New Econometric Methods for Big Data

La crescente disponibilità di dataset di grandi dimensioni (“big data”) offre nuove opportunità per affrontare delle domande di ricerca rilevanti, e pone delle nuove sfide in termini di modellizzazione e analisi statistica. Lo scopo di questo progetto di ricerca è quello di sviluppare dei nuovi metodi econometrici per l’analisi dei dataset di grandi dimensioni, e mostrare la loro utilità in una serie di applicazioni in Economia e Finanza, in particolare per l’asset pricing e l’analisi dei rischi sistematici.

Soggetto e obiettivi

Il progetto si focalizza su panel dataset di grandi dimensioni e sviluppa dei metodi econometrici strutturali allo scopo di analizzare le interdipendenze tra i comportamenti, o rischi, individuali, adottando il paradigma teorico dei modelli a fattori. Il progetto ha quattro obiettivi principali: (i) Studiare l’identificazione e la stima di modelli con fattori comuni latenti e sensitività che variano nel tempo. (ii) Investigare la possibilità di distinguere empiricamente gli effetti causali di contagio dagli effetti dei fattori comuni. (iii) Studiare modelli non-lineari con fattori comuni latenti. (iv) Esplorare la stima di modelli a fattori con osservabilità parziale delle variabili dipendenti. Un tratto comune nell’approccio metodologico è il ricorso a stimatori ispirati al metodo classico delle Variabili Strumentali. Questa idea permette di ottenere degli stimatori con basso grado di complessità computazionale e con proprietà statistiche desiderabili. Il progetto prevede di applicare la metodologia per studiare i rischi sistematici nei rendimenti azionari, di fondi hedge, e di liquidazione/fallimento.

Contesto socio-scientifico

I risultati attesi del progetto sono rilevanti sia in un contesto accademico sia per le loro implicazioni per la politica economica, in modo speciale per la regolamentazione dei rischi sistematici.