Особисті дані приховані

Данііл Гуцол КОНТАКТИ
Студент кількісних методів, SGH Варшавська школа економіки Телефон: [відкрити контакти](див. вище в блоці «контактна інформація»)
Email: [відкрити контакти](див. вище в блоці «контактна інформація»)
GitHub: github.com/lzanam1
Місцезнаходження: Варшава, Польща
Доступність: до 40 год/тиждень · статус студента до 2027 р.

ПРО МЕНЕ
Студент спеціальності «Кількісні методи в економіці та інформаційні системи» (середній бал за спеціальністю 4,6/5,0) з
практичним досвідом аналізу даних, SQL, Python і машинного навчання. Реалізував наскрізні проєкти — від очищення даних та
імпутації пропущених значень до оцінювання моделей і розрахунку бізнес-ефекту: від прогнозування банкрутства компаній до
оптимізації інвестиційних портфелів.

ПРОЄКТИ
Система прогнозування банкрутства | Python, pandas, XGBoost, Optuna, SHAP
Датасет польських компаній (2000–2013)
GitHub: github.com/lzanam1/bankruptcy-prediction
Побудував наскрізний ML-пайплайн прогнозування банкрутства компаній для скринінгу кредитного ризику в банку:
• Очистив і підготував фінансові дані з часткою пропусків до 39% на ознаку за допомогою імпутації MICE + RandomForest
• Досяг ROC-AUC 0,86 та recall 90,9% на незбалансованому датасеті (~5% банкрутств)
• Спрогнозував скорочення навантаження на аналітиків на 57,5% на відкладеній тестовій вибірці завдяки автоматичному
відсіюванню компаній з низьким ризиком
• Налаштував XGBoost через Optuna (50 ітерацій, цільова функція F2-score); модель перевершила базову Random Forest за
ROC-AUC, recall і PR-AUC за однакового порогу рішення
• Застосував SHAP-аналіз, який підтвердив економічну узгодженість рішень моделі (прибутковість, ліквідність, покриття боргу)
Оптимізатор портфеля | Python, SciPy, NumPy, yfinance
Понад 150 ETF, 2020–2026, розподіл на навчальну та тестову вибірки
Побудував пайплайн оптимізації портфеля, що поєднує симуляцію Монте-Карло з чисельною оптимізацією, для стратегії
розподілу активів «штанга» (barbell):
• Змоделював 300 000 портфелів-кандидатів методом Монте-Карло, після чого уточнив розв'язок через SciPy SLSQP для
максимізації коефіцієнта Шарпа з обмеженнями barbell-розподілу (65–75% консервативні, 25–35% високодохідні активи);
ваги підбиралися на навчальному періоді й перевірялися на відкладеному тестовому
• Досяг коефіцієнта Шарпа 1,09 поза вибіркою (річна дохідність 17,5%, волатильність 11,9%, максимальна просадка −10,1%)
— зниження на 9,7% порівняно з 1,21 на навчальній вибірці, що свідчить про обмежене перенавчання
• Оцінив ризик зниження вартості через коефіцієнти Сортіно, Калмара та VaR/CVaR для автоматично сформованого й
відфільтрованого через yfinance набору з понад 150 ETF
Репетитор з математики | Приватні учні та підтримка однокурсників, 2026
Навчав математики старшокласників; допомагав однокурсникам з курсами вищої математики.

ОСВІТА
SGH Варшавська школа економіки
Бакалавр, «Кількісні методи в економіці та інформаційні системи», minor — економетрика
Очікуваний випуск: 2027 · Середній бал за спеціальністю: 4,6/5,0
Профільні дисципліни:
Лінійна алгебра, Теорія ймовірностей, Статистика, Економетрика, Машинне навчання, Методи
оптимізації, Програмування, Мікроекономіка, Бухгалтерський облік
Додатково: Математична економіка (диференціальні рівняння); самостійне вивчення стохастичного
числення

ТЕХНІЧНІ НАВИЧКИ
SQL: віконні функції (ROW_NUMBER, RANK), JOIN, агрегація (GROUP BY / HAVING), підзапити
Python: pandas, NumPy, scikit-learn, XGBoost, Optuna, SHAP, Matplotlib, SciPy, yfinance
Глибинне навчання: PyTorch, нейромережі прямого поширення, зворотне поширення помилки (проєкт
deep hedging, у процесі)
Microsoft Excel: аналіз даних, IF / COUNTIF / функції пошуку, статистичні функції, симуляції
Візуалізація даних: Power BI (дашборди), Matplotlib, ggplot2
Інструменти: Git, GitHub, AI-асистенти для програмування (Claude Code, Codex)
R: tidyverse (dplyr, ggplot2), дерева рішень, випадкові ліси

МОВИ
Українська (рідна) · Англійська (C1) · Польська (B1) · Німецька (A1/A2 – базовий)
Надаю згоду на обробку моїх персональних даних з метою проведення процесу відбору відповідно до Закону України «Про захист персональних даних».