Marcella NIGLIO | Progetti

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.

I modelli Threshold Autoregressive hanno avuto un rilevante impatto nella letteratura delle serie storiche non lineari e di recente l'attenzione è stata nuovamente posta su loro ulteriori generalizzazioni. Obiettivo della presente di ricera è l'introduzione di nuovo previsore per una generalizzazione del modello threshold la cui caratteristica distintiva, rispetto al modello proposto originariame

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.

Nella presente ricerca l'attenzione sarà focalizzata sul successo degli studenti universitari, che viene spesso utilizzato per valutare la qualità e le prestazioni delle istituzioni educative. L'individuazione precoce degli studenti a rischio è consigliabile per aiutare i manager e i direttori delle istituzioni ad attuare misure e azioni preventive per aumentare la probabilità di successo degli st

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.

Lo sviluppo di nuove tecnologie ha avuto un forte impatto sulla raccolta dei dati. Ampie masse di dati sono disponibili e spesso si rende necessario non solo sistematizzare le informazioni ma anche selezionarle opportunamente. In tale contesto tecniche di ⿿variable screening⿝ e ⿿variable selection⿝ possono avere un ruolo importante per la riduzione dei dati e per la selezione delle variabili che h

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.

Obiettivo del progetto è la derivazione di proprietà asintotiche dei parametri del modello non lineare per serie storiche della classe Self-Exciting Threshold Autoregressive. Diversamente da quanto proposto in letteratura, tali proprietà sono ottenute senza assumere la stazionarietà ed ergodicità del processo generatore. La rimozione di queste assunzioni rende non solo più generale il risultato t

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