Эрик Гиселс
Бельгийский экономист (родился в 1956 году)

Эрик Гиселс
Рожденный1956 (68–69 лет)
Брюссель , Бельгия
СупругМарианна Матинян
Дети2
Академическая карьера
ПолеФинансы
Финансовая эконометрика
Машинное обучение
Эконометрика
Fintech
УчреждениеУниверситет Северной Каролины в Чапел-Хилл
Альма-матерСвободный университет Брюссельского
Северо-Западного университета
ВлиянияРоберт Энгл
Клайв У. Дж. Грейнджер
Ларс Питер Хансен
Томас Дж. Сарджент
Кристофер Симс
Хэлберт Уайт
ВкладыСмешанная выборка данных (MIDAS)
Сезонность
НаградыПочетный доктор
HEC, Льежский университет
Веб-сайтeghysels.web.unc.edu

Эрик Гиселс (родился в 1956 году в Брюсселе ) — бельгийский экономист , интересующийся финансами и эконометрикой временных рядов , в частности, областями финансовой эконометрики и финансовых технологий . [1] Он является почетным профессором экономики имени Эдварда М. Бернстайна в Университете Северной Каролины [2] и профессором финансов в Школе бизнеса Кенана-Флаглера . [3] Он также является директором по научным исследованиям факультета Rethinc.Labs в Институте частного предпринимательства Фрэнка Хокинса Кенана. [4]

Ранняя жизнь и образование

Гизельс родился в Брюсселе , Бельгия, в семье Пьера Гизельса (государственного служащего) и Анны Янссенс (домохозяйки). Он закончил бакалавриат по экономике (Supra Cum Laude) в Свободном университете Брюсселя в 1979 году. Он получил стипендию Фулбрайта от Бельгийско-американского образовательного фонда в 1980 году и начал аспирантуру в Северо-Западном университете в том же году, закончив докторскую диссертацию в Высшей школе менеджмента Келлогга Северо -Западного университета в 1984 году. В 2019 году он был удостоен почетной докторской степени (Doctor Honoris Causa) от HEC University of Liège . [5]

Карьера

После окончания Школы менеджмента Келлогга в Северо-Западном университете он занял должность преподавателя в Монреальском университете на кафедре экономики. [6] В 1996 году он стал профессором экономики в Университете штата Пенсильвания [7] и присоединился к Университету Северной Каролины в Чапел-Хилл в 2000 году. В настоящее время он является заслуженным профессором экономики имени Эдварда М. Бернстайна в Университете Северной Каролины в Чапел-Хилл и профессором финансов и Школы бизнеса Кенана-Флаглера . С 2018 года он является директором по научным исследованиям факультета Rethinc.Labs в Институте частного предпринимательства Кенана в Университете Северной Каролины в Чапел-Хилл. С 2020 года он также связан с кафедрой электротехники и вычислительной техники в Университете штата Северная Каролина . [8]

Гизелс является членом Американской статистической ассоциации и соучредителем Общества финансовой эконометрики (SoFiE) совместно с Робертом Энглом . [9] [10] Он был редактором журнала «Journal of Business and Economic Statistics» (совместно с Аластером Р. Холлом, 2001–2004), редактором журнала «Journal of Financial Econometrics» (2012–2015). [11] В настоящее время он является соредактором журнала «Journal of Applied Econometrics». [12]

В 2008–2009 годах Гизельс был постоянным научным сотрудником Федерального резервного банка Нью-Йорка , в 2011 году — научным сотрудником Дуйзенберга в Европейском центральном банке , оба раза в разгар Великой рецессии, и с тех пор регулярно посещает ряд других центральных банков по всему миру.

Он также был приглашенным профессором в Университете Боккони ( приглашенный профессор Томмазо Падоа-Скиоппа , 2017), Центре Стевановича в Чикагском университете (2015), Кембриджском университете (приглашенный профессор INET, 2014), Школе бизнеса имени Стерна в Нью-Йоркском университете (2007) и других, а также занимает должность приглашенного профессора в Louvain Finance, Université catholique de Louvain . [13]

Книги

В 2001 году он опубликовал монографию « Эконометрический анализ сезонных временных рядов» совместно с Дениз Р. Осборн. [14] В 2018 году он опубликовал учебник под названием « Прикладное экономическое прогнозирование с использованием методов временных рядов» совместно с Массимилиано Марчеллино. [15]

Почести и награды

Среди его наград и почестей:

Исследовать

Последние исследования Гизелса сосредоточены на моделях регрессии смешанной выборки данных (MIDAS) и методах фильтрации с приложениями в финансах и других областях. Он также работал над различными темами, такими как сезонность в экономических временных рядах, машинное обучение и приложения ИИ в финансах, приложения квантовых вычислений в финансах, среди многих других тем.

