Econometrics Toolbox
Modellazione e analisi di sistemi finanziari ed economici con metodi statistici
Econometrics Toolbox™ offre funzioni per modellare e analizzare dati di serie storiche. Dispone di un’ampia gamma di test diagnostici per la selezione del modello, compresi test per l’analisi degli impulsi, radici unitarie e stazionarietà, cointegrazione e modifiche strutturali. È possibile stimare, simulare e prevedere sistemi economici usando svariati modelli, compresi quelli di regressione, ARIMA, nello spazio degli stati, GARCH, VEC e VAR multivariati e modelli di switching, in grado di rappresentare delle variazioni dinamiche nei dati. Il toolbox offre anche strumenti basati su sistemi bayesiani e di Markov per sviluppare modelli variabili nel tempo in grado di apprendere dai nuovi dati.
Inizia ora:
Modellazione di serie storiche
- Procedi ad attività di modellazione, compresa la pre-elaborazione dei dati, la relativa visualizzazione, l’identificazione del modello e la stima dei parametri.
- Confronta i modelli econometrici per trovare la soluzione più adatta ai tuoi dati.
- Condividi i risultati e genera codice MATLAB per un uso ripetuto.
App Econometric Modeler per la modellazione delle serie storiche.
ARIMA
Tra i modelli supportati vi sono AR, MA, ARMA, ARIMA, SARIMA e ARIMAX.
Importazione di dati di serie storiche.
Regressione bayesiana
Stima e simula modelli di regressione lineare bayesiana, compresa la regressione Lasso bayesiana.
Adattamento di un modello di regressione lineare bayesiana robusta a dati con anomalie.
Modelli multivariati
Tra i modelli supportati sono compresi quelli autoregressivi vettoriali (VAR) e di correzione dell’errore vettoriale (VEC)
Previsioni MMSE con modello VAR.
Simulazione di varianze condizionate e di osservazioni del modello GARCH.
Catene di Markov
- Crea e simula catene di Markov a tempo discreto.
- Determina il comportamento asintotico delle catene di Markov.
- Calcola le ridistribuzioni degli stati, le probabilità di hitting e gli hitting time previsti.
Distribuzione degli stati.
Modelli nello spazio degli stati
- Crea e simula modelli nello spazio degli stati variabili e non variabili nel tempo.
- Stima i parametri dei modelli a partire da set di dati completi o da set con dati mancanti usando il filtro Kalman.
Distribuzione dei fattori nel modello Diebold-Li (modello nello spazio degli stati).
Modelli di tipo Markov Switching
- Analizza dati di serie storiche multivariate con rotture strutturali e stati latenti non osservati.
Risposte, innovazioni e indici di stato simulati.
Test di ipotesi supportati
Esegui diverse tipologie di test diagnostici prima e dopo la stima, tra cui:
- Stazionarietà
- Correlazione
- Eteroschedasticità
- Variazione strutturale
- Collinearità
- Cointegrazione
Test delle ipotesi.
