${message}

Набор инструментов моделирования на основе принципов поведения экономических систем

Сферы применения

Econometrics Toolbox содержит функции для моделирования экономических процессов. Предоставляется набор моделей, которые можно калибровать по данным и использовать для симуляций и прогнозирования.

Средства анализа временных рядов включают одномерные ARMAX/GARCH модели, многомерные VARMAX модели, коинтеграцию, тесты для выбора моделей: корень из единицы, тест стационарности. Также тулбокс предоставляет методы Монте-Карло для решения линейных и нелинейных систем стохастических дифференциальных уравнений.


Моделирование временных рядов

Econometrics Toolbox поддерживает итеративный процесс идентификации и тестирования одно- и многомерных финансовых и экономических временных рядов.

Тулбокс организует полный цикл от разработки до анализа модели:
  • Анализ данных и предобработка
  • Идентификация модели
  • Оценка параметров
  • Симуляция
  • Прогнозирование


Одномерные временные ряды

Средства анализа временных рядов в Econometrics Toolbox позволяют моделировать большинство характеристик, ассоциирующихся с финансовыми и экономическими рядами, включая толстые хвосты, кластеризация волатильности и эффекты кредитного плеча.

Модели условного среднего:
  • Autoregressive moving average (ARMA)
  • Autoregressive moving average c внешними данными (ARMAX)

Модели условной волатильности:
  • Обобщённая авторегрессивная условная гетероскедастичность (GARCH)
  • Glosten-Jogannathan-Runkle (GJR)
  • Exponential GARCH (EGARCH)


Многомерные временные ряды

Econometrics Toolbox поддерживает моделирование многомерных рядов следующими методами:
  • Vector autoregressive (VAR)
  • Vector moving average (VMA)
  • Vector autoregressive moving average (VARMA)
  • Vector autoregressive moving average c внешними данными (VARMAX)
  • Структурный VARMAX (SVARMAX)
  • Vector error-correction (VEC)


Идентификация моделей и анализ

В Econometrics Toolbox Вы можете выбрать модели разной структуры, произвести подбор порядка, оценку параметров и остатка. Этот анализ поддерживается множеством инструментов, таких как:
  • Отношение правдоподобия, тесты Вальда и множителей Лагранжа для определения модели
  • Критерии Акайке и Байесовский информационный критерий для выбора порядка модели
  • Тест Энгла на присутствие эффектов ARCH/GARCH
  • Выборочная авто-, кросс- и частичная корреляция
  • Тест на автокорреляцию Ljung-Box Q (portmonteau)
  • Тест корней из единицы Dickey-Fuller и Phillips-Perron
  • Тесты KPSS и Leybourne-McCabe на стационарность
  • Тесты Engle-Granger и Johansen на коинтеграцию
  • Вариационное отношение для случайного блуждания


Ключевые особенности

  • Одномерные ARMAX/GARCH модели, включая EGARCH, GJR и их варианты
  • Многомерные VAR, VEC и тест коинтеграции
  • Монте-Карло симуляции СДУ, включая Броуновское движение, CEV, CIR, Hull-White, Vasicek, стохастическая волатильность SV, Heston и пользовательские СДУ
  • Тесты корня из единицы (Dickey-Fuller, Phillips-Perron) и стационарности (Leybourne-McCabe, KPSS)
  • Статистические тесты, включая Ljung-Box Q, LM, Wald, Engle’s ARCH
  • Тесты коинтеграции: Engle-Granger и Johansen
  • Диагностика и вспомогательные функции, включая AIC/BIC, частичная-, авто- и кросс-корреляция
  • Фильтр Ходрика-Прескотта для анализа бизнес-циклов


Системные требования

Поделиться

Задать вопрос

*
Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных . Мы, ООО ЦИТМ "Экспонента" и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных». * - обязательные поля