에릭 기즐스

Eric Ghysels
에릭 기즐스
EricGhysels.jpg
태어난1956년 (65-66세)
벨기에 브뤼셀
배우자마리안나 마티얀
아이들.니컬러스 기젤스
조너선 그리즐스
기관노스캐롤라이나 대학교 채플힐
금융
금융계량학
머신러닝
계량학
핀테크
모교브리지유니버스티 브뤼셀
노스웨스턴 대학교
영향로버트 잉글
클라이브 W. J. 그레인저
라르스 피터 한센
토마스 J. 사르겐트
크리스토퍼 심스
할버트 화이트
기부금혼합 데이터 샘플링(MIDAS)
계절성
수상닥터 호니스 코로사
리에주 대학교 HEC
웹사이트eghysels.web.unc.edu

에릭 기젤스(Eric Ghyels, 1956년 브뤼셀 출생)는 벨기에계 미국인 경제학자금융 및 시계열 계량학, 특히 금융계량학, 금융기술 분야에 특히 관심이 많다.[1] 그는 에드워드 M이다. 번스타인은 노스캐롤라이나[2] 대학의 경제학 저명한 교수, 케난 플래글러 경영대학원의 재무학 교수.[3] 그는 또한 Rethinc의 교수 연구 이사다.Frank Hawkins Kenan Institute of Private Enterprise의 연구소.[4]

조기생활과 교육

기합은 벨기에 브뤼셀에서 피에르 기합스(공무원)와 안나 얀센스(주부)의 아들로 태어났다. 1979년 브리지유니버싯 브루셀에서 경제학 학부(Supra Cum Laude)를 마쳤다. 1980년 벨기에 아메리칸 교육재단에서 풀브라이트 펠로우십을 취득하고 그해 노스웨스턴 대학교에서 대학원 공부를 시작해 1984년 노스웨스턴 대학교 켈로그 경영대학원에서 박사학위를 마쳤다. 2019년에는 리에주 HEC대학으로부터 명예박사학위(박사 호놀리스 인과)를 받았다.[5]

경력

노스웨스턴 대학켈로그 경영대학원을 졸업한 후 그는 경제학 출발지의 몬트레알 대학에서 교수직을 맡았다.[6] 1996년 펜실베이니아 주립대[7] 경제학 교수가 되었고 2000년 채플힐 노스캐롤라이나 대학에 입학했다. 그는 현재 에드워드 M이다. 번스타인은 UNC 채플힐의 경제학과 저명한 교수, 재무학과 케난 플래글러 경영대학원의 교수. 2018년부터 그는 교수 연구 책임자인 레틴크를 맡고 있다.UNC 채플 힐에 있는 케난 민간 기업 연구소의 연구실. 2020년부터 그는 노스캐롤라이나 주립대학 전기컴퓨터공학부에도 소속되어 있다.[8]

Ghysels is a fellow of the American Statistical Association and co-founded with Robert Engle the Society for Financial Econometrics (SoFiE).[9][10] He was editor of the Journal of Business and Economic Statistics (with Alastair R. Hall, 2001–2004) editor of the Journal of Financial Econometrics (2012–2015).[11] He is currently co-editor of the Journal of Applied Econometrics.[12]

In 2008–2009 Ghysels was resident scholar at the Federal Reserve Bank of New York, in 2011 Duisenberg Fellow at the European Central Bank, both at the height of the Great Recession, and has since been a regular visitor of several other central banks around the world.

He has also been visiting Professor at Bocconi University (Tommaso Padoa-Schioppa Visiting Professor, 2017), the Stevanovich Center at the University of Chicago (2015), Cambridge University (INET Visiting Professor, 2014), New York University Stern School of Business (2007), among others, and holds a courtesy appointment at Louvain Finance, Université catholique de Louvain.[13]

Books

In 2001, he published a monograph on The Econometric Analysis of Seasonal Time Series together with Denise R. Osborn.[14] In 2018, he published a textbook entitled Applied Economic Forecasting using Time Series Methods together with Massimiliano Mercellino.[15]

Honors and awards

His honors and awards include:

Research

Ghysels' most recent research focuses on Mixed data sampling (MIDAS) regression models and filtering methods with applications in finance and other fields. He has also worked on diverse topics such as seasonality in economic times series, machine learning and AI applications in finance, quantum computing applications in finance, among many other topics.

