PELAGATTI MATTEO MARIA

Posizione organizzativa: 
Ruolo: 
Professore ordinario
Settore scientifico disciplinare: 
STATISTICA ECONOMICA (SECS-S/03)
Telefono: 
0264485834
Stanza: 
U07, Piano: P02, Stanza: 2092A
Via Bicocca degli Arcimboldi, 8 - 20126 MILANO
Orario di ricevimento: 

Su appuntamento (matteo.pelagatti@unimib.it).

Biografia

Matteo Pelagatti è professore di Statistica Economica presso il Dipartimento di Economia, Metodi Quantitativi e Strategie di Impresa dell’Università degli Studi di Milano-Bicocca. Ha un dottorato in Statistica conseguito presso l’Università degli Studi di Milano e i suoi interessi di ricerca coprono principalmente l’analisi delle serie storiche, i mercati energetici e finanziari e la statistica robusta, benché occasionalmente si occupi anche di altre scienze sociali e della salute. I suoi studi sono pubblicati in riviste internazionali quali Journal of Econometrics, Journal of Applied Econometrics, Energy Journal, Energy Economics, Journal of Banking and Finance, PLOS One, inoltre è autore di una monografia per Chapman & Hall/CRC dal titolo Time Series Modelling with Unobserved Components.

orcid.org/0000-0002-1860-7535

Pubblicazioni

  • Bongini, P., Nieri, L., Pelagatti, M., & Piccini, A. (2017). Curbing systemic risk in the insurance sector: a mission impossible?. THE BRITISH ACCOUNTING REVIEW, 49(2), 256-273. Dettaglio
  • Schiavella, M., Pelagatti, M., Westin, J., Lepore, G., & Cherubini, P. (2018). Profiling Online Poker Players: Are Executive Functions Correlated with Poker Ability and Problem Gambling?. JOURNAL OF GAMBLING STUDIES, 34(3). Dettaglio
  • Lisi, F., & Pelagatti, M. (2018). Component estimation for electricity market data: Deterministic or stochastic?. ENERGY ECONOMICS, 74, 13-37. Dettaglio
  • Gianfreda, A., Parisio, L., & Pelagatti, M. (2018). A review of balancing costs in Italy before and after RES introduction. RENEWABLE & SUSTAINABLE ENERGY REVIEWS, 91, 549-563. Dettaglio
  • Fattore, M., Pelagatti, M., & Vittadini, G. (2018). A least squares approach to latent variables extraction in formative–reflective models. COMPUTATIONAL STATISTICS & DATA ANALYSIS, 120, 84-97. Dettaglio