<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
<channel>
<title>23-oji konferencija „Ekonomika ir vadyba“ (2020) / 23rd Conference "Econimics and Management" (2020)</title>
<link>https://etalpykla.vilniustech.lt/handle/123456789/156165</link>
<description/>
<pubDate>Sat, 04 Apr 2026 15:15:23 GMT</pubDate>
<dc:date>2026-04-04T15:15:23Z</dc:date>
<item>
<title>Investavimas į ateities sandorius naudojant Monte Carlo ir Sharpo metodus</title>
<link>https://etalpykla.vilniustech.lt/handle/123456789/156275</link>
<description>Investavimas į ateities sandorius naudojant Monte Carlo ir Sharpo metodus
Žolnerovičiūtė, Ieva; Maknickienė, Nijolė
Pasaulinė išvestinių finansinių priemonių rinka yra dinamiškai augantis finansų rinkos segmentas. Nauji finansiniai produktai daro ekonominius santykius sudėtingesniais ir atsiranda naujų finansinių naujovių poreikis. Atsiranda pasaulinė tinklo ekonomika, kuri remiasi elektroninėmis jos veikimo sistemomis, per kelias sekundes perkelia milijardus dolerių į kitas rinkas. Ateities sandorių augimo dinamika pasaulyje per pastaruosius metus rodo, kad ši finansų rinkos dalis sparčiai vystosi. Maži transakcijų kaštai bei lengvas šių priemonių panaudojimas suteikia investuotojams daug galimybių kryptingai planuoti pinigų srautus bei siekti norimos grąžos. Dėl šios priežasties labai svarbu išanalizuoti ir tinkamai įvertinti ateities išvestinių sandorių galimas kainų kitimo kryptis ir tendencijas. Tam darbe sujungti du algoritmai, kaip paramos sistema investuotojui: prognozuojantis Monte Carlo metodas, kuris rodo atskirų instrumentų kitimo tendencijas, leidžia įžvelgti pirkimo ir pardavimo signalus, rinkos aktyvumą ir pasyvumą bei pasirinkti įėjimo į rinką laiką, kad prekyba būtų pelninga; kitas – optimizuojantis, leidžiantis sudaryti efektyvų portfelį, Sharpo metodas. Pasitelkiant šiais algoritminiais metodais bei jų rezultatais prognozuojamos ateities sandorių kainos ir sudaromas investicinis portfelis su tikėtina grąža ir mažesne rizika.; The global derivatives market is a dynamically growing segment of the financial market. New financial products complicate economic relations and require new financial innovations. The emergence of a global network economy that relies on its electronic operating systems, shifts billions of dollars to the rest of the world in seconds. Global futures growth dynamics in recent years show that the most sensitive part of the financial market is developing rapidly. The low transaction costs and ease of use of these tools provide investors with plenty of opportunities for purposeful cash flow planning and the desired return. For this reason, it is very important to analyze and properly evaluate the potential price trends and trends of future derivatives. This work combines two algorithms as an investor support system: the Monte Carlo Predictive Approach, which tracks the movement of individual instruments, provides insight into buying and selling signals, market activity and inactivity, and allows for market entry time for profitable trading; the other is the Sharp method of optimizing for an efficient portfolio. Using these algorithms and their results, futures prices are forecasted and an investment portfolio with expected returns and reduced risk is created.
</description>
<pubDate>Wed, 01 Jan 2020 00:00:00 GMT</pubDate>
<guid isPermaLink="false">https://etalpykla.vilniustech.lt/handle/123456789/156275</guid>
<dc:date>2020-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>FinTech įtaka ekonomikai</title>
<link>https://etalpykla.vilniustech.lt/handle/123456789/156274</link>
<description>FinTech įtaka ekonomikai
Žilinskas, Ignas; Žilinskij, Grigorij
Straipsnyje nagrinėjama finansinių technologijų investicijų įtaka skirtingų šalių ekonomikoms. Darbe nagrinėjamos finansinių technologijų priemonės, kurios yra: sutelktinis finansavimas, didžiųjų duomenų analitika, blokų grandinė, kriptovaliutos, dirbtinis intelektas, mobilūs mokėjimai. Minėtų priemonių efektas pasireiškia per sumažėjusias palūkanų normas, paprastesnį ir ženkliai greitesnį paskolos gavimą, procesų optimizavimą ir sąnaudų sumažinimą dėl ko, smulkios ar vidutinės įmonės gali lengviau skolintis ir įgyvendinti ar užbaigti projektus, sukurdamos naujas darbo vietas. Stebimas vartotojų įsitraukimas į finansinių technologijų sektorių, finansinių technologijų investicijų kiekis, rinkos dydis ir analizuojama, kokį poveikį tai gali turėti renkantis palankiausią finansinių technologijų aplinką, todėl darbe taikomi SAW, EDAS vertinimo metodai bei pritaikoma koreliacinė – regresinė analizė. Kita vertus, kyla informacijos ribotumas, kadangi įstatymais ar apribojimais nėra nustatyta būtinybė kaupti Fintech statistiką. Galiausiai, keliamas temos aktualumas, atsirandantis analizuojant rodiklius ir priemones, į kuriuos turėtų koncentruotis skirtingos šalys siekdamos pritraukti daugiau investicijų bei prisidėti prie ekonomikos augimo.; Analyzing FinTech sectors impact on different countries economies. In the thesis FinTech tools is being revieled, which are: crowdfunding, Big Data analysis, blockchain, cryptocurrencies, artificial intelligence, mobile payments. Mentioned tools takes effect through lower interest rates, simplified and much faster reception of a loan, process optimization and cost reduction. It helps for small and medium enterprises to easily receive a loan and complete theirs development projects and that results in new workplaces being created. Users digitalization in FinTech sector, FinTech investment amount and market size is being monitored in order to find out how it may affect selection of the FinTech environment. Because of this SAW, EDAS and regression analysis is being applied. Furthermore, there is limitation for this theme because there is no law or similar restriction that would say that data about FinTech must be gathered. In the end, theme is important because it helps to indentify indicators and tools in which every country should focus in order to attract more FinTech investments and to help raise countries economies
