HomeAtenei NordUniv. di Modena e Reggio EmiliaStatistica computazionale, premio internazionale ECI 2026 al dott. Fabio Demaria

Statistica computazionale, premio internazionale ECI 2026 al dott. Fabio Demaria

Il ricercatore del Dipartimento di Comunicazione ed Economia ha ricevuto l’Early Career Investigator Award a COMPSTAT 2026 per uno studio su un modello statistico in grado di distinguere le diverse fasi che caratterizzano l’andamento della mortalità.

Il dott. Fabio Demaria, assegnista di ricerca in Statistica Economica presso il Dipartimento di Comunicazione ed Economia dell’Università di Modena e Reggio Emilia, ha ricevuto l’Early Career Investigator (ECI) Award nell’ambito della 27ª International Conference on Computational Statistics (COMPSTAT 2026) presso la Athens University Law School.

Il riconoscimento, destinato al miglior contributo presentato da un ricercatore entro otto anni dal conseguimento del dottorato, premia il lavoro scientifico “Estimation methods and empirics of hidden Markov switching models with skew-normal innovations”, realizzato dal dott. Fabio Demaria insieme alla sua coordinatrice prof.ssa Maddalena Cavicchioli ed al prof. Andrea Nigri. Il premio prevede un riconoscimento economico di 500 euro.

La ricerca affronta una questione rilevante per l’analisi di fenomeni che evolvono nel tempo: come individuare i cambiamenti nelle condizioni di un sistema nel tempo, distinguendo le fasi ordinarie da quelle caratterizzate da eventi eccezionali, senza sapere in anticipo quando ciascuna fase inizi e finisca. Gli autori sviluppano un modello Hidden Markov Switching in cui ogni fase può avere un comportamento proprio, con distribuzioni anche asimmetriche; mettono a punto una procedura per stimarne i parametri e ne dimostrano le proprietà teoriche. Il modello è stato valutato attraverso l’utilizzo di dati simulati e applicato a lunghe serie storiche della mortalità di diversi Paesi. I risultati mostrano come questo approccio possa contribuire a distinguere periodi di mortalità ordinaria da fasi di crisi. Lo studio indica inoltre in quali condizioni le stime del modello sono affidabili e quali sono i casi in cui i dati non consentono una separazione netta tra le due fasi.

L’assegnazione del premio valorizza un percorso di ricerca avviato durante il dottorato e sviluppato nell’ambito della statistica economica e dei metodi computazionali per l’analisi dei dati.

«Esprimo grande soddisfazione per il prestigioso riconoscimento conferito a Fabio, che ho avuto il piacere di seguire nel suo percorso di formazione magistrale e, successivamente, di dottorato, apprezzandone le notevoli capacità e il significativo potenziale scientifico, commenta la prof.ssa Maddalena Cavicchioli di UniMORE. Con l’auspicio di poter proseguire la nostra collaborazione in ambiti di ricerca tanto stimolanti quanto promettenti, quali la statistica economica e lo sviluppo di algoritmi computazionali per l’analisi di dati complessi, rivolgo a Fabio le mie più sincere congratulazioni e i migliori auguri per una brillante carriera accademica».

«Sono orgoglioso di questo riconoscimento internazionale, che condivido con i miei colleghi e coautori, Maddalena Cavicchioli e Andrea Nigri, dichiara il dott. Fabio Demaria. Il premio corona un percorso di ricerca iniziato durante il dottorato a Unimore ed è un incoraggiamento a proseguire nello sviluppo di metodi statistici capaci di interpretare fenomeni reali complessi».

Fabio Demaria è assegnista di ricerca in Statistica Economica presso il Dipartimento di Comunicazione ed Economia di UniMORE dal 2024, nell’ambito di un progetto PRIN PNRR dedicato all’economia circolare. È inoltre docente a contratto di Analisi dei Dati per il Management presso il Dipartimento di Economia Marco Biagi e di Modelli Statistici presso il Dipartimento di Comunicazione ed Economia. Ha conseguito nel 2024 il dottorato in Lavoro, Sviluppo e Innovazione, sotto la supervisione della professoressa Maddalena Cavicchioli, e ha svolto un periodo di ricerca come visiting scholar presso la Cleveland State University. I suoi interessi scientifici comprendono lo statistical learning, i metodi basati su alberi decisionali e i modelli Markov-switching, con applicazioni alla sostenibilità, alle filiere e al benessere organizzativo.

ARTICOLI CORRELATI

Ultime uscite