Projektbeschreibung
Finanzielle Entscheidungsfindung durch maschinelles Lernen und dynamische kausale Schlussfolgerungen verbessern
Mikroökonomie- und Finanzdaten sind für die wirtschaftliche Entscheidungsfindung in Zentralbanken, bei Investierenden und Verantwortlichen der Politik von entscheidender Bedeutung, wodurch ihre Verfügbarkeit entscheidend ist. Mit Unterstützung der Marie-Skłodowska-Curie-Maßnahmen wird das Projekt MACROML neue Wege im Bereich der makroökonometrischen Modellierung beschreiten, indem es die Lücke zwischen maschinellem Lernen und traditioneller Ökonometrie überbrückt. Im Rahmen des Projekts werden innovative Methoden für die Analyse dynamischer Schlussfolgerungen bei hochgradig persistenten Zeitreihendaten mit schweren Rändern entwickelt, die in der Literatur bisher weitgehend übersehen wurden. Es werden theoretisch valide Schätz- und Inferenzökonometrieverfahren für allgemeine hochdimensionale Zeitreihenmodelle sowie eine allgemeine Methodik für hochdimensionale lokale Projektionsschätzungen untersucht.
Ziel
Data lies at the heart of all economic decisions. Everyone — and especially central bankers, investors, and policymakers — processes data when making choices. Thanks to technological innovations, the speed at which (raw) data are generated and shared by businesses, public administrations, and scientific research (among others) have increased exponentially. Large amounts of data bring new opportunities and challenges to econometrics.
The literature on microeconometric methods based on statistical learning techniques has grown substantially over the last decade, yet macroeconometrics literature lacks an understanding of such methods which could be applied to answer causal inference questions. The primary goal of the macroml research project is to put forward theory-driven methods for dynamic causal inference analysis based on models typically used in the macroeconometrics literature, bridging the gap between machine learning and macroeconometric modelling. The key distinction of this project from the state-of-the-art methods is the analysis of heavy-tailed and highly persistent time series data — a critical feature that has been largely overlooked in the literature.
In particular, the research project will investigate:
I. accurate and theoretically-valid estimation and inference econometric techniques for general high-dimensional time series models;
II. a general methodology for high-dimensional local projection estimators which allows studying the dynamic causal relationship between economic time series data.
The project will enlarge policymakers’ toolbox for the analysis of macroeconomics and finance data to assess different dynamic causal hypotheses in a flexible and accurate way, thereby making it highly policy-relevant. In addition, new estimation methods of machine learning time series models will allow practitioners to implement ML techniques for time series data in a data-driven way. The project also will deliver several interesting empirical applications.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- SozialwissenschaftenWirtschaftswissenschaftenWirtschaftswissenschaftÖkonometrie
- SozialwissenschaftenWirtschaftswissenschaftenWirtschaftswissenschaftMakroökonomie
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles Lernen
- SozialwissenschaftenPolitikissenschaftöffentliche Verwaltung
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) HORIZON-MSCA-2022-PF-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordinator
2000 Frederiksberg
Dänemark