Narzędzia do modelowania finansowych szeregów czasowych

Jakie nowoczesne narzędzia (oparte na systemie Windows) sugerujesz do modelowania finansowych szeregów czasowych?

Polecam R (zobacz widok szeregów czasowych w CRAN ).

Kilka przydatnych odniesień:

• Ekonometria w R , autorstwa Granta Farnswortha
• Wielowymiarowe modelowanie szeregów czasowych w R.

R jest świetny, ale tak naprawdę nie nazwałbym go „opartym na systemie Windows” :) To tak, jakby powiedzieć, że polecenie cmd jest oparte na systemie Windows. Myślę, że technicznie jest w oknie ...

RapidMiner jest znacznie łatwiejszy w użyciu [1]. Jest to darmowe, wieloplatformowe GUI typu open source. Oto wideo z prognozami szeregów czasowych:

http://rapidminerresources.com/index.php?page=financial-time-series-modelling---part-1

Nie zapomnij też przeczytać:

http://www.forecastingprinciples.com/

[1] Nie, nie pracuję dla nich.

Naprawdę lubię pracować z R, ponieważ na końcu znajdziesz prawie wszystko i masz bardzo dobre wsparcie z listami mailowymi. Minusem R jest to, że pomocne bity, które pasują do twoich konkretnych problemów, mogą być rozłożone na wiele różnych pakietów i nie zawsze możesz je znaleźć. Kolejną kwestią może być blokada, co oznacza, że ​​po pewnym czasie nauki R prawdopodobnie nie będziesz zmotywowany do ponownego uczenia się innego oprogramowania, ale stanie się to w każdym systemie.

Biorąc pod uwagę fakt, że Matlab jest drogi - jeśli ma ograniczony budżet, Octave będzie działał równie dobrze, przynajmniej w przypadku rzeczy, które musiałem z tym zrobić, które były raczej podstawowe.

Jestem tu nowy i być może „finansowe szeregi czasowe” mają określoną definicję ... Ale biorąc pod uwagę, że nie wiem, moje pytanie dotyczyłoby tego, co masz na myśli: kwartalne / miesięczne dane gospodarcze, dzienne ceny rynkowe, dane godzinowe lub o wyższej częstotliwości itp.? A przez „modelowanie” masz na myśli pracę z podręcznikowymi rozwiązaniami ARIMA / ARCH, czy rzeczy nieco bardziej egzotyczne (takie jak dynamiczne systemy liniowe), czy eksperymenty egzotyczne / niestandardowe?

R jest elastyczny i darmowy, choć mniej GUI niż większość. Posiada również pakiety obejmujące wszystko, od codziennych cen akcji po dynamiczne systemy liniowe i pakiety optymalizacyjne. (W rzeczywistości trudna część będzie decydować, które szeregi czasowe i jakie pakiety finansowe zastosować).

GRETL jest bezpłatny i ma rozsądne GUI, chociaż jest ekonometryczny, a nie tak naprawdę zorientowany na rynek codziennie. Słyszałem o Oxmetrics, który wydaje się mieć bardzo kompletny pakiet wszystkich możliwych wariantów ARCH. Jeśli mówisz o miesięcznych / kwartalnych danych ekonomicznych, możesz również użyć X12-ARIMA, który jest swego rodzaju punktem odniesienia.

Używałem różnego rodzaju GUI do programowania / przetwarzania danych, ale z jakiegoś powodu RapidMiner nigdy tak naprawdę mnie nie kliknął. Coś dziwnego w jego przepływie pracy, którego po prostu nigdy nie dostałem.

Chociaż nie jest to do końca tanie, MATLAB jest szeroko stosowany w branży finansowej do modelowania szeregów czasowych: http://www.mathworks.com

• Wyraźnie R

• RadidMiner jest fajny, ale przejście do myślenia w kategoriach operatorów zajmuje chwilę

• Matlab / Octave

Jeśli opisujesz konkretny problem, być może uda mi się uzyskać bardziej szczegółowy.

Na mojej uczelni Stata uczy się jako programu do analizy statystycznej finansów. Możesz użyć outreg na przykład do bardzo łatwego formatowania tabel dla publikacji w dokumentach finansowych. Składnia programistyczna nie jest naprawdę świetna. Myślę, że musisz zadeklarować funkcje za pomocą np. Zmiennej, co jest moim zdaniem dziwactwem. Ilość różnych funkcji statystycznych jest jednak bardzo duża.

Prawdopodobnie nie dokładnie to, czego szukasz, ale możesz sprawdzić SwiftForecast . Umożliwia prognozowanie szeregów czasowych w sposób automatyczny, bez potrzeby korzystania z jakiegokolwiek oprogramowania. Jest całkiem nowy, ale uważam pomysł predyktora „w stylu Google” za całkiem interesujący ...

Możesz rozważyć użycie LDT . Jest bezpłatny i chociaż zapewnia automatyczne prognozowanie za pomocą modeli stacjonarnych wektorowych autoregresji (VAR), możesz skorzystać z innych rodzajów analizy.

PS: Jestem twórcą tego oprogramowania.