Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Dynamic panel data modelling of the Italian football league statistics |
|---|---|
| Titolo del progetto di ricerca in inglese | Dynamic panel data modelling of the Italian football league statistics |
| Campo principale della ricerca | Economics |
| Sottocampo della ricerca | Applied economics |
| Campo principale della ricerca | Mathematics |
| Sottocampo della ricerca | Statistics |
| Settore Concorsuale | 13 - Scienze economiche e statistiche |
| S.S.D | - |
| Descrizione sintetica in italiano | Il calcio è uno degli sport più popolari nel mondo, con oltre 20 miliardi di euro di ricavi e 1.5 miliardi di euro di scommesse nel mondo, ogni anno. La letteratura sull'analisi statistica degli eventi calcistici si concentra principalmente sulla previsione dei punteggi usando modelli dinamici su dati di conteggio. Negli ultimi anni, si è anche utilizzato l'apprendimento automatico per costruire sistemi predittivi. Poiché le previsioni dei bookmaker rappresentano il benchmark in termini di accuratezza predittiva, il progetto di ricerca mira ad analizzare modelli statistici che possono portare a predizioni migliori di quelle del benchmark. La metodologia utilizzata si basa su di una nuova modellazione multilivello con volatilità stocastica che sarà applicata ad un panel sugli esiti delle partite di calcio giocate nel campionato di calcio italiano. Il risultato principale consisterà in almeno un articolo scientifico da sottoporre a una rivista internazionale di prestigio. |
| Descrizione sintetica in inglese | Soccer is one of the most popular sports in the world, with over 20 billion euros of yearly revenues and 1.5 trillion euros of betting worldwide. The literature on the statistical analysis of sports mainly focuses on forecasting football scores using dynamic count data models. Recently, machine learning has been used to build predictive systems. Since bookmaker's predictions represent the benchmark in terms of predictive accuracy, our research aims to analyze statistical models that can outperform the benchmark. The methodology is based on a novel framework of multilevel modelling with stochastic volatility that will be applied to a panel dataset of outcomes of the soccer matches played in the Italian football league. The primary outcome will include at least one research paper to be submitted to a highly reputed international journal. |
| Data del bando | 21/10/2022 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| 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://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| 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 |
| simone.giannerini@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 04/11/2022 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |