Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Regularized dynamic factor model estimation via low rank plus sparse decomposition |
|---|---|
| Titolo del progetto di ricerca in inglese | Regularized dynamic factor model 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 si focalizza sulla ricerca di metodi alternativi per la stima di modelli fattoriali dinamici di grandi dimensioni. L'obiettivo è quello di valutare la validità dell’assunzione di sparsità dei residui nella stima di matrici spettrali dal momento che metodi tradizionali risultano numericamente instabili sotto tale ipotesi. Questo richiede l’applicazione congiunta di tecniche di riduzione dimensionale e metodi tipici dell’analisi delle serie storiche, per tener conto della dimensione temporale dei dati. Pertanto, è richiesta un’ approfondita conoscenza della letteratura specifica, nonchè il possesso degli strumenti tecnici relativi all'analisi matriciale e ai processi stocastici. Lo scopo ultimo è quello di creare un nuovo framework generale per la modellizzazione e stima di serie storiche di grandi dimensioni. La ricerca sarà completata da applicazioni reali degli strumenti proposti, principalmente in ambito macroeconomico. |
| Descrizione sintetica in inglese | The project focuses on the research of alternative methods for the estimation of large dynamic factor models. The aim is to evaluate the validity of the assumption of sparse residuals in the estimation of spectral matrices since traditional methods are numerically unstable under this hypothesis. This requires the application of both dimensional reduction techniques and typical methods of the analysis of time series, to account for the temporal dimension of the data. Therefore, a deep knowledge of specific literature and technical tools related to matrix analysis and stochastic processes are required. The ultimate goal is to create a new general framework for modeling and estimating large time series. The research will also consider real applications of the proposed tools, mainly on macroeconomic time series. |
| Data del bando | 14/06/2018 |
| 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 |
| silvia.bianconcini@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 03/07/2018 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |