Tilbake til søkeresultatene

FINANSMARK-Finansmarkedet

Connecting the dots: Automated inference for large scale Bayesian econometric models

Alternativ tittel: Connecting the dots: Automatisk inferens for storskala Bayesianske økonometriske modeller

Tildelt: kr 4,3 mill.

Prosjektnummer:

337601

Prosjektperiode:

2023 - 2027

Midlene er mottatt fra:

Samarbeidsland:

Moderne finansielle markeder er tett sammenvevd og har en rekke ikke-lineære egenskaper slik som tidsvarierende volatilitet. Modeller innen finansiell økonometri som brukes for å få innsikt i slike markeder må kunne gjenskape slik ikke-lineær oppførsel, noe som gjør konvensjonelle lineære økonometriske modeller som f.eks lineær regresjon ubrukelig til dette formålet. Videre gjør den sammenvevde naturen til slike markeder at mange priser må modelleres simultant, og dermed gjør det nødvendig med store datasett og storskala modeller som kan fange opp avhengighetene. Slike ikke-lineære storskala økonometriske modeller krever numeriske metoder for å kunne tilpasses data. Med dagens numeriske metoder kreves det både numerisk spisskompetanse, betydelig tid avsatt til utvikling og store mengder med beregningskraft for å tilpasse hver enkelt modell til data. Mer konkret kan det være behov for flere dager med beregninger og ta uker å programmere en slik modell. Dette prosjektet søker å utvikle nye numeriske metoder som er lette å bruke selv for personer uten utstrakt spisskompetanse, og som på samme tid er beregningsmessig raske og gir pålitelige resultater. Utviklingen av slike metoder vil gjøre det mulig å bygge og raffinere stadig flere modeller, og spesielt modeller som tar inn i seg stadig flere detaljer i fenomenet som studeres. Gjennom utvikling av open access programvare som er lett å bruke vil det grunnleggende målet, å «demokratisere» tilgangen til slike modeller, bli realisert. Prosjektet har et betydelig innslag av tverrfaglighet. Det bringer sammen erfarne forskere med bakgrunn i både økonomi, økonometri og matematisk statistikk. Prosjektet vil også utdanne en mindre erfaren kollega frem til PhD.

The modern financial system generates continuously larger amounts of data. Enabling the analysis of such data sets may bring substantial benefit to society in the form of better understanding of how financial markets function. Modern Bayesian econometrics relies on numerical algorithms for fitting models to data. With the growth of both amounts and complexity of data sets, and correspondingly complicated Bayesian hierarchical dynamic models comes the demand for ever more capable such numerical algorithms. To this end, the project seeks to develop a new such algorithms based on a particular class of continuous time stochastic processes: Generalized Randomized Hamiltonian Monte Carlo (GRHMC) processes. Such processes have many interesting, rather surprising and empirically useful properties. A large class of such processes with the correct target distribution may be constructed. The first part of the project is devoted to finding the best possible members of this class for Bayesian hierarchical econometric models. In particular, this part would involve the development of a new metric tensor for Riemannian GRHMC processes that is especially targeted for hierarchical econometric models. Secondly, the project will consider the application of the developed methodology in large scale models within macroeconomics, conventional financial markets and commodity finance. These will serve both as test cases/illustrations of the developed methodology and also warrant their own free-standing publications in economics/finance oriented journals. Further outputs, in the form of easy-to-use software, of a successfully executed project would enable researchers and practitioners to routinely build such more realistic models, which would subsequently lead to further insights into the workings of the financial system. The project will involve a diverse array of researchers with background from economics/econometrics and mathematical statistics, and will also train 1 PhD student.

Budsjettformål:

FINANSMARK-Finansmarkedet