# Portfólióelmélet az Ágensalapú Vállalatban: Kvantitatív R&D a(z) Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) Hallgatóinak

> **AKADÉMIAI R&D KUTATÓI ÖSZTÖNDÍJ • 2024–2026 PREPRINT CO-AUTHORSHIP** · `Budapest University of Technology and Economics` (`Hungary`) · Native Language: `hu-HU` · Vega-48 Fit Score: **98.54/100**

A(z) Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) campusán a(z) BSc/MSc in Mathematical Engineering, Stochastics & Applied AI / Data Science előadásain és szemináriumain elsajátított mély elméleti tudás a modern autonóm ágensrendszerek legfőbb építőköve. Nemzetközi kutatói R&D podjainkban a hallgatók aszinkron remote munkarendben, közvetlenül éles produkciós kódbázisban alkalmazzák az egyetemi matematika 100%-át: a konvex optimalizálást, a többváltozós statisztikai zsugorítást és a sztochasztikus analízist. Felejtsd el a felszínes prompt-hackelést; nálunk az autonóm LLM-ágensek és determinisztikus verifikálók heterogén architektúráját rigorózus Markowitz-féle átlag-szórás portfólióként allokáljuk. Rugalmas, félévközi zárthelyikhez és kollokviumokhoz igazított kutatási modellünk teljes szinergiát teremt az egyetemi tanulmányaiddal, a TDK-dolgozatoddal és a diplomamunkáddal.

## Part-Time R&D & Exam-Safe Study Harmony ($20–$45/hr USD · 10–25 hrs/wk)
1. **Rugalmas, aszinkron 10–25 óra/hét az előadások, laborok és feladatsorok között** — A heti munkavégzésed teljes mértékben aszinkron és önállóan beosztható: nincs merev munkaidő vagy blokkoló értekezlet. A kutatási és kódolási feladatokat zökkenőmentesen illesztheted az egyetemi előadások, laborgyakorlatok és elméleti feladatsorok (házi feladatok) közé.
2. **$20–$45/óra USD díjazás & Szigorú Vizsgaidőszaki Protokoll (Exam-Safe)** — Versenyképes, óradíjas nemzetközi kompenzáció ($20–$45/hr USD) rugalmas remote konstrukcióban. A félévközi zárthelyik (ZH-k) és a vizsgaidőszak szigorlatai alatt érvénybe lép a szigorú Exam-Safe protokoll: a heti óraszám 0-ra redukálható kötelezettségek nélkül, garantált pod-pozíció és ösztöndíj-megtartás mellett.
3. **Közvetlen szinergia a BSc/MSc diplomamunkával, TDK-val és 2024–2026-os preprintekkel** — A podokban végzett kutatási eredmények közvetlenül hasznosíthatók szemináriumi dolgozatokban, TDK-pályamunkákban és BSc/MSc diplomatervekben. Minden kutatónk szabadon hozzáfér a 39 órás, akkreditált CPE tudástárhoz ({preprints_url}), és társszerzőként publikálhat a legfrissebb nemzetközi preprintekben.

## 100% University Curriculum -> Production Mathematics Matrix (`markowitz.systems`)
| Egyetemi kurzus / Diszciplína | Matematikai tétel / Formula | Kutatói R&D Pod | Produkciós R&D Alkalmazás |
| :--- | :--- | :--- | :--- |
| Konvex és kvadratikus optimalizálás (Operációkutatás) | `min_w w^T Σ w  s.t.  w^T μ ≥ μ*, 1^T w = 1, w ≥ 0` | **POD-01** | Optimális számítási erőforrás-allokáció (compute weights) heterogén nagy nyelvi modellek (LLM) és formális determinisztikus verifikáló ágensek között, Karush–Kuhn–Tucker (KKT) feltételek és másodrendű kúpprogramozás (SOCP) alkalmazásával a pontossági korlátok szigorú kielégítésére. |
| Valószínűségszámítás és korrelált kísérletek elmélete | `N_eff = N / (1 + (N - 1)ρ̄)` | **POD-01** | Annak elméleti bizonyítása, hogy 50 erősen korrelált ágens-prompt ρ̄ = 0,70 átlagos páronkénti korreláció mellett mindössze N_eff ≈ 1,42 független szakértőnek felel meg; ortogonalizált prompt-tervezés és kovariancia-alapú sokszínűségi regularizáció ágens-együttesekben. |
| Magas dimenziós matematikai statisztika és ökonometria (N > T) | `Σ̂_LW = (1 - δ*)S + δ*F` | **POD-02** | Ledoit–Wolf-féle analitikus kovariancia-zsugorítás és Marčenko–Pastur spektrális zajszűrés rövid értékelési mintákon (short eval benchmarks, N > T); a tapasztalati minta-kovarianciamátrix szingularitásának és numerikus instabilitásának eliminálása optimális δ* súllyal. |
| Biztosításmatematikai kockázatelmélet és szélsőérték-analízis | `Σ⁻_ij = E[min(R_i-τ,0)min(R_j-τ,0)],  CVaR_99%(L_w) ≤ M_audit` | **POD-02** | Markowitz (1959) lefelé mutató szemivariancia-mátrixának és Rockafellar–Uryasev feltételes érték-kockázatának (CVaR_99%) integrálása a kritikus hallucinációs és futásidejű hibák korlátozására a garantált auditálhatósági küszöbérték (M_audit) mellett. |
| Pénzügyi közgazdaságtan és sztochasztikus analízis | `w_tan ∝ Σ⁻¹(μ - c·1),  SR(w) = w^T(μ - c) / √(w^T Σ w)` | **POD-03** | Tobin-féle kétalapos szeparációs tétel éles szoftverrendszerekben: a determinisztikus fordítóprogramok és formális típusellenőrzők mint kockázatmentes eszköz (σ_0 = 0) kombinálása a sztochasztikus LLM-érintőportfólióval az aggregált rendszer Sharpe-hányadosának maximalizálására. |
| Szekvenciális hipotézisvizsgálat és adaptív döntéselmélet | `P(Type I Error) ≤ α  (Neyman-Pearson FrugalGPT/RouteLLM Cascade)` | **POD-04** | Többszintű neurális kéréstovábbítás (multi-tier cascade routing) Neyman–Pearson döntési lemmák alapján, garantált elsőfajú hiba-korlát (α) mellett; a módszertani háttér és a nyílt kutatási eredmények elérhetők a 39 órás CPE archívumban: {preprints_url}. |

