Modelagem e previsão de séries temporais na era do Big Data: alta dimensão e alta frequência

• Processo: 22/09122-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de novembro de 2022
• Data de Término da vigência: 30 de abril de 2025
• Área do conhecimento: Ciências Sociais Aplicadas - Economia - Métodos Quantitativos em Economia
• Pesquisador responsável: Carlos Cesar Trucios Maza
• Beneficiário: Carlos Cesar Trucios Maza
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Município da Instituição Sede: Campinas
• Assunto(s): Econometria Análise de covariância Análise de séries temporais Robustez Big data
• Palavra(s)-Chave do Pesquisador: Alocação de Carteiras | matriz de covariância | medidas de risco | Redução de Dimensão | Robustez | shrinkage | Estatística, Econometria

Resumo

A era do Big Data é caracterizada pelo volume, velocidade, variedade e veracidade dos dados utilizados, bem como o valor agregado fornecido aos agentes interessados após uma análise apropriada desses dados. Em um contexto de séries temporais, a era do Big Data implica analisar um grande número de séries temporais de forma conjunta (alta dimensão) em granularidades cada vez mais finas (alta frequência), podendo, inclusive, utilizar dados de fontes externas, tais como redes sociais, jornais e fóruns especializados. Isto tem gerado uma crescente demanda por modelos e/ou metodologias apropriadas para modelar e prever séries temporais em diferentes campos de aplicação, tais como economia, finanças, energia, varejo, tráfego urbano e segurança cibernética. Assim, faz-se necessário o constante desenvolvimento/extensão de modelos e metodologias que permitam capturar apropriadamente a dinâmica desses dados, objeto deste projeto de pesquisa. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

TRUCIOS, CARLOS; TAYLOR, JAMES W.. A comparison of methods for forecasting value at risk and expected shortfall of cryptocurrencies. JOURNAL OF FORECASTING, v. N/A, p. 19-pg., 2022-11-23. (22/09122-0)