полумарковских шумов
4. Улучшенные методы выбора моделей для анализа больших данных
Публикации
Pchelintsev E.A., Pergamenshchikov S.M. Oracle inequalities for the stochastic differential equations. Statistical Inference for Stochastic Processes. 2018. Vol. 21, № 2. P. 469-483.
Pchelintsev E., Pchelintsev V. and Pergamenshchikov S.M. Improved robust model selection methods for a Lévy nonparametric regression in continuous time. Journal of Nonparametric Statistics. 2019. Vol. 31, No 3. P. 612-628.
Pchelintsev E., Pergamenshchikov S., Povzun M. Efficient estimation methods for non-Gaussian regression models in continuous time. Annals of the Institute of Statistical Mathematics. 2021. https://doi.org/10.1007/s10463-021-00790-7
Pchelintsev E., Pergamenshchikov S., Leshchinskaya M. Improved estimation method for high dimension semimartingale regression models based on discrete data. Statistical Inference for Stochastic Processes. 2021. https://doi.org/10.1007/s11203-021-09258-0
Pchelintsev E., Pergamenshchikov S. Efficient Improved Estimation Method for Non-Gaussian Regression from Discrete Data // Springer Proceedings in Mathematics and Statistics (In book: Recent Developments in Stochastic Methods and Applications). 2021, 371, P. 164–177. https://doi.org/ 10.1007/978-3-030-83266-7_12
Antonova I.S., Pchelintsev E.A. Econometric Modeling of Creative Industries Concentration Process in the Siberian and the Urals Single-Industry Towns // Mathematics. 2023. Vol. 11, № 17. Art. num. 3704. URL: https://www.mdpi.com/2227-7390/11/17/3704.
Murzintseva A., Pergamenchtchikov S., Pchelintsev E. A. Hedging Problem for Asian Call Options with Transaction Costs // Theory of Probability and Its Applications. 2023. Vol. 68, № 2. P. 211‒230. DOI: 10.1137/S0040585X97T991374
Pchelintsev E.A., Pergamenshchikov S.M. Sequential change-point detection for Markov chains // Теория вероятностей и её применения. 2023. Vol. 68, № 4.
Simulation of a Neural Network Model Identification Algorithm / Pchelintsev E., Perelevskiy S.S., Terekhov A., Korableva L. [et al] // Lecture Notes in Networks and Systems. 2023. Vol. 722. P. 229‒236. DOI: 10.1007/978-3-031-35311-6_25
Pchelintsev E.A., Perelevskiy S.S. On estimation for the trend coefficient of a diffusion process by discrete time observations // Theory of Probability and Its Applications. 2023. Vol. 68, № 1. P. 181‒182. DOI: 10.4213/tvp5608
Pchelintsev E.A., Pergamenshchikov S.M., Tenzin R.O. Non-asymptotic sequential change-point detection for Markov chains with applications in the epidemic statistical analysis // Sequential Analysis. 2023. Vol. In print. P. 1‒14.
Antonova I.S., Pchelintsev E.A. Path dependence and regional disparities in single-industry towns in Russia: the evidence from micro data // International Journal of Economic Policy in Emerging Economies. 2022. Vol. 16, № 2-4. P. 318‒343. DOI: 10.1504/IJEPEE.2022.126623
Pchelintsev E., Pergamenshchikov S. M., Leshchinskaya M. Efficient estimation methods for non-Gaussian regression models in continuous time //Annals of the Institute of Statistical Mathematics. 2022. Vol. 74, № 1. P. 113-142.
Pchelintsev E.A., Pergamenshchikov S. M., Leshchinskaya M. Improved estimation method for high dimension semimartingale regression models based on discrete data // Statistical Inference for Stochastic Processes. 2022. Vol. 25, № 1. P. 537‒576. DOI: 10.1007/s11203-021-09258-0
Pchelintsev E., Pchelintsev V. and Pergamenshchikov S.M. Improved robust model selection methods for a Lévy nonparametric regression in continuous time. Journal of Nonparametric Statistics. 2019. Vol. 31, No 3. P. 612-628.
Pchelintsev E., Pergamenshchikov S., Povzun M. Efficient estimation methods for non-Gaussian regression models in continuous time. Annals of the Institute of Statistical Mathematics. 2021. https://doi.org/10.1007/s10463-021-00790-7
Pchelintsev E., Pergamenshchikov S., Leshchinskaya M. Improved estimation method for high dimension semimartingale regression models based on discrete data. Statistical Inference for Stochastic Processes. 2021. https://doi.org/10.1007/s11203-021-09258-0
Pchelintsev E., Pergamenshchikov S. Efficient Improved Estimation Method for Non-Gaussian Regression from Discrete Data // Springer Proceedings in Mathematics and Statistics (In book: Recent Developments in Stochastic Methods and Applications). 2021, 371, P. 164–177. https://doi.org/ 10.1007/978-3-030-83266-7_12
Antonova I.S., Pchelintsev E.A. Econometric Modeling of Creative Industries Concentration Process in the Siberian and the Urals Single-Industry Towns // Mathematics. 2023. Vol. 11, № 17. Art. num. 3704. URL: https://www.mdpi.com/2227-7390/11/17/3704.
Murzintseva A., Pergamenchtchikov S., Pchelintsev E. A. Hedging Problem for Asian Call Options with Transaction Costs // Theory of Probability and Its Applications. 2023. Vol. 68, № 2. P. 211‒230. DOI: 10.1137/S0040585X97T991374
Pchelintsev E.A., Pergamenshchikov S.M. Sequential change-point detection for Markov chains // Теория вероятностей и её применения. 2023. Vol. 68, № 4.
Simulation of a Neural Network Model Identification Algorithm / Pchelintsev E., Perelevskiy S.S., Terekhov A., Korableva L. [et al] // Lecture Notes in Networks and Systems. 2023. Vol. 722. P. 229‒236. DOI: 10.1007/978-3-031-35311-6_25
Pchelintsev E.A., Perelevskiy S.S. On estimation for the trend coefficient of a diffusion process by discrete time observations // Theory of Probability and Its Applications. 2023. Vol. 68, № 1. P. 181‒182. DOI: 10.4213/tvp5608
Pchelintsev E.A., Pergamenshchikov S.M., Tenzin R.O. Non-asymptotic sequential change-point detection for Markov chains with applications in the epidemic statistical analysis // Sequential Analysis. 2023. Vol. In print. P. 1‒14.
Antonova I.S., Pchelintsev E.A. Path dependence and regional disparities in single-industry towns in Russia: the evidence from micro data // International Journal of Economic Policy in Emerging Economies. 2022. Vol. 16, № 2-4. P. 318‒343. DOI: 10.1504/IJEPEE.2022.126623
Pchelintsev E., Pergamenshchikov S. M., Leshchinskaya M. Efficient estimation methods for non-Gaussian regression models in continuous time //Annals of the Institute of Statistical Mathematics. 2022. Vol. 74, № 1. P. 113-142.
Pchelintsev E.A., Pergamenshchikov S. M., Leshchinskaya M. Improved estimation method for high dimension semimartingale regression models based on discrete data // Statistical Inference for Stochastic Processes. 2022. Vol. 25, № 1. P. 537‒576. DOI: 10.1007/s11203-021-09258-0
