| Econometric Modeler | Анализируйте и смоделируйте эконометрические временные ряды |
LagOp | Создайте полином оператора задержки |
Подготовьте данные временных рядов к приложению Econometric Modeler
Подготовьте данные временных рядов в MATLAB® командная строка, и затем импортирует набор в Econometric Modeler.
Импортируйте данные временных рядов в приложение Econometric Modeler
Импортируйте данные временных рядов из рабочего пространства MATLAB или MAT-файла в Econometric Modeler.
Постройте данные временных рядов Используя приложение Econometric Modeler
В интерактивном режиме постройте одномерные и многомерные данные временных рядов, затем интерпретируйте и взаимодействуйте с графиками.
Преобразуйте временные ряды Используя приложение Econometric Modeler
Преобразуйте данные временных рядов в интерактивном режиме.
Возьмите несезонное различие временных рядов.
Несезонное и сезонное дифференцирование
Примените и несезонное и сезонное дифференцирование с помощью объектов полинома оператора задержки.
Оценка тренда скользящего среднего значения
Оцените долгосрочный тренд с помощью симметричной функции скользящего среднего значения.
Сезонная корректировка Используя устойчивый сезонный фильтр
Deseasonalize временные ряды с помощью устойчивого сезонного фильтра.
Сезонная корректировка Используя S (n, m) сезонные фильтры
Примените сезонные фильтры к deseasonalize временные ряды.
Оцените несезонные и сезонные компоненты тренда с помощью параметрических моделей.
Используя фильтр Ходрик-Прескотта, чтобы воспроизвести их исходный результат
Используйте фильтр Ходрик-Прескотта, чтобы анализировать временные ряды.
Задайте полиномы оператора задержки
Создайте объекты полинома оператора задержки.
Эконометрическое моделирование
Изучите методы выбора модели и функции Econometrics Toolbox™.
Обзор приложения Econometric Modeler
Приложение Econometric Modeler является интерактивным инструментом для визуализации и анализа одномерных данных временных рядов.
Характеристики стохастического процесса
Изучите определение, формы и свойства стохастических процессов.
Определите, какие преобразования данных подходят для вашей проблемы.
Стационарный трендом по сравнению со стационарными различием процессами
Определите характеристики неустановившихся процессов.
Узнайте о разделении временных рядов в детерминированный тренд, сезонные, и неправильные компоненты.
Фильтр скользящего среднего значения
Некоторые временные ряды являются разложимыми на различные компоненты тренда. Чтобы оценить компонент тренда, не делая параметрические предположения, можно рассмотреть использование фильтра.
Можно использовать сезонный фильтр (скользящее среднее значение), чтобы оценить сезонный компонент временных рядов.
Сезонная корректировка является процессом удаления неприятности периодический компонент. Результатом сезонной корректировки являются deseasonalized временные ряды.
Ходрик-Прескотт (HP) фильтр является специализированным фильтром для тренда и оценки делового цикла (никакой сезонный компонент).
Базовые разделы времени для оценки модели ARIMA
То, когда вы подбираете модель временных рядов к данным, отстало, члены в модели требуют инициализации, обычно с наблюдениями в начале выборки.
