Cira PERNA | Progetti

This project introduces a software library for automated cluster analysis. The library incorporates data-driven methods for optimal cluster number determination and advanced algorithms' tuning for discovering approximately elliptical clusters. By providing a comprehensive toolkit for cluster selection and validation, this research aims to enhance the efficiency and accuracy of clustering tasks in

L⿿obiettivo principale di questo progetto di ricerca è quello di sviluppare e studiare nuovi approcci in relazione ai modelli per dati panel allo scopo di fare inferenza in un contesto di alta dimensionalità.

The research aims to implement and study novel resampling techniques for spatio-temporal models, considering both spatial and temporal heterogeneity. The novel procedures should scale well for increasing spatial and temporal dimensions. All the developed algorithms will be implemented in open-source languages such as R or Python.

In this project we explore the use of a single hidden layer feed-forward artificial Neural Networks (NNs) as a forecasting tool to capture the nonlinear dynamics of the mortality rates. The approach is able to obtain valid point forecasts and, by using the bootstrap, the forecast distributions which allow to evaluate how much uncertainty is associated with each point forecast.

Questa ricerca è basata sulla rilevanza in ambito attuariale di unaprevisione della mortalità che sia la più precisa possibile. Avere delle previsioni affidabili diventa sostanziale in tutte le valutazioni attuariali, in particolare su quelle riguardanti portafogli di annualità pensionistiche, caratterizzate da contratti estesi ad ampie collettività per un arco temporale molto ampio. L'assicurator

The project aims to develop computational methods for clustering methods based on elliptic-symmetric distributions. Such models are useful for discovering clusters whose internal geometry can be explained in terms of multivariate centrality and scatter parameters.

Questo progetto di ricerca si pone come obiettivo principale quello di sviluppare e studiare nuove procedure di selezione delle variabili rilevanti in un contesto di regressione non parametrica in alta dimensionalità e con un modello, possibilmente, non additivo.

The research project aims to investigate the effect of ESG scores on stock returns and risk measures. That also constitutes the starting point for portfolio management and performance.

In this project we focus on the estimation of forecast distributions in non linear autoregressive time series and, in this context, we propose the use of non parametric techniques. In particular, we evaluate the approach based on feed-forward neural networks (NN) to approximate the original nonlinear process and derive valid point forecasts and the pair bootstrap scheme as a resampling device

Il progetto ha come obiettivo principale la tematica della sostenibilità con particolare riferimento ai fenomeni di congestione dei trasporti. Dall'analisi di questa tematica dovrebbero scaturire vie per una migliore organizzazione del sistema logistico, e lo studio di fattibilità giuridica di tali soluzioni. Dal punto di vista economico l'obiettivo è individuare la sostenibilità ambientale, econo

Within the model based clustering methods robustness is generally reached by discarding the set of outlying observations. This approach of course revealed its benefit in terms of robustness but , on the other hand, may provoke a loss of efficiency. In order to increase the efficiency in the parameter estimation, reweighting on the discarded observations can be applied. Nonetheless several open

Il progetto di ricerca si pone come obiettivo quello di trasformare il risultato delle tecniche di screening (riduzione della dimensione) nella selezione (consistente) delle variabili rilevanti. Il contesto è quella della regressione parametrica e non parametrica, nell'ambito dell'alta dimensionalità.

Propose and discuss resampling techniques for model selection and inference that are suitable to deal with massive data

In this project we focus on range-based volatility and, in this context, we propose the use of Extreme Learning Machines (ELMs) to appropriately capture the nonlinear dynamics of these volatility measures.