NF
Ember és gép határánOn the Border Between Humans and MachinesProfilProfile
Vissza a szervezethezBack to structure
ProfilProfile

Dr. Fogarasi Norbert, Ph.D.

Dr. Norbert Fogarasi, Ph.D.

Egyetemi docens, a Pénzügyi Mesterséges Intelligencia Kutatólaboratórium (FAIR Lab) vezetője, Pázmány Péter Katolikus Egyetem Információs Technológiai és Bionikai Kar

Associate Professor, Head of the Financial Artificial Intelligence Research (FAIR) Lab, Faculty of Information Technology and Bionics, Pázmány Péter Catholic University

Bemutatkozás

Dr. Fogarasi Norbert a Pázmány Péter Katolikus Egyetem Információs Technológiai és Bionikai Karának egyetemi docense és a Pénzügyi Mesterséges Intelligencia Kutatólaboratórium (FAIR Lab) vezetője, továbbá a University of Toronto Mathematical Finance mesterszakának oktatója. Több mint két évtizedes tudományos és szakmai tevékenysége a pénzügyi mesterséges intelligencia, a számításos pénzügy, az alkalmazott matematika és a nagy léptékű technológiai vezetés metszéspontjában helyezkedik el.

Kutatásai a fejlett mesterségesintelligencia-módszerek, a gépi tanulás és a mélytanulási architektúrák – többek között az LSTM-ek, az előrecsatolt neurális hálózatok, az Extreme Learning Machine modellek és a Hopfield-hálózatok – összetett pénzügyi döntéshozatalban történő alkalmazására irányulnak. Ide tartozik a ritka portfóliók optimalizálása, az algoritmikus és nagyfrekvenciás kereskedés, valamint a kvantumszámítás alkalmazása a Monte Carlo-alapú opcióárazásban.

Tudományos munkája mellett több mint huszonöt éven át töltött be felsővezetői pozíciókat a kvantitatív pénzügy területén, többek között a Morgan Stanley magyarországi vezetőjeként. Szakértelme összekapcsolja az élvonalbeli akadémiai MI-fejlesztést a robusztus gyakorlati megvalósítással, a kockázatcsökkentéssel és az ipari léptékű kvantitatív rendszerek működtetésével.

Fő kutatási területek

  • Pénzügyi mesterséges intelligencia, gépi tanulás és neurális hálózatok kereskedési stratégiákhoz
  • Algoritmikus kereskedés, ritka és átlaghoz visszatérő portfóliók optimalizálása
  • Mélytanulási modellek idősor-előrejelzéshez, különösen LSTM, VAR, ICA és Extreme Learning Machine módszerek
  • Kvantumszámítási alkalmazások pénzügyi Monte Carlo-szimulációkban és opcióárazásban
  • Kombinatorikus optimalizálás, heurisztikus keresési algoritmusok – köztük a szimulált hűtés – és ütemezéselmélet

Jelenlegi pozíciók és szakmai profil

  • Egyetemi docens, Pázmány Péter Katolikus Egyetem, Információs Technológiai és Bionikai Kar
  • A Pénzügyi Mesterséges Intelligencia Kutatólaboratórium (FAIR Lab) vezetője, Pázmány Péter Katolikus Egyetem
  • Oktató, University of Toronto, Masters in Mathematical Finance (MMF) program, 2022 óta
  • Felsővezető és kvantitatív pénzügyi szakember, Morgan Stanley, 1999–2025

Jelenlegi szakmai tagságok, szerepek és megbízatások

  • Doktori témavezető és szakdolgozati konzulens a mesterséges intelligencia, a kvantitatív pénzügy és az alkalmazott matematika területén
  • Az Amerikai Kereskedelmi Kamara Magyarország (AmCham Hungary) korábbi igazgatósági tagja és első alelnöke
  • Nemzetközi tudományos folyóiratok szakmai bírálója a számításos közgazdaságtan, a pénzügyi technológia és az alkalmazott matematika területén

