Descrizione del progetto
Abilitare i progressi nel campo dell’inferenza econometrica
I dati economici e finanziari comprendono spesso serie temporali caratterizzate da forte memoria e dinamiche non stazionarie, che rendono impegnative la verifica delle ipotesi e la costruzione di intervalli di confidenza. I metodi econometrici tradizionali forniscono un’inferenza non valida su processi quali tendenze esplosive, memoria lunga o parametri variabili nel corso del tempo. Il progetto Persistence, finanziato dal CER, affronta questo problema sviluppando un quadro econometrico unificato per svariati processi di serie temporali. Mediante la creazione di una nuova variabile esplicativa conforme al teorema convenzionale del limite centrale, l’approccio consente un’inferenza valida indipendentemente dalle proprietà stocastiche del regressore, offrendo un metodo che semplifica l’implementazione con stimatori e test in forma chiusa, rendendola pratica per le applicazioni del mondo reale. Il quadro sviluppato nell’ambito di Persistence promette di far progredire l’econometria, offrendo strumenti solidi per l’analisi dei dati macroeconomici e finanziari che mantengono la propria validità indipendentemente dalla dinamica del regressore.
Obiettivo
This project proposes a novel econometric approach suited for hypothesis testing and confidence interval construction in the presence of generic time series regressors with arbitrary persistence degree. The project will develop inference for a large class of regressor processes commonly encountered in macroeconomic and financial data, ranging from stationary, local-to-unit-root, explosive, long memory, time-varying parameter and other nonstationary processes as well as multivariate systems containing mixed components. The key idea behind the approach is to build a new explanatory variable from the data which conforms to a standard central limit theory even when the original regressor does not. The resulting instrumental variable estimators based on this endogenously constructed instrument are shown to be asymptotically mixed-Gaussian regardless of the true stochastic nature of the regressor, implying standard inference for any IV-based self-normalised test. The main contribution of the project is to place a large class of nonstandard processes with a wide range of dynamics and memory properties under a common econometric framework which delivers standard inference regardless of the regressor's stochastic properties. The asymptotic development of the procedure requires fundamental theoretical contributions such as a novel Granger-Johansen type representation theory for multivariate time series with mixed stochastic components and the asymptotic analysis of time series with different persistence types. The novel procedure is shown to be valid uniformly across persistence regimes and automatically delivers asymptotically correct inference without a priori knowledge of the regressor's true stochastic nature. In addition to its generality and theoretical coherence, the approach has the added advantage of ease of implementation (with closed-form estimators and tests that employ standard critical values), thus making it suitable for general practical application.
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
HORIZON-ERC - HORIZON ERC Grants
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) ERC-2023-STG
Vedi tutti i progetti finanziati nell’ambito del bandoIstituzione ospitante
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
30123 VENEZIA
Italia
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.