Maria Lucia PARRELLA | Progetti

Negli ultimi anni si è registrata una crescente attenzione alla finanza sostenibile e all⿿incidenza dei fattori ESG (Environmental, Social, Governance) e del loro impatto sulla valutazione e collocazione degli investimenti finanziari. Il processo di asset allocation si è modificato tenendo sempre in maggiore considerazione elementi di sostenibilità e responsabilità ESG così come la loro incidenza

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

Molti dati possono essere interpretati come dati spaziali: osservazioni che vengono rilevate in luoghi e in tempi diversi, dove lo spazio può essere inteso in senso lato e non solo fisico. Questa tipologia di dati viene analizzata in letteratura mediante i cosiddetti modelli autoregressivi spaziali, basati su una regressione ponderata i cui pesi vengono dati da una matrice di distanze. Molto spess

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.

Sviluppo di metodi di Statistical Learning basati su coefficiente di penalità (Matrix Completion) per dati origine-destinazione, per previsione e imputazione di dati mancanti. Applicazione su matrici Input-Output e su dati di flussi di traffico provenienti da telefonia mobile.Sviluppo di metodi di Screening e Variable Selection basati su approccio marginale, quali la Sure Independence Screening,

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

Missing data arise in many statistical analyses, due to faults in data acquisition, and can have a significant effect on the conclusions of the analyses. In environmental data, a standard approach usually adopted by the Environmental Protection Agencies is based on deleting those observations with incomplete information, obtaining an underestimation of the indexes usually used for quality evaluati

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.

Nell'analisi delle serie storiche lo studio di modelli multivariati ha ricevuto grande attenzione in letteratura. Partendo dai modelli Vector Autoregressive (ampiamente presentati di Lutkepohl (2006)), sono stati proposti differenti modelli lineari e nonlineari, molti dei quali sono generalizzazioni multivariate di modelli già noti nel contesto univariato.Nel presente progetto l'attenzione sarà r

In un precedene progetto di ricerca è stato proposto un modello spazio-temporale appartenente alla cosidetta famiglia dei modelli spaziali di tipo econometrico. La parte innovativa di tale progetto consisteva nella maggiore flessibilità del modello, per via di parametri spaziali location-dependent, da cui il nome di modello spaziale eterogeneo. In un successivo progetto di ricerca è stato anche pr