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 :

Application Econometric Modeler

Modélisez des séries temporelles de manière interactive.

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.

Modèles de moyenne conditionnelle et modèles de régression

Ajustez, simulez et prévoyez des modèles univariés et multivariés.

Ajuster un modèle de régression linéaire bayésien robuste aux données présentant des valeurs aberrantes.

Prévisions des erreurs quadratiques moyennes minimales pour le modèle VAR.

Modèles de variance conditionnelle

Ajustez, simulez et prévoyez la volatilité avec des modèles de variance.

Simuler les observations et les variances conditionnelles du modèle GARCH.

Modèles de Markov

Ajustez, simulez et prévoyez les modèles de Markov.

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

Testez les modèles et tirez des conclusions à partir des données.

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.

Nouveautés

Modèles vectoriels autorégressifs bayésiens

Analysez des séries temporelles multivariées en utilisant des méthodes bayésiennes.

Akaike and Bayesian Information Criterion

Calculate corrected AIC, consistent AIC, and Hanna-Quinn criterion, and optionally normalize values

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.