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:
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.
ARIMA
Entre los modelos soportados están AR, MA, ARMA, ARIMA, SARIMA y ARIMAX.
Importación de datos de series temporales.
Regresión bayesiana
Estime y simule modelos de regresión lineal bayesiana, incluida la regresión lasso bayesiana.
Ajuste de un modelo de regresión lineal bayesiana robusta a los datos con valores atípicos.
Modelos multivariantes
Entre los modelos soportados están la autorregresión vectorial (VAR) y la corrección de errores vectoriales (VEC).
Predicciones MMSE de un modelo VAR.
Simule las observaciones de un modelo GARCH y las varianzas condicionales.
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 soportadas
Realice diversas pruebas diagnósticas previas y posteriores a la estimación, tales como:
- Estacionareidad
- Correlación
- Heterocedasticidad
- Cambio estructural
- Colinealidad
- Cointegración
Comprobación de hipótesis.
