Econometrics Toolbox

Modellieren und Analysieren von Finanz- und Wirtschaftssystemen mithilfe statistischer Methoden

Die Econometrics Toolbox™ bietet Funktionen zur Modellierung und Analyse von Zeitreihendaten. Sie enthält eine breite Palette diagnostischer Tests für die Modellauswahl, darunter Tests für die Impulsanalyse, Einheitswurzeln und Stationarität, Kointegration und Strukturänderung. Sie können Wirtschaftssysteme schätzen, simulieren und vorhersagen, indem Sie eine Vielzahl von Modellen verwenden, darunter Regressions-, ARIMA-, Zustandsraum-, GARCH-, multivariate VAR- und VEC- und Schaltmodelle, die dynamische Datenverschiebungen darstellen. Die Toolbox bietet auch Bayessche und Markov-basierte Werkzeuge zur Entwicklung zeitvariabler Modelle, die von neuen Daten lernen.

Jetzt beginnen:

Econometric-Modeler-App

Führen Sie Zeitreihenmodellierung interaktiv durch.

Zeitreihenmodellierung

  • Führen Sie Modellierungsaufgaben wie Datenvorverarbeitung, Datenvisualisierung, Modellidentifizierung und Parameterschätzungen durch.
  • Vergleichen Sie ökonometrische Modelle, um die beste Anpassung an die Daten zu gewährleisten.
  • Teilen Sie Ihre Ergebnisse und generieren Sie MATLAB-Code zur wiederholten Verwendung.

Die Econometric-Modeler-App für Zeitreihenmodellierung.

Modelle für bedingte Mittelwerte und Regressionsmodelle

Univariate und multivariate Modelle anpassen, simulieren und prognostizieren.

Bayessche Regression

Schätzen und simulieren Sie Bayessche Lineare Regressionsmodelle, einschließlich der Bayesschen Lasso-Regression.

Anpassung eines robusten Bayesschen linearen Regressionsmodells an Daten mit Ausreißern.

Modelle für bedingte Varianz

Volatilität mithilfe von Varianzmodellen anpassen, simulieren und prognostizieren.

Simulieren Sie GARCH-Modellbeobachtungen und bedingte Varianzen.

Markov-Modelle

Anpassen, simulieren und prognostizieren von Markov-Modellen.

Markov-Kettenmodelle

  • Erstellen und simulieren Sie zeitdiskrete Markov-Ketten.
  • Bestimmen Sie das asymptotische Verhalten der Markov-Kette.
  • Berechnen Sie Zustandsumverteilungen, Trefferwahrscheinlichkeiten und erwartete Trefferzeiten.

Zustandsverteilung.

Zustandsraummodelle

  • Erstellen und simulieren Sie zeitinvariante oder zeitvariierende Zustandsraummodelle.
  • Schätzen Sie Modellparameter aus vollständigen Datensätzen oder mithilfe des Kalman-Filters aus Datensätzen mit fehlenden Daten.

Die Verteilung der Faktoren im Diebold-Li-Modell (ein Zustandsraummodell).

Markov-Schaltmodelle

  • Analysieren Sie multivariate Zeitreihendaten mit Strukturbrüchen und unbeobachteten latenten Zuständen.

Simulierte Antworten, Innovationen und Zustandsindizes.

Hypothesen-Tests

Testen von Modellen und Schlussfolgerungen aus Daten.

Unterstützte Hypothesen-Tests

Führen Sie eine Reihe von diagnostischen Tests vor und nach der Schätzung durch, wie beispielsweise:

  • Stationarität
  • Korrelation
  • Heteroskedastizität
  • Strukturänderung
  • Kollinearität
  • Kointegration

Hypothesentests.