Válogatott publikációk

  1. Rácz, A.; Fogarasi, N. (2025). Effective Convergence Trading of Sparse, Mean Reverting Portfolios. Computational Economics, 66, 2367–2381.
  2. Rácz, A.; Fogarasi, N. (2024). Improved Sparse Mean Reverting Portfolio Selection Using Simulated Annealing and Extreme Learning Machine. Contemporary Economics, 18(3), 336–351.
  3. Udvarnoki, Z. A.; Fáth, G.; Fogarasi, N. (2023). Quantum advantage of Monte Carlo option pricing. Journal of Physics Communications, 7(5), 055001.
  4. Rácz, A.; Fogarasi, N. (2022). Trading sparse, mean reverting portfolios using VAR(1) and LSTM prediction. Acta Universitatis Sapientiae, Informatica, 13(2), 288–302.
  5. Ceffer, A.; Levendovszky, J.; Fogarasi, N. (2019). Applying Independent Component Analysis and Predictive Systems for Algorithmic Trading. Computational Economics, 54(1), 281–303.

Introduction

Dr. Norbert Fogarasi is an Associate Professor and Head of the Financial Artificial Intelligence Research (FAIR) Lab at the Faculty of Information Technology and Bionics of Pázmány Péter Catholic University and a lecturer in the Masters of Mathematical Finance program at the University of Toronto. His academic and professional work spans over two decades at the intersection of financial artificial intelligence, computational finance, applied mathematics, and large-scale tech leadership.

His research focuses on the application of advanced artificial intelligence, machine learning, and deep learning architectures, including LSTMs, FeedForward Neural Networks, Extreme Learning Machines, and Hopfield Networks, to complex financial decision-making. These applications include sparse portfolio optimization, algorithmic and high-frequency trading, and quantum computing applications for Monte Carlo option pricing.

In addition to his research, Dr. Fogarasi held executive leadership roles for over 25 years in quantitative finance, notably serving as Head of Morgan Stanley Hungary. His expertise bridges cutting-edge academic AI development with robust real-world deployment, risk mitigation, and industrial-scale quantitative systems.

Main research areas

  • Financial artificial intelligence, machine learning, and neural networks for trading strategies
  • Algorithmic trading, sparse and mean-reverting portfolio optimization
  • Deep learning models for time-series forecasting, including LSTM, VAR, ICA, and Extreme Learning Machines
  • Quantum computing applications in financial Monte Carlo simulations and option pricing
  • Combinatorial optimization, heuristic search algorithms, including Simulated Annealing, and scheduling theory

Current positions and professional profile

  • Associate Professor, Faculty of Information Technology and Bionics, Pázmány Péter Catholic University
  • Head, Financial Artificial Intelligence Research (FAIR) Lab, Pázmány Péter Catholic University
  • Lecturer, Masters in Mathematical Finance (MMF) Program, University of Toronto, since 2022
  • Executive and Quantitative Finance Leader, Morgan Stanley, 1999–2025

Current memberships, roles, and engagements

  • Doctoral supervisor and thesis advisor in artificial intelligence, quantitative finance, and applied mathematics
  • Former Board Member and First Vice President, American Chamber of Commerce (AmCham) Hungary
  • Peer reviewer for international scientific journals in computational economics, financial technology, and applied mathematics

Selected publications

  1. Rácz, A.; Fogarasi, N. (2025). Effective Convergence Trading of Sparse, Mean Reverting Portfolios. Computational Economics, 66, 2367–2381.
  2. Rácz, A.; Fogarasi, N. (2024). Improved Sparse Mean Reverting Portfolio Selection Using Simulated Annealing and Extreme Learning Machine. Contemporary Economics, 18(3), 336–351.
  3. Udvarnoki, Z. A.; Fáth, G.; Fogarasi, N. (2023). Quantum advantage of Monte Carlo option pricing. Journal of Physics Communications, 7(5), 055001.
  4. Rácz, A.; Fogarasi, N. (2022). Trading sparse, mean reverting portfolios using VAR(1) and LSTM prediction. Acta Universitatis Sapientiae, Informatica, 13(2), 288–302.
  5. Ceffer, A.; Levendovszky, J.; Fogarasi, N. (2019). Applying Independent Component Analysis and Predictive Systems for Algorithmic Trading. Computational Economics, 54(1), 281–303.