Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Large covariance matrix estimation via low rank plus sparse decomposition |
|---|---|
| Titolo del progetto di ricerca in inglese | Large covariance matrix estimation via low rank plus sparse decomposition |
| Campo principale della ricerca | Mathematics |
| Sottocampo della ricerca | Statistics |
| Settore Concorsuale | 13 - Scienze economiche e statistiche |
| S.S.D | - |
| Descrizione sintetica in italiano | Il progetto di ricerca affronta il tema della stima di grandi matrici di covarianza attraverso la loro scomposizione in una componente di rango ridotto e una componente sparsa. Entrambe le componenti possono essere ricostruite simultaneamente minimizzando una funzione composita che coinvolge la noma nucleare della matrice di rango ridotto e la norma L1 di quella sparsa. L’obiettivo è sviluppare un algoritmo di minimizzazione adeguato e studiare le proprietà delle stime ottenute rispetto a vari criteri di convergenza e ottimalità e sotto ipotesi diverse per quel che riguarda la struttura spettrale della matrice di covarianza in popolazione. Le performance dovranno essere valutate sia per via teorica sia sulla base di dati simulati e reali e confrontate con quelle dei metodi di regolarizzazione più noti in letteratura. Successivamente il metodo verrà esteso per consentire l’analisi di dati che si assume siano stati generati da un modello fattoriale dinamico. |
| Descrizione sintetica in inglese | The project addresses the problem of estimating a large covariance matrix through its decomposition into a low rank plus a sparse component. Both components are recovered simultaneously by minimizing a composite penalty function that involves the nuclear norm of the low rank matrix and the L1 norm of the sparse one. An algorithm leading to the minimization of the penalty function will be developed and the properties of the obtained estimates will be assessed both according to different optimality/convergence criteria and under different assumptions on the eigenstructure of the population covariance matrix. The performances of the method will be evaluated on both simulated and real data sets and will be compared with those of the most widely used regularization methods. The proposed method will subsequently be extended to allow for data that can be assumed to have been generated by a dynamic factor model. |
| Data del bando | 24/08/2015 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI SCIENZE STATISTICHE "PAOLO FORTUNATI" |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| cinzia.viroli@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 21/09/2015 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |