Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Previsioni Economiche e Big Data |
|---|---|
| Titolo del progetto di ricerca in inglese | Forecasting and Big Data |
| Settore Concorsuale | 13 - Scienze economiche e statistiche |
| S.S.D | SECS-P/05 - ECONOMETRIA |
| Descrizione sintetica in italiano | I metodi di regolarizzazione sono, a priori, adatti ai problemi di previsione. Tuttavia, essi sono agnostici sul processo di generazione dei dati. Da qui la necessità di sviluppare metodi di regolarizzazione che tengano conto delle specificità dei dati in economia, come la correlazione seriale o le frequenze miste. I metodi di inferenza volti ad affrontare la curse of dimensionality sono diventati sempre più popolari. In generale, queste metodologie possono essere suddivise in due classi: tecniche di modellazione densa che potenzialmente utilizzano tutte le possibili variabili esplicative per la previsione; tecniche di modellizzazione sparse che selezionano un piccolo insieme di predittori con il più alto potere esplicativo. In questo progetto ci chiediamo se la modellazione sparsa sia un buon approccio ai problemi predittivi in economia, rispetto alla modellazione densa. |
| Descrizione sintetica in inglese | A priori, regularisation methods are well-suited for prediction problems. However, standard regularisation methods are agnostic regarding the data generation process. Hence, the need to develop regularisation methods that account for the specificities of the data generation processes in economics, such as serial correlation or mixed frequencies. As a consequence, inference methods aimed at dealing with the curse of dimensionality have become increasingly popular. Broadly speaking, these methodologies can be divided in two classes: dense modeling techniques which potentially use all possible explanatory variables for prediction; sparse-modeling techniques which select a small set of predictors with the highest explanatory power. In this project, we ask whether sparse modeling is a good approach to predictive problems in economics, compared to dense modeling. |
| Data del bando | 27/01/2021 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 24000 |
| E' richiesta mobilità internazionale? | yes |
| Paesi in cui può essere condotta la ricerca |
E.U. |
| Paesi di residenza dei candidati |
OCEANIA AFRICA EUROPE NORTH AMERICA SOUTH AMERICA ASIA |
| Nazionalità dei candidati |
EUROPE OCEANIA NORTH AMERICA SOUTH AMERICA ASIA |
| Sito web del bando | https://www.unime.it/it/ricerca/bandi-assegni-di-ricerca/procedura-di-valutazione-comparativa-titoli-ed-esami-il |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 24000 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) |
La valutazione comparativa tende ad accertare la preparazione, l'esperienza e l'attitudine alla ricerca del candidato. Essa consiste nella valutazione dei titoli presentati e in un colloquio concernente la discussione dei titoli stessi con approfondimento degli argomenti di particolare rilievo scientifico connessi al programma di ricerca e la verifica della conoscenza della lingua straniera indicata nell'allegato A al presente bando. |
| Processo di selezione in italiano (breve descrizione) | Previsione, big data, regolarizzazione |
| Processo di selezione in inglese (breve descrizione) | Prediction, big data, regularization |
| Nome dell'Ente finanziatore | Università degli Studi di Messina |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Messina |
| Codice postale | 98122 |
| Indirizzo | Piazza Pugliatti, 1 |
| Sito web | https://www.unime.it/ |
| walter.distaso@unime.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 08/03/2021 |
|---|---|
| Come candidarsi | https://pica.cineca.it/unime/ |