Data Science
GRETA fornisce attività di ricerca e sviluppo, o di analisi dei dati per la predisposizione di reportistica nei seguenti ambiti dell’econometria. Oltre alle tecniche tradizionali di analisi e modellizzazione GRETA fornisce supporto nell’ambito delle più recenti tecniche di Datascience e Machine Learning e della loro combinazione con l’analisi econometrica tradizionale.
A titolo esemplificativo, i ricercatori di GRETA sono attivi sui seguenti temi:
- Analisi di dati finanziari (a frequenza mensile, settimanale, giornaliera e intra-giornaliera) e sviluppo di modelli multivariati (analisi delle varianze, modelli per le correlazioni, analisi dei tassi di cambio
- Aggregazione e stima di statistiche per aggregati di paesi (Area Euro, Unione Europea, ecc.)
- Tecniche di disaggregazione temporale per la stima di variabili macroeconomiche a frequenze non attualmente disponibili
- Analisi del ciclo economico e finanziario, individuazione dei punti di svolta, sviluppo di modelli e datazione con metodi parametrici e non-parametrici, sviluppo di modelli multivariati della classe VAR ed a cambiamenti di regime
- Ricostruzione storica di statistiche sulla base di informazioni parziali (back-recalculation, constrained interpolation)
- Interpretazione ed uso di sondaggi per la previsione di variabili e l'analisi del ciclo economico
- Produzione di modelli predittivi (previsione "flash" a medio e lungo termine, combinazione di previsioni)
- Analisi delle revisioni di statistiche ufficiali; sviluppo e costruzione di indici compositi
Analisi delle previsioni:
- Applicazioni di scoring rules per l’analisi delle previsioni generate da modelli o da surveys.
- Combinazione e calibrazione delle previsioni puntuali o probabilistiche.
Riduzione della dimensione dei dati:
- Tecniche lineari come Principal Component Analysis, Multidimensional Scaling e Random Projection.
- Tecniche nonlineari come Isomaps, Maximum Variance Unfolding, Local Linear Embedding; loro applicazioni a modelli econometri di grandi dimensioni (es. large VARs, large panel data) in ottica di previsione.
Analisi di dati con struttura complessa:
- Analisi statistica dei networks (dati relazionali) e flussi temporali di dati networks; estrazione di networks attraverso modelli grafici (graphical Models) per l’analisi delle relazioni causali tra serie storiche.
- Approssimazioni a rango ridotto tramite tensor decomposition, come Tucker e PARAFAC decomposition, per serie storiche multilineari (per esempio dati trade networks, financial flow networks).
- Analisi dei dati spazio-temporali.
- Text mining and sentiment analysis.
Metodi Bayesiani
- Analisi bayesiana classica di modelli econometrici per le serie storiche (es., VAR, Markov-switching).
- Analisi bayesiana nonparametrica (es., Dirichlet Process Prior, Pitman-Yor Prior).
- Stima e previsione sequenziale con aggiornamento Bayesiano (Dynamic Linear Models).
Metodi nonparametrici
- Random Trees e Random Forests per la previsione e classificazione e loro combinazione con i modelli econometrici (es., Linear Models, GLM).
- Metodi bayesiani nonparametrici per la classificazione, classificazione gerarchica e la robustificazione dei modelli econometrici.
Persone
![Monica Billio](/images/people/billo.jpg)
Lorem ipsum dolor sit amet, consectetur adipisicing elit. Perspiciatis quia quas, quis illo adipisci voluptate ex harum iste commodi nulla dolor.
![Roberto Casarin](/images/people/casarin.jpg)
Lorem ipsum dolor sit amet, consectetur adipisicing elit. Perspiciatis quia quas, quis illo adipisci voluptate ex harum iste commodi nulla dolor.
Pubblicazioni recenti in quest'area
-
A scoring rule for factor and autoregressive models under misspecification
Casarin R, Corradin F, Ravazzolo F, Sartore D -
-
Prospective Analysis of the SME Sector in the Western Balkans
Atanasijević J (University of Novi Sad & GRETA), Corradin F (Ca’ Foscari University & GRETA), Sartore D (Ca’ Foscari University & GRETA), Uvalic M (University of Perugia & GRETA) and Volo F (Ca’... -
On the role of domestic and international financial cyclical factors in driving economic growth
Billio M, Donadelli M, Livieri G, Paradiso A