Mixed data sampling or MIDAS regressions are econometric regression models can be viewed in some cases as substitutes for the Kalman filter when applied in the context of mixed frequency data. There is now a substantial literature on MIDAS regressions and their applications, including Ghysels, Santa-Clara and Valkanov (2006),[25] Ghysels, Sinko and Valkanov,[26] Andreou, Ghysels and Kourtellos (2010)[27] and Andreou, Ghysels and Kourtellos (2013).[28]

A MIDAS regression is a direct forecasting tool which can relate future low-frequency data with current and lagged high-frequency indicators, and yield different forecasting models for each forecast horizon. It can flexibly deal with data sampled at different frequencies and provide a direct forecast of the low-frequency variable. It incorporates each individual high-frequency data in the regression, which solves the problems of losing potentially useful information and including mis-specification.

A simple regression example has the independent variable appearing at a higher frequency than the dependent variable:

where y is the dependent variable, x is the regressor, m denotes the frequency – for instance if y is yearly is quarterly – is the disturbance and is a lag distribution, for instance the Beta function or the Almon Lag.

경우에 따라 회귀 모델은 혼합 주파수 데이터의 맥락에서 적용될 때 Kalman 필터의 대체물로 볼 수 있다. Bai, Ghyels, Wright(2013)[29]는 혼합 주파수 데이터에 적용된 MIDAS 퇴행과 Kalman 필터 상태 우주 모델의 관계를 조사한다. 일반적으로 후자는 방정식의 시스템을 수반하는 반면, 반대로 MIDAS 퇴행은 (축소된 형태) 단일 방정식을 수반한다. 따라서 MIDAS 퇴행은 효율성이 낮을 수 있지만 사양 오류의 발생 가능성도 낮을 수 있다. MIDAS 회귀 분석이 근사치일 경우 근사치 오차는 작은 경향이 있다.

MIDAS는 또한 기계 학습 시계열 및 패널 데이터에 사용될 수 있다.[30][31] 기계 학습 MIDAS 퇴행은 Legendre 다항식을 포함한다. 고차원 혼합주파수 시계열 퇴행은 특정 데이터 구조를 포함하며, 일단 고려되면 작은 표본에서 제한되지 않은 추정기의 성능을 개선해야 한다. 이러한 구조는 지연된 종속 변수를 다루는 그룹과 단일(고주파수) 공변량에 대한 시차 그룹으로 표현된다. 이를 위해 기계학습 MIDAS 접근방식은 그러한 구조를 편리하게 수용하는 희소군 LASSO(sg-LASSO) 정규화를 활용한다.[32] sg-LASSO 추정기의 매력적인 특징은 대략적으로 희박하고 밀도가 높은 신호를 효과적으로 조합할 수 있다는 것이다.

몇몇 소프트웨어 패키지는 MIDAS 퇴행과 관련 경제학적 방법을 특징으로 한다. 여기에는 다음이 포함된다.

  • MIDAS Matlab 도구 상자[33]
  • Midasr, R 패키지[34]
  • Midasml, 고차원 혼합 주파수 시계열 데이터를[35] 위한 R 패키지
  • 이비에스[36]
  • 파이톤[37]
  • 줄리아[38]

