Econometrics Toolbox
Modéliser et analyser des systèmes économiques et financiers avec des méthodes statistiques
Econometrics Toolbox™ offre des fonctions de modélisation et d'analyse de données de séries temporelles. Cette solution offre une grande variété de tests de diagnostic pour la sélection de modèles, y compris des tests pour l'analyse des impulsions, les racines unitaires et la stationnarité, la cointégration et le changement structurel. Vous pouvez effectuer des estimations, des simulations et des prévisions pour les systèmes économiques en utilisant divers modèles, notamment des modèles de régression, des modèles ARIMA, des modèles de représentation d'état, GARCH, VAR et VEC multivariés et des modèles à commutation illustrant des changements dynamiques dans les données. La toolbox offre également des outils bayésiens et basés sur les travaux de Markov pour développer des modèles variables dans le temps qui exploitent de nouvelles données.
Premier pas :
Modélisation de séries temporelles
- Effectuez des tâches de modélisation comme le prétraitement des données, la visualisation des données, l'identification de modèle et les estimations de paramètres.
- Comparez les modèles économétriques pour garantir la meilleure adaptation aux données.
- Partagez les résultats et générez du code MATLAB pour une utilisation répétée.
L'application Econometric Modeler permet de modéliser des séries temporelles.
ARIMA
La toolbox supporte les modèles AR, MA, ARMA, ARIMA, SARIMA et ARIMAX.
Importer des données de séries temporelles.
Régression bayésienne
Estimez et simulez des modèles de régression linéaire bayésienne, y compris de régression Lasso bayésienne.
Ajuster un modèle de régression linéaire bayésien robuste aux données présentant des valeurs aberrantes.
Modèles multivariés
Les modèles supportés incluent le vecteur autorégressif (VAR) et le vecteur à correction d'erreur (VEC)
Prévisions des erreurs quadratiques moyennes minimales pour le modèle VAR.
Simuler les observations et les variances conditionnelles du modèle GARCH.
Modèles de chaînes de Markov
- Créez et simulez des chaînes de Markov à temps discrets.
- Déterminez le comportement asymptotique de la chaîne de Markov.
- Calculez les redistributions des états, les probabilités de passage et les temps de passage attendus.
Distribution des états.
Modèles de représentation d'état
- Créez et simulez des modèles de représentation d'état variable ou non dans le temps.
- Évaluez les paramètres du modèle à partir de jeux de données complets ou comportant des données manquantes à l'aide du filtre de Kalman.
La distribution des facteurs dans le modèle Diebold-Li (un modèle de représentation d'état).
Les modèles de Markov à commutation
- Analysez les données de séries temporelles multivariées avec des ruptures structurelles et des états latents non observés.
Réponses simulées, innovations et indices d'état.
Tests d’hypothèses supportés
Effectuez une série de tests de diagnostic avant et après l'estimation afin d’évaluer :
- La stationnarité
- La corrélation
- L'hétéroscédasticité
- Le changement structurel
- La colinéarité
- La cointégration
Test d'hypothèses.
Fonction de réponse impulsionnelle
Filtrez le choc provoqué par la perturbation de l’état avec un modèle à représentation d’état standard ou diffus et tracez des intervalles de confiance point par point
Critère d’informations d’Akaike et Bayesien
Calculez l’AIC corrigé, le Consistent AIC et le critère de Hannan-Quinn et, en option, normalisez les valeurs
Consultez les notes de version pour en savoir plus sur ces fonctionnalités et les fonctions correspondantes.
Computational Finance Suite
MATLAB Computational Finance Suite regroupe 12 produits essentiels vous permettant de développer des applications quantitatives pour la gestion des risques, l'asset management, l'économétrie, le pricing, l'assurance et le trading algorithmique.
