Marcella NIGLIO | Progetti

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.

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

L'obiettivo del progetto è di studiare il problema dei missing data, che sempre più caratterizzano l'insieme dei dati di grandi dimensioni, e la cui presenza può compromettere le proprietà degli stimatori nei modelli statistici. In particolare, si intende sviluppare un approccio che sia in grado di imputare in modo preciso i missing data. La procedura sarà basata su un approccio misto, che combine

L'obiettivo del progetto di ricerca è l'estensione dei modelli semi-parametrici per la stima delle misure di rischio come il Value-at-Risk (VaR) e l'Expected Shortfall (ES) attraverso l'inserimento di variabili a frequenza mista, per sfruttare l'eterogeneità di diverse fonti informative, al fine di ottenere stime e previsioni del VaR e dell'ES più accurate. La stima congiunta verrà effettuata tram

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

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.

L'obiettivo del progetto è quello di sviluppare stimatori non parametrici per la funzione di sopravvivenza bivariata in presenza di dati troncati e censurati.Partendo dai risultati disponibili nella letteratura specializzata, si intende proporre un modo alternativo a quelli proposti in letteratura, stimando la funzione di sopravvivenza bivariata come una funzione di sopravvivenza univariata, per

Il progetto si sviluppa su tre linee di ricerca tra loro correlate. La prima riguarda lo studio dei meccanismi di elaborazione, diffusione, ed analisi delle ingenti mole di dati riguardanti i diversi aspetti della pandemia da Covid-19 mediante tecniche matematico-statistiche. La seconda analizza a livello micro- e macro-economico gli effetti della pandemia sui principali indicatori economici, appu

L¿obiettivo del progetto è quello di studiare le diverse tecniche statistiche di riduzione della dimensione (Tecniche di Screening delle covariate) sia nell¿ambito della Regressione parametrica e non e sia in altri contesti come quello del modello di sopravvivenza. L¿aspetto comune sarà l¿alta dimensionalità.

The main objectives of this research project are:1) Proposing novel methods for building realized proxies of Value at Risk (VaR) and Expected Shortfall (ES) based on intra-daily stock market returns2) Developing novel dynamic models for tail risk forecasting that rely on realized VaR and ES measure and assess their forecasting accuracy as compared to that of standard end-of-day (eod) models.