Descripción del proyecto
CON LA EXPLOSION DE LA CANTIDAD DE DATOS EN PRACTICAMENTE TODAS LAS AREAS DE CONOCIMIENTO, EL ANALISIS ESTADISTICO ENFRENTA DESAFIOS DE MAGNITUD E IMPORTANCIA SOCIAL SIN PRECEDENTES. PROCESAR Y EXTRAER INFORMACION DE CANTIDADES ENORMES DE DATOS PRESENTAN UNA MULTITUD DE PROBLEMAS NUEVOS MATEMATICOS, ESTADISTICOS Y COMPUTACIONALES. UNO DE LOS ASPECTOS NUEVOS DONDE SE NECESITA METODOLOGIA ESTADISTICA MODERNA ES LA CONSTRUCCION DE MODELOS ESTRUCTURADOS DE ALTA DIMENSION, EN ENTENDER LAS POSIBILIDADES Y LIMITACIONES DE PREDICCION E INFERENCIA EN TALES MODELOS Y OFRECER SOLUCIONES COMPUTACIONALMENTE FACTIBLES. ESTE PROYECTO EXPLORARA VARIOS MODELOS ESTADISTICOS CON ESTRUCTURA GEOMETRICA Y/O COMBINATORIA NO-TRIVIAL DE DIMENSION ALTA. EN PARTICULAR, ESTUDIAREMOS PROBLEMAS DE CONTRASTE DE HIPOTESIS PARA DATOS DE ESTE TIPO, APRENDIZAJE Y OPTIMIZACION CONVEXA ONLINE CON ESTRUCTURA COMBINATORIA COMPLEJA, INFERENCIA PARA DIFUSIONES JUMP, MODELOS DE VOLATILIDAD ESTOCASTICA, CON ENFOQUE ESPECIAL EN APLICACIONES EN GESTION DE RIESGOS, DATOS FINANCIEROS DE FRECUENCIA ALTA, LA MEDIDA DE RIESGO SISTEMICO Y DATOS CATEGORICOS Y COMPOSICIONALES DE DIMENSION ALTA. EL PROYECTO SE DESARROLLARA EN COLABORACION CON EL PROF. SEBASTIEN BUBECK (PRINCETON UNIVERSITY), EL PROF. KONSTANTINOS KALOGEROPOULOS (LONDON SCHOOL OF ECONOMICS) Y EL PROF. FREDERIC UDINA (IDESCAT).