Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Big Time Series Analytics for Complex Economic Decisions

Descripción del proyecto

Mejorar la toma de decisiones económicas

La expansión de las fuentes de datos masivos aporta muchas oportunidades en el ámbito de la economía. A su vez, aumenta los desafíos estadísticos ya que los métodos pueden calcular modelos de alta dimensionalidad que contienen muchos parámetros necesarios. Dichos modelos se pueden encontrar en la comunidad de la enseñanza estadística, pero no son adecuados para las series temporales económicas. El proyecto BigTime, financiado con fondos europeos, tiene como objetivo —basándose en la econometría, la estadística y el aprendizaje automático— desarrollar métodos de aprendizaje estadístico que ofrezcan una cuantificación de la incertidumbre honesta, un análisis de la función de la respuesta del impulso económico interpretable y la identificación de modelos de series temporales de alta dimensionalidad. El proyecto desarrollará una caja de herramientas de grandes series temporales que apoyará y mejorará la toma de decisiones económicas en problemas de series temporales complejas, dinámicas y grandes.

Objetivo

Big time series data are commonplace in economics. Their variety and sheer size provide nearly endless opportunities to improve economic decision making at European governments, companies and universities: amongst others, internet search data could shed light on consumer sentiment, social media provide opportunities for improving economic policy analysis, and high-frequency volatility data could be informative for financial risk analysis.

While the expansion of these Big Data sources bring possibilities, it also raises ever-increasing statistical challenges since novel methods (for instance, 'penalized' methods) are needed to estimate high-dimensional models containing many parameters. The development of such methods has flourished in the statistical learning community, but they are not geared towards the specificities of economic time series. Econometric time series models typically differ from traditional statistical models in that they require (i) an accurate assessment of the certainty of the economic findings and predictions, (ii) a description of how the economy responds, over time, to exogenous shocks, and (iii) an identification strategy that maps the observed data to the relevant economic parameters of interest. The proposal builds a partnership between econometrics, statistics and machine learning with the aim of addressing these three econometric objectives. It develops statistical learning methods for (i) honest uncertainty quantification (inference), (ii) interpretable economic impulse response functions analysis and (iii) identification of high-dimensional time series models. The suitability of the developed Big Time Series methods is demonstrated for economic applications including financial risk analysis and macro-economic policy analysis.

As such, the proposal provides a Big Time Series Analytics toolbox to modern empirical economists that aims to support and improve economic decision making in big, dynamic and complex time series problems.

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

MSCA-IF-EF-ST - Standard EF

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) H2020-MSCA-IF-2018

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

UNIVERSITEIT MAASTRICHT
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 175 572,48
Dirección
MINDERBROEDERSBERG 4
6200 MD Maastricht
Países Bajos

Ver en el mapa

Región
Zuid-Nederland Limburg (NL) Zuid-Limburg
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

€ 175 572,48
Mi folleto 0 0