Sébastien Van Bellegem, docente invitado, estuvo por cuarta vez en la Universidad EAFIT, luego de haber venido consecutivamente desde 2016 a participar de los diferentes programas de la Escuela de Economía y Finanzas dictando cursos y presentando papers en seminarios.
En esta ocasión, el docente estuvo dictando un WorkShop a los estudiantes, egresados y profesores de la Escuela de Economía y Finanzas en Economometría no paramétrica avanzada, cuyo objetivo era capacitar a los participantes en técnicas estadísticas modernas que se utilizan en la econometría no paramétrica actualmente.
Igualmente, en el transcurso de su visita a la Universidad EAFIT el docente Sébastien, estuvo con estudiantes de la Escuela en reuniones de investigación, donde pudo presentarles recomendaciones para mejorar sus resultados investigativos y publicar en buenas revistas en el área.
Paralelamente, tuvo encuentros de investigación con profesores de los Departamento de Economía y Finanzas y con estudiantes que están investigando temas afines a los suyos. A ambas partes les aportó desde su experiencia.
Así mismo, durante su visita a la Universidad EAFIT el docente Sébastien, asistió al Seminario de Investigación de la Escuela, un evento ofrecido por la Maestría en Ciencias en Finanzas y por la Maestría en Economía de la Universidad, cuyo objetivo es divulgar los principales trabajos de investigación de profesores nacionales e internacionales, que son de interés para el avance del conocimiento de las finanzas y la economía en general.
Presentación de su trabajo de investigación
Además del encuentro con docentes y estudiantes investigadores, Sébastien presentó el pasado viernes 14 de junio su artículo de investigación Instrumentos óptimos en modelos de alta dimensión. a un auditorio de profesores, estudiantes de maestría y doctorado de la Universidad.
Dicho trabajo de investigación, realizado junto a Jean-Pierre Florens (University of Toulouse 1), demuestra que estimar la función de regresión es un problema inverso lineal mal planteado, con un operador conocido pero dependiente de los datos. La primera contribución del trabajo de investigación es analizar la tasa de convergencia del estimador regularizado de Tikhonov, cuando premultamos el problema por un operador dependiente del instrumento; esto extiende la tecnología del Método Generalizado de Momentos a datos funcionales (GMM) y de alta dimensión (o funcionales).