WP 3 Decision-making, potential, and business models

lead by Dr. Mikael Collan, Lappeenranta University of Technology (LUT)
[email protected]
+358 505567185

MFG4.0-tutkijat ja -professorit syventämässä yhteistyötä Trenton yliopiston kanssa

LUE ENEMMÄN VIERAILUSTA TÄSTÄ

Maanantaina 6.5. MFG4.0-hankkeen edustajat tutustuivat Trenton yliopiston ingegneria industriale -laitoksen toimintaan Povossa.

Povon vierailulla nähtiin esitykset, jotka keskittyivät LUT-yliopiston toimintaan analytiikan, robotiikan, ma-teriaalia lisäävän valmistuksen sekä materiaalifysiikan aloilla. Esitykset antoivat trentolaisille kuvan MFG4.0-hankkeesta ja erityisesti sen teknis-taloudellisesta osiosta.

LUT-yliopiston esitykset ( WP2,WP3):

Tiistaina 7.5.2019 MFG4.0-hankeen edustajat tutustuivat Roveretossa (noin 30 kilometriä Trentosta) sijaitsevan Polo Meccatronican toimintaan.
Kyseinen yksikkö on keskittynyt erityisesti valmistustekniikan kehittämiseen ja yritysyhteistyössä toteutettavien projektien läpivientiin.

Povoon sijoittuvissa tiloissa sijaitsee suuri osa materiaalitutkimukseen liittyvästä mittauslaitteistoista. Lisäksi rakennukseen on sijoitettu komposiittimateriaalien tutkimus.

Jatkona vierailulle Antti Salminen ja Ville Laitinen saivat kutsut osallistua heinäkuussa 2019 Roveretossa järjestettävään workshoppiin, joka keskittyy materiaalia lisäävään valmistukseen (engl. Additive Manufacturing).

Samalla yliopistojen yhteenlasketun laitekannan ja osaamisen todettiin täydentävän hyvin toisiaan, mikä avaa yhteistyömahdollisuuksia väitöskirjaopiskelija- / tutkijavaihdon kautta.

The latest MFG4.0 article on prediction of movements in the stock market


The accurate prediction of movements in the stock market over time is of major interest for investors and governments alike. In this research, we aimed to classify the returns of a stock market, meaning the daily changes, into four categories. Instead of simply using up and down movements, we consider also whether these movements are strong or small. Our target is the well-known American stock market index S&P500 and we collected more than 130 inputs such as other related market indices and several so-called technical indicators from finance, to build our stock market classification model. Initially, we selected with feature selection from all features those that help us set up a good classification model.

As our model, we chose a Random forest, which is a popular machine learning algorithm. Subsequently, we derived several trading strategies from our classification results to profit from our predictions. One of our main findings is that the strong movements, positive and negative, contribute on average most to our trading strategies, meaning that they bring larger returns than other predictions. Since most previous models only consider two classes, whereas we use four, this indicates that differentiating among more outcomes can be beneficial for stock market predictions.

Lohrmann,C. & Luukka,P. (2019). Classification of intraday S&P500 returns with a Random Forest.International Journal of Forecasting. Volume 35. Issue. 1. p.390-407.

LUT-yliopistossa tehdyssä tutkimuksessa on mallinnettu äärimmäisten luonnonilmiöiden aiheuttamia riskejä kaivostoimintaan

Sademäärämallinnuksen yhdistäminen teknis-taloudelliseen kaivosmalliin luo entistä tarkemman käsityksen niin taloudellisista kuin ympäristöön liittyvistä riskeistä.

LUT-yliopiston post doc -tutkija Jyrki Savolainen ja professori Mikael Collan ovat yhdessä Geologian tutkimuskeskuksen tutkijan Daniele Pedrettin kanssa lähestyvät aihetta uudesta näkökulmasta hyödyntäen sademäärien aikasarjadataa, joka on yhdistetty osaksi suurten kaivosinvestointien teknis-taloudellista kannattavuusanalyysiä. Kannattavuusanalyysissä käytetään systeemidynaamista simulointimallia, joka tuottaa kokonaisvaltaisen käsityksen kaivosinvestoinnin kannattavuudesta eri tilanteissa.

