Wiktor Czernożukow

Victor Chernozhukov (Виктор Викторович Черножуков) jest rosyjsko-amerykańskim statystykiem i ekonomistą, obecnie pracuje w Massachusetts Institute of Technology . Jego obecne badania koncentrują się na statystyce matematycznej i uczeniu maszynowym dla przyczynowych modeli strukturalnych w środowiskach wielowymiarowych. Ukończył University of Illinois w Urbana-Champaign z tytułem magistra statystyki w 1997 roku i uzyskał doktorat z ekonomii na Uniwersytecie Stanforda w 2000 roku.

Jest laureatem The Alfred P. Sloan Research Fellowship and Dissertation Fellowship, The Arnold Zellner Award i The Bessel Award od Fundacji Humboldta. Wygłaszał wykłady zaproszonych Cowlesa (2009, inauguracja), Fishera-Shultza (2019), Hannana (2016) i Sargana (2017) na spotkaniach Towarzystwa Ekonometrycznego. Pełnił funkcję inauguracyjnego moderatora nowej sekcji ekonomicznej ArXiv, która została uruchomiona w 2017 roku. Został wybrany członkiem American Academy of Arts & Sciences , Econometric Society oraz Institute of Mathematical Statistics

Prezentacje

Ostatnie prezentacje Victora Chernozhukova obejmują:

Jego prezentacja z 2015 r. - Uniform Post-Selection Inference for LAD Regression and Other Z-Estimation Problems in Seattle.

Jego prezentacja z 2015 r. – Głównie niebezpieczna ekonometria: jak dokonać wyboru modelu z uwzględnieniem wnioskowania? w Salonikach w Grecji.

Jego prezentacja z 2015 r. - Ocena programu z danymi wielowymiarowymi w Bristolu w Wielkiej Brytanii.

Prezentacje Chernozhukova opierały się głównie na kilku koncepcjach matematycznych i ekonometrycznych, takich jak między innymi wnioskowanie o jednolitym wyborze postu, oszacowanie Z, efekty leczenia, dane wielowymiarowe, centralne twierdzenia graniczne i przybliżenia Gaussa.

Dokumenty tożsamości

Chernozhukov opublikował artykuły obejmujące 11 głównych tematów, w tym centralne twierdzenia graniczne i Bootstrap z p>>n, Big Data: Post-selection Inference for Causal Effects, Big Data: Prediction Methods, High-Dimensional Models, Policy Analysis, Shape Restrictions, Partial Identification oraz wnioskowanie o zbiorach, wnioskowanie laplacowskie i bayesowskie, kwantyle i kwantyle wielowymiarowe, endogeniczność oraz modele ekstremalne i nieregularne.