Description du projet
Améliorer la prise de décision financière grâce à l’apprentissage automatique et à l’inférence causale dynamique
Les données microéconomiques et financières sont essentielles à la prise de décision économique par les banquiers centraux, les investisseurs et les décideurs politiques, ce qui rend leur disponibilité cruciale. Soutenu par le programme Actions Marie Skłodowska Curie, le projet MACROML innovera dans le domaine de la modélisation macroéconométrique en comblant le fossé entre l’apprentissage automatique et l’économétrie traditionnelle. Il élaborera des méthodes de pointe pour l’analyse de l’inférence causale dynamique des données de séries temporelles à queue lourde et hautement persistantes, qui ont été largement négligées dans la littérature. Il examinera les techniques économétriques d’estimation et d’inférence valides sur le plan théorique destinées aux modèles généraux de séries temporelles à haute dimension, ainsi qu’une méthodologie générale pour les estimateurs de projection locale à haute dimension.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- sciences socialeséconomie et affaireséconomieéconométrie
- sciences socialeséconomie et affaireséconomiemacroéconomie
- sciences naturellesinformatique et science de l'informationintelligence artificielleapprentissage automatique
- sciences socialesscience politiqueadministration publique
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Programme(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2022-PF-01
Voir d’autres projets de cet appelRégime de financement
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinateur
2000 Frederiksberg
Danemark