</description>
<pubDate>Wed, 01 Jan 2020 00:00:00 GMT</pubDate>
<guid isPermaLink="false">https://etalpykla.vilniustech.lt/handle/123456789/156274</guid>
<dc:date>2020-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>Investicinių fondų vertinimas atsižvelgiant į jų tvarumo lygį</title>
<link>https://etalpykla.vilniustech.lt/handle/123456789/156273</link>
<description>Investicinių fondų vertinimas atsižvelgiant į jų tvarumo lygį
Miečinskienė, Algita; Uscinovič, Valentyna
Globalioje aplinkoje tvarumas tampa aktualiu reiškiniu daugelyje sričių, o viena iš jų tvarios investicijos. Tvarus investavimas susijęs su investicijomis, kurios atsižvelgia į aplinkosaugos, socialinius ir ekonominius aspektus, jų dėka šiuolaikinis žmogus investuoja išsaugodamas galimybes būsimoms kartoms tenkinti savuosius poreikius. Straipsnio tyrimo tikslas – įvertinti pasirinktus investicinius fondus atsižvelgiant į jų tvarumo lygį. Tyrimo objektas – investiciniai fondai. Be tvaraus investavimo sąvokos darbe bus tiriama tvarių investicinių fondų vertinimo rodikliai. Straipsnyje naudojama mokslinės literatūros analizė bei daugiakriteriniai vertinimo metodai – SAW ir TOPSIS, kurių skaičiavimams pasitelkti bus investicinių fondų vertinimo rodikliai. Tyrimo rezultatai parodo, kurie iš pasirinktų investicinių fondų pagal fondų vertinimo rodiklius yra priimtiniausi investuotojams atsižvelgiant į investicinių fondų tvarumo lygį.; The global environment is becoming a topical issue in the long term, with most areas, one of them being sustainable investment. A sustainable way of investing, taking into account environmental concerns and socio-economic aspects, will enable them to preserve existing people. The purpose of the article study is to evaluate sound investments in the fundamentals of their sustainability. The object of the research – investment funds. Be Sustainable Investment The concept bus at work explores sustainable investment fund valuation indicators. The paper uses scientific literature analysis and multicriteria valuation methods – SAW and TOPSIS, which are based on bus investment fund valuation indicators. The survey results show which of the selected mutual funds are reliable for investors.
</description>
<pubDate>Wed, 01 Jan 2020 00:00:00 GMT</pubDate>
<guid isPermaLink="false">https://etalpykla.vilniustech.lt/handle/123456789/156273</guid>
<dc:date>2020-01-01T00:00:00Z</dc:date>
</item>
<item>
<title>Investavimo akcijų rinkoje naudojant giliojo mokymosi modelius tyrimas</title>
<link>https://etalpykla.vilniustech.lt/handle/123456789/156272</link>
<description>Investavimo akcijų rinkoje naudojant giliojo mokymosi modelius tyrimas
Maknickienė, Nijolė; Urbonavičiūtė, Amanda
Kiekvienas investuotojas ieško geriausio sprendimo, taktikos ir metodo, kuris padėtų pelningai nustatyti akcijų kainų judėjimo kryptis. Tačiau investuotojai susiduria su sunkumais nuspėjant akcijų kitimo kryptis. Dažnai pasirinktas ir naudojamas metodas nėra tikslus prognozavimo įrankis, todėl investuotojų dėmesys krypsta į giliojo mokymosi metodus, kurie tampa paramos sistema investuotojui. Straipsnio tikslas yra palyginti giliojo mokymosi ir techninės analizės metodo prognozes bei akcijų kainų krypties nuspėjamumo paklaidas. Ištyrus penkių pasirinktų akcijų kainų prognozes gautas giliojo mokymosi metodo prognozavimo pranašumas lyginant su slankiojo vidurkio metodu. Šio darbo rezultatai išlieka svarbūs ir aktualūs, nes tyrimai susiję su giliojo mokymosi metodo panaudojimu investavime atskleidia galimybes investuotojui ar spekuliantui.; Investing becomes an integral part of the financial world. As one market gamer encourages the launch or continuation of existing activities, the other players in the market are earning their shares. Therefore, each investor looks for the best solution, tactics and a method that will help to profitably determine the direction of the movement of shares. However, investors face difficulties in predicting stock variation forecasts. Often the chosen and used method is not an accurate forecasting tool, so investors focus on deep learning methods that become a support system for the investor. The article examines the comparison of the forecasts for the schedules received in deep learning and technical analysis methods, and the uncertainty about the predictability of share prices. The results of this work remain relevant and relevant, as studies relate to the use of a deep learning approach in investment, which is heavily analysed and investigated by researchers, and is still attempting to understand the success of its utilisation by investing.
</description>
<pubDate>Wed, 01 Jan 2020 00:00:00 GMT</pubDate>
<guid isPermaLink="false">https://etalpykla.vilniustech.lt/handle/123456789/156272</guid>
<dc:date>2020-01-01T00:00:00Z</dc:date>
</item>
</channel>
</rss>