LUT-yliopistossa kehitetty systeemidynaaminen malli pystyy ensimmäistä kertaa konkreettisesti laskemaan tuotto-riski-suhteen ympäristöä suojeleville kaivosvesi-investoinneille.
Toteutettu malli tuottaa teollisuudelle relevanttia tietoa päätöksenteon tueksi ja auttaa paremmin ymmärtämään riskien minimointiin tähtäävien rahallisten panostusten kannattavuutta kokonaisuuden kannalta.

Tutkimus on vapaasti ladattavissa tästä

Savolainen, J., Pedretti, D., & Collan, M. (2019). Incorporating Hydrologic Uncertainty in Industrial Economic Models: Implications of Extreme Rainfall Variability on Metnal Mining Investments. Mine Water and the Environment. https://doi.org/10.1007/s10230-019-00600-w

MFG4.0 lecture on “Investment analysis and Decision-making” at Saint-Petersburg State University (SPbU)

MFG4.0 lecture on “Investment analysis and Decision-making” at Saint-Petersburg State University (SPbU)

Mariia Kozlova

MFG4.0 has sponsored a trip to share analytical know hows with Russian students. A guest lecture “Investment analysis and Decision-making” was given to bachelor students in Business Informatics of Saint-Petersburg State University (SPbU) Economic Faculty by one of the MFG4.0 researchers D.Sc. Mariia Kozlova. From her own words: “We got acquainted with various techniques that assist complex decision-making in numerous industrial applications. For the practical part, I took a risk departing from a boring simplified case-study and asking students what kind of investment problem they would like to practice on? They suggested analyzing vital for them decision – forgoing two years of a job to take Master studies. And so, we did. The investment, that initially looked unappealing, started to prove itself profitable under some circumstances revealed by sensitivity, scenario analyses, and Monte Carlo simulation. Working with such an important to students example appeared to be an easy way of mastering hard methods. All of us, students, attending SPbU teachers and staff, and I was happy with such a successful improvisation”.

MFG4.0-projekti esillä energia- ja kaivosalan reaalioptioanalyysi -workshopissa Torontossa

MFG4.0-projekti esillä energia- ja kaivosalan reaalioptioanalyysi -workshopissa Torontossa

Professori Mikael Collan LUT:n LBM:sta osallistui helmikuussa 2019 Fields Instituutin järjestämään kolmipäiväiseen workshopiin, jonka aiheena oli reaalioptioanalyysi energia- ja kaivosalalla.
Järjestäjinä toimivat Toronton Yliopiston professori Yuri Lawryshyn ja Western Yliopiston teknisen tiedekunnan dekaani professori Matt Davison sekä apulaisprofessori Matt Thompson Queen’s Yliopistosta.

Kaivos– ja energia-alan reaalioptioanalyysi –workshopin
ensimmäisenä päivänä keskityttiin energia-alaan liittyvään tutkimukseen ja toinen päivä oli omistettu kaivosteollisuudelle. Esitykset käsittelivät erilaisten joustavuuksien (teknisten ja rahoitukseen liittyvien) hyväksikäyttöön investointien arvon lisäämiseksi ja erityisesti menetelmiin joiden avulla voidaan kyseinen arvo laskea.
Professori Collanin esitys oli teemaltaan kokoava ja käsitteli 25 minuutissa kaivosalaan liittyvän reaalioptiotutkimuksen tulokset, joita hänen tutkimusryhmässään on saatu aikaan. MFG4.0-projektin working package 4:n päätutkimusaiheina ovat olleet erilaiset joustavuudet, joita eri tekniset ratkaisut kaivosalan investoinneissa tuovat mukanaan ja näiden jousta-vuuksien arvon määrittely systeemidynaamista mallintamista hyväksikäyttämällä.

Esityksen kantavana ajatuksena oli esitellä laajasti minkälaista tutkimusta on tehty ja mitä nyt on tekeillä MFG40-projektin puitteissa ja saada sitä kautta herätettyä workshoppiin osallistujissa kiinnostusta ryhtyä yhteistyöhön kanssamme. Esitys kiinnosti osallistujia ja muutamia yhteisiä tutkimusaiheita lähdettäneen jatkossa viemään eteenpäin.