Descrizione del progetto
Nuovi modelli probabilistici potrebbero aiutare a gestire i dati non strutturati
La quantità di dati generati ogni giorno è enorme. La maggior parte non è strutturata, il che significa che non può essere facilmente archiviata all’interno delle banche dati. Pertanto, è più difficile da analizzare e non è ricercabile. Esempi comuni di dati non strutturati includono file di testo, dati relativi alle transazioni, immagini e cronologie di navigazione web. Il progetto UnStruct, finanziato dall’UE, prevede di costruire nuovi modelli probabilistici che colleghino i dati non strutturati direttamente ai parametri economici rilevanti. Gli studi si concentreranno su tre temi principali: il modo in cui le informazioni sulle condizioni economiche sono disperse tra gli agenti e come essi le aggregano attraverso le interazioni; l’evoluzione di un’economia colpita da molteplici sbalzi; i pagamenti tra imprese.
Obiettivo
Most usable data is unstructured. Examples include text, transaction data, images, and web browsing histories. Although rich and plentiful, most economists do not use unstructured data. The few that do generally quantify it with off-the-shelf algorithms that are unrelated to the economic environment in which it is generated, which makes connecting it to economic models difficult. I instead propose to build novel probabilistic models of unstructured data that link it directly to relevant economic parameters. This powerful approach will use the information in unstructured data to test and estimate economic models in a way that is not currently possible with existing methods.
I will focus on three distinct themes. The first studies how information about economic conditions is dispersed among agents, and how they aggregate it through interactions. This process it at the heart of the policymaking process, and the use of text data provides a unique opportunity to structurally model this information in innovative ways.
The second theme jointly models unstructured data and the evolution of an economy hit by multiple, unobserved shocks. This will provide a novel forecasting tool, which is of key interest to policymakers. But it will also use unstructured data to estimate equilibrium models of the macroeconomy, and hence recover economic fundamentals.
The final theme will use transaction payments between firms, and extend probabilistic models of network formation to create new definitions of markets that go well beyond anything in the current literature. This will contribute to measuring market power and the transmission of economic shocks, both questions of fundamental importance.
Beyond these specific themes, my research will also pave the way for the use of probabilistic machine learning that combines novel data with clear economic models. The frameworks I introduce will provide a template for others to follow in the future.
Campo scientifico
Parole chiave
Programma(i)
Argomento(i)
Meccanismo di finanziamento
ERC-COG - Consolidator GrantIstituzione ospitante
WC1E 6BT London
Regno Unito