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