主要内容

数据预处理

格式,绘图和转换时间序列数据

应用

计量经济学建模者 分析和模型计量经济学时间序列

课程

lagop 创建滞后操作员多项式

功能

展开全部

convert2daily 将时间表数据汇总到每日周期性
转换2周 将时间表数据汇总到每周周期性
转换2个月 总时间表数据到每月周期性
转换2季度 汇总时间表数据到季度周期性
convert2semiannual 总时间表数据到半年度周期性
convertanual 汇总时间表数据到年度周期性
Price2RET 将价格转换为退货
ret2price 将退货转换为价格
lagmatrix 创建滞后时间序列的矩阵
hpfilter Hodrick-Prescott滤波器的趋势和周期性组件过滤器
衰退 叠加衰退乐队的时间序列情节
筛选 将滞后操作员多项式应用于过滤时间序列
稳定 确定滞后操作员多项式的稳定性
反映 反映滞后滞后系数在滞后零周围的多项式系数
Tocellarray 将滞后运算符的多项式对象转换为单元格数组
Iseqlagop 确定是否两个lagop对象是相同的数学多项式
isnonzero 查找与非零系数相关的滞后lagop对象
滞后操作员多项式减法
Mldivide 滞后操作员多项式左派
mrdivide 滞后操作员多项式右路
mtimes 滞后运算符多项式乘法
滞后操作员多项式添加

示例以及如何

为计量经济学建模应用程序准备时间序列数据

在MATLAB上准备时间序列数据®命令行,然后将该集合导入计量经济学建模者。

将时间序列数据导入到计量器建模应用程序应用程序

从MATLAB工作区或MAT-FILE导入时间序列数据到计量经济学建模者。

使用计量器建模器应用程序的绘图时间序列数据

互动绘制单变量和多变量时间序列数据,然后解释和与图。

使用计量经济学建模应用程序转换时间序列

交互方式转换时间序列数据。

非季节的差异

在时间序列上不季节性差异。

非季节和季节性差异

使用滞后操作员多项式对象应用非季节和季节性差异。

移动平均趋势估计

使用对称移动平均功能估计长期趋势。

使用稳定的季节性过滤器调整季节性调整

使用稳定的季节性过滤器对时间序列进行估算。

使用S(N,M)季节性过滤器调整季节性调整

应用季节性过滤器来估算时间序列。

参数趋势估计

使用参数模型估算非季节和季节性趋势成分。

使用Hodrick-Prescott过滤器复制其原始结果

使用Hodrick-Prescott过滤器分解时间序列。

指定滞后操作员多项式

创建滞后运算符多项式对象。

概念

计量学建模

了解模型选择技术和计量经济学工具箱™功能。

计量器建模应用程序概述

计量经济学建模器应用程序是一种交互式工具,用于可视化和分析单变量时间序列数据。

随机过程特征

了解随机过程的定义,形式和特性。

数据转换

确定哪些数据转换适合您的问题。

趋势阶层与差异阶层的过程

确定非组织过程的特征。

时间序列分解

了解将时间序列分解为确定性趋势,季节性和不规则组件。

移动平均过滤器

某些时间序列可分解为各种趋势组件。为了估算趋势组件而不做参数假设,您可以考虑使用过滤器。

季节性过滤器

您可以使用季节性过滤器(移动平均值)来估计时间序列的季节性组成部分。

季节性调整

季节性调整是消除滋扰周期性成分的过程。季节性调整的结果是一个季节性的时间序列。

Hodrick-Prescott过滤器

Hodrick-Prescott(HP)过滤器是趋势和商业周期估计(无季节性组件)的专业过滤器。

Arima模型估计的时间基量分区

当您将时间序列模型拟合到数据时,模型中的滞后项需要初始化,通常在样本开头进行观察。

特色示例