Смешанная выборка данных или регрессии MIDAS являются эконометрическими регрессионными моделями, которые в некоторых случаях можно рассматривать как замену фильтра Калмана при применении в контексте смешанных частотных данных. В настоящее время существует значительная литература по регрессиям MIDAS и их приложениям, включая Ghysels, Santa-Clara и Valkanov (2006), [25] Ghysels, Sinko и Valkanov, [26] Andreou, Ghysels и Kourtellos (2010) [27] и Andreou, Ghysels и Kourtellos (2013). [28]

Регрессия MIDAS — это прямой инструмент прогнозирования, который может связывать будущие низкочастотные данные с текущими и запаздывающими высокочастотными индикаторами и выдавать различные модели прогнозирования для каждого горизонта прогнозирования. Он может гибко работать с данными, отобранными на разных частотах, и предоставлять прямой прогноз низкочастотной переменной. Он включает в регрессию все отдельные высокочастотные данные, что решает проблемы потери потенциально полезной информации и включения неверной спецификации.

В простом примере регрессии независимая переменная появляется с более высокой частотой, чем зависимая переменная :

у т = β 0 + β 1 Б ( Л 1 / м ; θ ) х т ( м ) + ε т ( м ) , {\displaystyle y_{t}=\beta _{0}+\beta _{1}B(L^{1/m};\theta )x_{t}^{(m)}+\varepsilon _{t}^{(m)},}

где y — зависимая переменная, x — регрессор, m обозначает частоту (например, если y — это годовая , x — это квартальная), — это возмущение, а — распределение с запаздыванием, например, бета-функция или лаг Алмона . х т ( 4 ) {\displaystyle x_{t}^{(4)}} ε {\displaystyle \varepsilon} Б ( Л 1 / м ; θ ) {\displaystyle B(L^{1/м};\theta )}

Модели регрессии можно рассматривать в некоторых случаях как заменители фильтра Калмана при применении в контексте данных со смешанной частотой. Бай, Гизелс и Райт (2013) [29] изучают связь между регрессиями MIDAS и моделями пространства состояний фильтра Калмана, применяемыми к данным со смешанной частотой. В общем случае, последнее включает систему уравнений, тогда как, напротив, регрессии MIDAS включают (редуцированную форму) одно уравнение. Как следствие, регрессии MIDAS могут быть менее эффективными, но также и менее подверженными ошибкам спецификации. В случаях, когда регрессия MIDAS является только приближением, ошибки приближения, как правило, невелики.

MIDAS также может использоваться для машинного обучения временных рядов и панельных данных краткосрочного прогнозирования . [30] [31] Регрессии машинного обучения MIDAS включают полиномы Лежандра . Высокоразмерные регрессии смешанных частот временных рядов включают определенные структуры данных, которые, будучи приняты во внимание, должны улучшить производительность неограниченных оценщиков в небольших выборках. Эти структуры представлены группами, охватывающими запаздывающие зависимые переменные и группы лагов для одного (высокочастотного) ковариата. С этой целью подход машинного обучения MIDAS использует регуляризацию разреженной группы LASSO (sg-LASSO), которая удобно приспосабливает такие структуры. [32] Привлекательная особенность оценщика sg-LASSO заключается в том, что он позволяет нам эффективно комбинировать приблизительно разреженные и плотные сигналы.

Несколько пакетов программного обеспечения включают регрессии MIDAS и связанные с ними эконометрические методы. Они включают:

  • Набор инструментов MIDAS Matlab [33]
  • midasr, пакет R [34]
  • midasml, пакет R для высокоразмерных смешанных частотных временных рядов данных [35]
  • Электронные просмотры [36]
  • Питон [37]
  • Юлия [38]