참조

  1. ^ 구글 스콜라(Google Scholar)가 색인화한 에릭 크라이즐스 출판물
  2. ^ "Eric Ghysels". eghysels.web.unc.edu.
  3. ^ Economics, Eric Ghysels Edward Bernstein Distinguished Professor of; Center 403A, Professor of Finance Contact Kenan; Hill, CB 3440 Chapel. "Eric Ghysels UNC Kenan-Flagler Business School". kenan-flagler.unc.edu.
  4. ^ "Rethinc".
  5. ^ "Docteurs honoris causa facultaires 2019".
  6. ^ "Accueil". Département de sciences économiques - Université de Montréal.
  7. ^ "Welcome to the Department of Economics — Department of Economics". econ.la.psu.edu.
  8. ^ "Supporting Faculty • Electrical and Computer Engineering".
  9. ^ "ET Interview: Eric Ghysels" (PDF).
  10. ^ "Past Presidents, Founding Council, and Founding Members The Society for Financial Econometrics".
  11. ^ "Journal of Financial Econometrics Oxford Academic". OUP Academic.
  12. ^ "Journal of Applied Econometrics". Wiley Online Library.
  13. ^ "Eric Ghysels". UCLouvain.
  14. ^ Eric Ghysels and Denise Osborn (2012). The Econometric Analysis of Seasonal Time Series. Cambridge University Press. ISBN 9780521562607.
  15. ^ Eric Ghysels and Massimiliano Marcellino (2018). Applied Economic Forecasting using Time Series Methods. Oxford University Press. ISBN 9780190622039.
  16. ^ "ASA Fellows List". amstat.org.
  17. ^ "Who's Who in Economics, Fourth Edition". ISBN 978 1 84064 992 5.
  18. ^ "Program for Resident Scholars - FEDERAL RESERVE BANK of NEW YORK". newyorkfed.org.
  19. ^ "Fernand Braudel Fellows". European University Institute.
  20. ^ Bank, European Central (9 March 2020). "Wim Duisenberg Fellowship". European Central Bank.
  21. ^ "Fellows The Society for Financial Econometrics".
  22. ^ "Professor Eric Ghysels Presents the Inaugural Gumbel Lecture Economics Department". econ.unc.edu.
  23. ^ "CORE Lecture Series, by Professor E. Ghysels". UCLouvain.
  24. ^ "Fellows International Association for Applied Economectrics". appliedeconometrics.org.
  25. ^ Ghyels, Eric, Pedro Santa-Clara 및 Rossen Valkanov(2006) 변동성 예측: 다양한 주파수에서 데이터를 샘플링하는 방법, 131, 59–95
  26. ^ Ghyels, Eric and Arthur Sinko and Rossen Valkanov(2006) MIDAS Regressions: 추가 결과 새로운 방향, 계량 검토, 26, 53–90.
  27. ^ 안드레우, 엘레나 & 에릭 자일스 & 안드로스 쿠르텔로스 "시료채취 빈도가 혼합된 회수 모델" 158, 246–261.
  28. ^ 안드레우, 엘레나 & 에릭 거셀 & 안드로스 쿠렐로스 "거시경제 예측자들은 매일의 재무 데이터를 어떻게 사용해야 하는가?"라고 기업 및 경제 통계학 저널 31, 240–251이다.
  29. ^ Bai, Jenie, Eric Ghyels and Jonathan Wright(2013) State Space Models and MIDAS Regressions, Econometric Reviews, 32, 779–813.
  30. ^ Babii, Andrii & Eric Ghyels & Jonas Striaukas "Machine Learning time series regression with application to nowcasting," arXiv:2005.14057.
  31. ^ Babii, Andrii & Ryan T. Ball & Eric Ghyels & Jonas Striaukas "Machine Learning time series regression with application to nowcasting," arXiv:2005.14057.
  32. ^ 사이먼, N, J 프리드먼, T. 헤스티, R. Tibshirani(2013): 희소 그룹 LASSO, Journal of Computing and Graphical Statistics, 22(2), 231–245.
  33. ^ "MIDAS Matlab Toolbox". mathworks.com.
  34. ^ Kvedaras, Virmantas; Zemlys-Balevicius, Vaidotas (23 February 2021). "midasr: Mixed Data Sampling Regression" – via R-Packages.
  35. ^ "midasml: Estimation and Prediction Methods for High-Dimensional Mixed Frequency Time Series Data".
  36. ^ "MIDAS". eviews.com.
  37. ^ "sapphire921/midas_pro". 3 April 2021 – via GitHub.
  38. ^ "mikemull/Midas.jl". 31 May 2019 – via GitHub.

외부 링크