Econometrics Toolbox

Modele y analice sistemas financieros y económicos con métodos estadísticos.

Econometrics Toolbox™ proporciona funciones para modelar y analizar datos de series temporales. Ofrece una amplia gama de pruebas de diagnóstico para la selección de modelos, incluidas pruebas para análisis de impulsos, estacionareidad y raíces de la unidad, cointegración y cambio estructural. Puede estimar, simular y predecir sistemas económicos mediante diversos modelos, tales como regresión, ARIMA, espacio de estados, GARCH, VAR y VEC multivariantes y modelos de cambio que representan cambios dinámicos en los datos. La toolbox también proporciona herramientas basadas en Bayes y Markov para el desarrollo de modelos variantes en el tiempo que aprenden de los datos nuevos.

Más información:

App Econometric Modeler

Realice el modelado interactivo de series temporales.

Modelado de series temporales

  • Realice tareas de modelado, incluidas preprocesamiento de datos, visualización de datos, identificación de modelos y estimaciones de parámetros.
  • Compare los modelos econométricos para garantizar que se ajusten de forma óptima a los datos.
  • Comparta los resultados y genere código de MATLAB que se puede reutilizar.

App Econometric Modeler para el modelado de series temporales.

Modelos de media condicional y de regresión

Ajuste, simule y prediga modelos univariantes y multivariantes.

Ajuste de un modelo de regresión lineal bayesiana robusta a los datos con valores atípicos.

Modelos de varianza condicional

Ajuste, simule y prediga la volatilidad utilizando modelos de varianza.

Simule las observaciones de un modelo GARCH y las varianzas condicionales.

Modelos de Markov

Ajuste, simule y prediga modelos de Markov.

Modelos de cadena de Markov

  • Cree y simule cadenas de Markov de tiempo discreto.
  • Determine el comportamiento asintótico de la cadena de Markov.
  • Calcule redistribuciones de estado, probabilidades de acierto y tiempos de acierto esperados.

Distribución de estados.

Modelos de espacio de estados

  • Cree y simule modelos de espacio de estados variantes o invariantes en el tiempo.
  • Estime los parámetros del modelo a partir de conjuntos de datos completos o de conjuntos de datos con datos ausentes utilizando el filtro de Kalman.

Distribución de factores en el modelo de Diebold-Li (un modelo de espacio de estados).

Modelos de cambio de Markov

  • Analice datos de series temporales multivariantes con interrupciones estructurales y estados latentes no observados.

Respuestas simuladas, innovaciones e índices de estado.

Pruebas de hipótesis

Pruebe modelos y extraiga inferencias de los datos.

Pruebas de hipótesis soportadas

Realice diversas pruebas diagnósticas previas y posteriores a la estimación, tales como:

  • Estacionareidad
  • Correlación
  • Heterocedasticidad
  • Cambio estructural
  • Colinealidad
  • Cointegración

Comprobación de hipótesis.