Ссылки

  1. ^ Публикации Эрика Гизелса, проиндексированные Google Scholar
  2. ^ "Эрик Гизелс". eghysels.web.unc.edu .
  3. ^ Экономика, Эрик Гизелс, заслуженный профессор Эдварда Бернстайна; Центр 403A, профессор финансов Контактное лицо Кенан; Хилл, CB 3440 Chapel. "Эрик Гизелс | UNC Kenan-Flagler Business School". kenan-flagler.unc.edu .{{cite web}}: CS1 maint: числовые имена: список авторов ( ссылка )
  4. ^ "Ретинк".
  5. ^ "Почетные факультетские доктора 2019" .
  6. Ссылки ​ Департамент экономических наук – Университет Монреаля .
  7. ^ «Добро пожаловать на факультет экономики — Факультет экономики». econ.la.psu.edu .
  8. ^ "Вспомогательный факультет • Электротехника и вычислительная техника". 27 июля 2017 г.
  9. ^ «Интервью ET: Эрик Гизелс» (PDF) .
  10. ^ «Бывшие президенты, Учредительный совет и члены-основатели | Общество финансовой эконометрики».
  11. ^ "Журнал финансовой эконометрики | Oxford Academic". OUP Academic .
  12. ^ «Журнал прикладной эконометрики». Онлайн-библиотека Wiley .
  13. ^ "Эрик Гизелс". UCLouvain .
  14. ^ Эрик Гиселс и Дениз Осборн (2012). Эконометрический анализ сезонных временных рядов. Cambridge University Press. ISBN 978-0-521-56260-7.
  15. ^ Эрик Гиселс и Массимилиано Марчеллино (2018). Прикладное экономическое прогнозирование с использованием методов временных рядов. Oxford University Press. ISBN 978-0-19-062203-9.
  16. ^ "Список стипендиатов ASA". amstat.org .
  17. ↑ Кто есть кто в экономике, четвертое издание. ISBN 978-1-84064-992-5.
  18. ^ «Программа для стипендиатов-резидентов – ФЕДЕРАЛЬНЫЙ РЕЗЕРВНЫЙ БАНК НЬЮ-ЙОРКА». newyorkfed.org .
  19. ^ "Стипендии Фернана Броделя". Европейский университетский институт.
  20. ^ Банк, Европейский центральный (9 марта 2020 г.). "Стипендия Вима Дуйзенберга". Европейский центральный банк .
  21. ^ «Стипендиаты | Общество финансовой эконометрики».
  22. ^ "Профессор Эрик Гиселс представляет вступительную лекцию Гумбеля | Экономический факультет". econ.unc.edu .
  23. ^ "Серия лекций CORE, профессор Э. Гиселс". UCLouvain .
  24. ^ "Стипендиаты | Международная ассоциация прикладной эконометрики". appliedeconometrics.org .
  25. ^ Гиселс, Эрик, Педро Санта-Клара и Россен Валканов (2006) Прогнозирование волатильности: как извлечь максимальную пользу из данных о доходности, отобранных с разной частотой , Журнал эконометрики, 131, 59–95
  26. ^ Гизелс, Эрик и Артур Синко и Россен Валканов (2006) Регрессии MIDAS: дальнейшие результаты и новые направления , Эконометрические обзоры, 26, 53–90.
  27. ^ Андреу, Елена, Эрик Гиселс и Андрос Куртеллос «Регрессионные модели со смешанными частотами выборки», Журнал эконометрики, 158, 246–261.
  28. ^ Андреу, Елена, Эрик Гиселс и Андрос Куртеллос «Следует ли макроэкономическим прогнозистам использовать ежедневные финансовые данные и как?», Журнал деловой и экономической статистики 31, 240–251.
  29. ^ Бай, Дженни, Эрик Гиселс и Джонатан Райт (2013) Модели пространства состояний и регрессии MIDAS , Эконометрические обзоры, 32, 779–813.
  30. ^ Бабий, Андрей и Эрик Гиселс и Йонас Стриаукас «Регрессии временных рядов машинного обучения с применением к прогнозированию текущей погоды», arXiv:2005.14057.
  31. ^ Бабий, Андрей и Райан Т. Болл и Эрик Гиселс и Йонас Стряукас «Машинное обучение регрессий временных рядов с применением к прогнозированию текущей погоды», arXiv:2005.14057.
  32. ^ Саймон, Н., Дж. Фридман, Т. Хасти и Р. Тибширани (2013): ЛАССО с разреженной группой , Журнал вычислительной и графической статистики, 22(2), 231–245.
  33. ^ "MIDAS Matlab Toolbox". mathworks.com .
  34. ^ Кведарас, Вирмантас; Земляс-Балявичюс, Вайдотас (23 февраля 2021 г.). «midasr: регрессия выборки смешанных данных» - через R-пакеты.
  35. ^ "midasml: Методы оценки и прогнозирования для многомерных данных временных рядов смешанной частоты". 29 апреля 2022 г.
  36. ^ "МИДАС". eviews.com .
  37. ^ "sapphire921/midas_pro". 3 апреля 2021 г. – через GitHub.
  38. ^ "mikemull/Midas.jl". 31 мая 2019 г. – через GitHub.
  • Эрик Гиселс
  • Общество финансовой эконометрики (SoFiE)
  • Журнал финансовой эконометрики
Взято с "https://en.wikipedia.org/w/index.php?title=Eric_Ghysels&oldid=1218543159"