主要内容

数据预处理

格式化、绘图和转换时间序列数据

应用程序

计量经济学建模师 经济计量时间序列的分析与建模

LagOp 创建滞后算子多项式

功能

全部展开

convert2daily 按每日周期汇总时间表数据
convert2weekly 集合时间表数据到每周的周期
convert2monthly 合计时间表数据到每月的周期
convert2quarterly 按季度定期汇总时间表数据
convert2semiannual 以半年为周期的总时间表数据
convert2annual 按年度周期汇总时间表数据
price2ret 将价格转换为收益
ret2price 将收益换算成价格
lagmatrix 创建滞后时间序列矩阵
hpfilter 趋势和周期成分的Hodrick-Prescott过滤器
衰退图 时间序列图上的重叠衰退带
滤器 应用滞后算子多项式对时间序列进行滤波
不稳定 确定滞后算子多项式的稳定性
反映 反映滞后零点附近的滞后算子多项式系数
托克拉里 将滞后算子多项式对象转换为单元阵列
isEqLagOp 确定两个LagOp对象是相同的数学多项式
isNonZero 求与的非零系数相关的滞后LagOp对象
- 滞后算子多项式减法
mldivide 滞后算子多项式左除法
mrdivide 滞后算子多项式右除法
mtimes 滞后算子多项式乘法
滞后算子多项式加法

示例和如何

为计量经济学建模程序准备时间序列数据

在MATLAB中准备时间序列数据®命令行,然后将集合导入Econometric Modeler。

将时间序列数据导入计量模型应用程序

从MATLAB工作区或mat文件导入时间序列数据到计量经济学模型。

使用计量经济学建模程序绘制时间序列数据

交互式地绘制单变量和多变量时间序列数据,然后解释和与图交互。

使用计量经济学建模程序转换时间序列

交互式地转换时间序列数据。

季节性差分

以时间序列的非季节性差异为例。

非季节性和季节性差异

使用滞后算子多项式对象应用非季节性和季节性差分。

移动平均趋势估计

使用对称移动平均函数估计长期趋势。

使用稳定的季节性过滤器进行季节性调整

使用稳定的季节滤波器对时间序列进行去季节化。

使用S(n,m)季节性过滤器进行季节性调整

应用季节性过滤器来消除时间序列的季节性。

参数趋势评估

使用参数模型估计非季节性和季节性趋势成分。

使用霍德里克-普雷斯科特过滤器重现他们的原始结果

用Hodrick-Prescott过滤器分解时间序列。

指定滞后算子多项式

创建滞后操作符多项式对象。

概念

计量经济学建模

了解模型选择技术和计量经济学工具箱™功能。

计量经济学模型应用程序概述

计量经济学建模器应用程序是一个交互式工具,用于可视化和分析单变量时间序列数据。

随机过程的特点

理解随机过程的定义、形式和性质。

数据转换

确定哪些数据转换适合您的问题。

趋势平稳与差异平稳过程

确定非平稳过程的特征。

时间序列分解

了解如何将时间序列分解为确定性趋势、季节性和不规则成分。

移动平均滤波器

一些时间序列可以分解成不同的趋势分量。为了估计趋势分量而不必做出参数假设,可以考虑使用滤波器。

季节性的过滤器

您可以使用季节过滤器(移动平均)来估计时间序列的季节成分。

季节性调整

季节性调整是去除有害的周期性成分的过程。季节性调整的结果是非季节性时间序列。

Hodrick-Prescott过滤器

Hodrick Prescott(HP)过滤器是趋势和商业周期估算的专用过滤器(无季节性成分)。

ARIMA模型估计的时基划分

当您将时间序列模型与数据拟合时,模型中的滞后项需要初始化,通常在样本开始时进行观察。

特色的例子