Dr. Grigory Sergeenko

Dr. Grigory Sergeenko je výkonným ředitelem společnosti Stronghold s.r.o. Po osm let pracoval jako Senior Quantitative Analyst, Senior Risk Manager a ředitel výzkumu a vývoje v různých zajišťovacích fondech a investičních domech v Praze, Ženevě, Londýně, Rusku a Dánsku. 

Byl zodpovědný za matematické modelování obchodních strategií v oblasti výzkumu a vývoje v Matlabu. Podílel se na vytváření systému pro testování konceptu padacího nože v systémech Matlab a replikačních systémech zajišťovacích fondů. Vyvinul systém řízení rizik v Matlabu společně s monitorováním rizik v reálném čase se stochastickým modelováním trhu a výpočtem výkonnosti. Také vytvořil originální systém hlášení rizik v prostředí Matlab (VAR, CVaR, korelace, volatility, omega poměry atd.) s automatickým systémem generování zpráv.

Vedl vývoj původního automatizovaného kvantitativního systému s mimosmyslovým modelováním pro americké akcie; nového robustního systému hodnocení pro kvantitativní modely; monitoru sledování rizik a výkonu v reálném čase se systémem výstrah a systém obchodování na webu.

Grigory obdržel následující tituly:

• 1999 - PhD v aplikované matematice v oblasti financí, Rosvstovská státní ekonomická univerzita, Rusko;
• Nejlepší doktorát v Rusku v roce 1999 (uděleno Nejvyšší atestační komisí v Moskvě);
• 1997 - MSc s vyznamenáním v Aplikované matematice, Státní technická univerzita, Novocherkassk, Rusko;
• 1997 - MSc s vyznamenáním v oboru Management, Rosvstovská státní ekonomická univerzita, Rusko.

V ruských časopisech publikoval Grigory monografii a více než 40 článků o různých aspektech stochastického programování, umělé inteligence a praktických aspektů řízení moderní firmy. V roce 2011 získal Grigory patent na "Původní ERP systém pro adaptivní řízení podniku". V roce 2019 získal ocenění "Excellence in Finance Award for the contribution to the Applied Finance Industry by FiNext" (Singapore, 2019).

Grigory je odborníkem v oblasti vývoje systémů a procesního inženýrství při budování různých obchodních strategií s předzpracováním dat, čistého testování vzorků, řízení rizik a kontroly robustnosti, jakož i aplikovaného matematického modelování a stochastického programování.