## Egyetemi Kapcsolódási Pontok és Diákszervezetek — Budapesti Műszaki és Gazdaságtudományi Egyetem (BME)
- **Campus Career Portal (ELTE / BME / Corvinus Karrierközpont & Schönherz):** A(z) Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) hallgatójaként a jelentkezésedet közvetlenül a(z) ELTE / BME / Corvinus Karrierközpont & Schönherz felületén keresztül vagy az egyetemi karriernapokon is benyújthatod. Kérjük, hogy a jelentkezéshez csatold a legfrissebb indexmásolatodat (különös tekintettel a matematika, valószínűségszámítás, analízis és algoritmuselmélet tantárgyak érdemjegyeire) vagy releváns GitHub/TDK publikációs linkjeidet.
- **Student Society Announcement (Magyar Közgazdasági / Matematikai Szakkollégiumok (Rajk, Heller, Bolyai, Simonyi)):**
  > Sziasztok! Ha a(z) Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) hallgatójaként matematikát, mérnökinformatikát, fizikát vagy kvantitatív közgazdaságtant tanulsz, és szeretnéd az elméleti szaktudásodat éles szoftverrendszerekben kamatoztatni, nyitva állnak a Markowitz Systems kutatói podjai. Kifejezetten egyetemistákra szabott, aszinkron remote R&D pozíciókat kínálunk ($20–$45/óra USD, 10–25 óra/hét) szigorú vizsgaidőszaki szünettel, így a ZH-k és szigorlatok idején a tanulmányaid élveznek abszolút elsőbbséget. Nálunk nem prompt-barkácsolást találsz, hanem konvex optimalizálást, Ledoit–Wolf kovariancia-zsugorítást és Rockafellar–Uryasev CVaR-kockázatkezelést többágenses környezetben. Az elért eredmények közvetlenül beépíthetők a TDK-dolgozatodba és a diplomamunkádba, ráadásul nemzetközi preprintek társszerzőjévé is válhatsz. Részletes tájékoztató és közvetlen jelentkezés: https://markowitz.systems/uni/hu-budapest-university-of-technology-and-economics#apply-student — várjuk a matematikai bizonyításaidat és kódjaidat!
- **5-Minute Reproducible Seminar Python Lab:** https://markowitz.systems/uni/hu-budapest-university-of-technology-and-economics/lab.py — Önállóan futtatható, 5 perces Python szemináriumi laborcsomag, amely szintetikus LLM-evaluációs mátrixokon számítja ki a tényleges független szakértői számot (N_eff) és a Ledoit–Wolf-féle zsugorított kovarianciamátrixot (Σ̂_LW). Ideális demonstrációs eszköz egyetemi szemináriumokhoz, önképzőköri műhelyekhez és laborgyakorlatokhoz a többágenses döntési rendszerek korrelációs redundanciájának szemléltetésére.

## Direct Links for Students of Budapesti Műszaki és Gazdaságtudományi Egyetem (BME)
- **Jelentkezés a Kutatói Podba:** https://markowitz.systems/?uni=hu-budapest-university-of-technology-and-economics#apply
- **Nyílt Kutatási Adatbázis (Baserow):** https://markowitz.systems/baserow?country=Hungary&uni=Budapest%20University%20of%20Technology%20and%20Economics
- **CPE Preprintek Letöltése:** https://markowitz.systems/preprints
- **Campus RSS Job Feed (hu-HU):** https://markowitz.systems/feeds/campus-jobs-hu-HU.xml
