主要内容

数据预处理

格式化、打印和转换时间序列数据

应用程序

计量经济学建模者 分析和模型计量时间序列

班级

拉各普 创建滞后算子多项式

功能

全部展开

convert2daily 汇总时间表数据到每日的周期
每周2次 每周定期汇总时间表数据
每月2次 每月定期汇总时间表数据
每季度一次 按季度周期汇总时间表数据
半年度 按半年周期汇总时间表数据
每年一次 合计时间表数据到年度周期
价格2 将价格转换为回报
Ret2价格 将收益转换为价格
拉格矩阵 建立滞后时间序列矩阵
hpfilter 霍德里克-普雷斯科特过滤器的趋势和周期性成分
recessionplot 在时间序列图上覆盖衰退带
过滤器 应用滞后算子多项式对时间序列进行滤波
趋于稳定 确定滞后算子多项式的稳定性
反映 反映滞后算子多项式系数在滞后零附近
toCellArray 将滞后运算符多项式对象转换为单元数组
isEqLagOp 确定两个拉各普对象是相同的数学多项式
非零 查找与非零系数相关的滞后拉各普物体
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
时间 滞后算子多项式乘法
+ 滞后算子多项式加法

例子和如何做

为计量经济学建模器应用程序准备时间序列数据

在MATLAB中准备时间序列数据®命令行,然后将该集导入Econometric Modeler。

将时间序列数据导入计量经济学建模器应用程序

将时间序列数据从MATLAB工作区或MAT文件导入计量经济学建模器。

使用计量经济学建模器应用程序绘制时间序列数据

以交互方式绘制单变量和多变量时间序列数据,然后对这些数据进行解释和交互。

使用计量经济学建模器应用程序转换时间序列

以交互方式转换时间序列数据。

非季节差分

以时间序列的非季节性差异为例。

非季节性和季节性差分

应用非季节性和季节性差异使用滞后算子多项式对象。

移动平均趋势估计

使用对称移动平均函数估计长期趋势。

使用稳定的季节过滤器进行季节调整

使用稳定的季节性过滤器对时间序列进行去季节化。

使用S(n,m)季节过滤器进行季节调整

应用季节性过滤器来取消时间序列的季节性。

参数趋势估计

使用参数模型估计非季节性和季节性趋势分量。

使用Hodrick-Prescott滤波器再现其原始结果

使用Hodrick-Prescott过滤器分解时间序列。

指定滞后运算符多项式

创建滞后算子多项式对象。

概念

计量经济模型

了解模型选择技术和计量经济学工具箱™ 特征。

计量经济学建模应用程序概述

econometricmodeler应用程序是一个可视化和分析单变量时间序列数据的交互式工具。

随机过程特性

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拆分为确定性趋势、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各种趋势成分。要估计趋势成分而不做参数假设,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)来估计时间序列的季节性成分。

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。

霍德里克-普雷斯科特滤波器

Hodrick-Prescott (HP)过滤器是一种专门用于趋势和商业周期估计的过滤器(没有季节性成分)。

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测。

特色实例