I progetti di ricerca in questa area mirano ad unire big data, machine learning, strumenti econometrici e sistemi di supporto alle decisioni per la costruzione di indicatori compositi per le scienze sociali.
Gli indicatori compositi sono riconosciuti come utili strumenti di policy e trovano applicazione in molti ambiti, tra i quali la misurazione dell’incertezza economica e finanziaria, la competitività, l’innovazione, il ranking di istituzioni in termini di qualità del lavoro, politiche e inclusione, misurazione del benessere, della qualità dell’ambiente e altre.
Gli indicatori compositi entrano in gioco quando vogliamo misurare un fenomeno sulla base di alcune caratteristiche rilevanti o classificare ed ordinare un insieme di alternative sulla base di una molteplicità di criteri.
In questa prospettiva sono di interesse temi quali:
• L’uso di dataset ad alta dimensionalità; BIG DATA
• Tecniche di machine learning per l’identificazione di un sottogruppo di caratteristiche rilevanti e per previsione (PCA, support vector machines, regressione RIDGE, regressione LASSO, Elastic net, e altri algoritmi di apprendimento supervisionato e non: Bagging, Boosting, Random Forest).
• Metodi di decisione multicriteriali
• Indicatori compositi secondo la procedura sviluppata dall’ Organizzazione per la cooperazione e lo sviluppo economico (OECD, 2008),
• Fuzzy rule based classification systems
• TOPSIS (Technique for Order Preference by Similarities to the Ideal Solution)
• POSET (partially ordered set)
• Metodi basati su eXplainable Artificial Intelligence
Applicazioni in ambito sviluppo, innovazione e sostenibilità:
-Indicatori compositi per la misura e gestione del rischio per i mercati finanziari. Indici di volatilità e asimmetria di rischio per i mercati, indici di sentiment.
– Indicatori compositi per la misurazione della competitività territoriale: indici di competitività regionale (e confronto con indicatori quali il Regional Competitive Index)
– Indicatori compositi per la misurazione della Innovazione regionale (e confronto con indicatori quali il Regional Innovation Scoreboard)
– Indicatori compositi di rischio climatico, e strumenti finanziari correlati quali Green Bonds.
– Indicatori compositi di finanza sostenibile e rating ESG
– Indicatori compositi per la valutazione dell’impatto degli edifici green sulla collettività (green buildings)
– Indicatori compositi per la valutazione dell’innovazione nei servizi del turismo ed impatto delle politiche del turismo.
– Indicatori compositi di inclusione LGBTQI+ nel percorso educativo e politiche e pratiche per Università LGBTQI+ inclusive
Referenti
Prof. Silvia Muzzioli, Bernard De Baets
Campi Disciplinari
Metodi matematici dell’Economia, Machine Learning e indici compositi, Economia del lavoro e valutazione delle politiche pubbliche
Progetti
Progetti di formazione per la ricerca 41° ciclo – Alte competenze per concorrere alle sfide della transizione tecnologica, culturale, economica e sociale verso la sostenibilità – presentati a valere sull’Avviso di cui alla DGR n. 344/2025. PR FSE+ 2021/2027 Priorità 2. Istruzione e formazione – Obiettivo specifico e)Azione 4 – Transizione economica e sociale sostenibile
Titolo progetto: Rischio Climatico e investimenti green
Responsabile: Prof. Silvia Muzzioli
2023 – 2025 PRIN: PROGETTI DI RICERCA DI RILEVANTE INTERESSE NAZIONALE – Bando 2022 PNRR Prot. P20225MJW8 (30/11/23-29/11/25): “Climate risk and uncertainty: environmental sustainability and asset pricing”, finanziato dall’Unione Europea, Next Generation EU. Unità nazionali: Università di Modena e Reggio Emilia, Università degli Studi di Palermo, Università degli Studi “Mediterranea” di Reggio Calabria, Università degli Studi di Pavia; altre unità internazionali: University of Ghent, University of Pyraeus.
Responsabile: Prof. Silvia Muzzioli
Sito web: https://sites.google.com/view/climaterisk/home