Malinovskaya - Forschungsprojekte

Big Data und Machine Learning

  • Statistical network monitoring
    The application of network analysis has found great success in a wide variety of disciplines; however, the popularity of these approaches has revealed the difficulty in handling networks whose complexity scales rapidly. One of the main interests in network analysis is the online detection of anomalous behaviour. To overcome the curse of dimensionality, we compose the monitoring procedures which reduce the network complexity so that the structural information is preserved. The methods are mainly based on statistical process control which are optimised with different mathematical network modelling and machine learning techniques.
    Team: Malinovskaya, Otto
    Jahr: 2020
  • Räumliche und räumlich-zeitliche GARCH Modelle
    Das Projekt beschäftigt sich mit einem Teilgebiet der räumlichen Statistik, die sich insbesondere mit der Analyse von Zufallsprozessen im Raum befasst. Bei der Analyse solcher Prozesse lässt sich häufig feststellen, dass Beobachtungen, die sich in räumlicher Nähe zueinander befinden, ähnlich sind. Wenn beispielsweise die Grundstückspreise in einer Gemeinde hoch sind, so lassen sich auch hohe Preise in den umliegenden Gemeinden erwarten. Neben dieser räumlichen Abhängigkeit in der Höhe der Beobachtungen lässt sich auch eine räumliche Abhängigkeit in der Streuung der Beobachtungen sowie der bedingten Heteroskedastizität feststellen. In dem Projekt sollen Modelle hierfür entwickelt und erweitert werden. Die räumlichen Modelle bilden dabei eine Analogie zu dem ARCH-Modell von Robert F. Engle (1982) in der Zeitreihenanalyse, der hierfür 2003 mit dem Nobelpreis für Wirtschaftswissenschaften geehrt wurde.
    Leitung: Prof. Dr. Philipp Otto
    Team: Anna Malinovskaya
    Jahr: 2019
    Förderung: Deutsche Forschungsgemeinschaft