Herramientas para modelar series de tiempo financieras

¿Qué herramientas modernas (basadas en Windows) sugiere para modelar series de tiempo financieras?

Recomiendo R (ver la vista de serie temporal en CRAN ).

Algunas referencias útiles:

• Econometría en R , por Grant Farnsworth
• Modelado de series temporales multivariadas en R

R es genial, pero realmente no lo llamaría "basado en Windows" :) Eso es como decir que el indicador de cmd está basado en Windows. Supongo que técnicamente está en una ventana ...

RapidMiner es mucho más fácil de usar [1]. Es una GUI gratuita, de código abierto, multiplataforma. Aquí hay un video sobre pronósticos de series de tiempo:

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

Además, no olvides leer:

http://www.forecastingprinciples.com/

[1] No, no trabajo para ellos.

Realmente me gusta trabajar con R, porque al final encontrarás casi cualquier cosa, y tienes un muy buen apoyo con las listas de correo. La desventaja de R es que los bits útiles que se ajustan a sus problemas específicos pueden extenderse en una amplia gama de paquetes, y es posible que no siempre pueda encontrarlos. Otro punto puede ser un bloqueo, con eso quiero decir que después de un tiempo aprendiendo R, es probable que no esté motivado para volver a aprender otro software, pero esto sucederá en cualquier sistema.

Con respecto a que Matlab es costoso, si tiene un presupuesto ajustado, Octave funcionará igual de bien, al menos para las cosas que necesitaba hacer con él, que eran bastante básicas.

Soy nuevo aquí, y tal vez las "series de tiempo financieras" tienen una definición específica ... Pero dado que no lo sé, mi pregunta para usted sería qué quiere decir: datos económicos trimestrales / mensuales, precios de mercado diarios, datos por hora o de mayor frecuencia, etc. Y por "modelado", ¿te refieres a trabajar con soluciones de libros de texto ARIMA / ARCH, o cosas un poco más exóticas (como sistemas lineales dinámicos), o experimentación exótica / personalizada?

R es flexible y gratuito, aunque con menos GUI que la mayoría. También tiene paquetes que cubren todo, desde precios diarios de acciones hasta sistemas lineales dinámicos y paquetes de optimización. (De hecho, la parte difícil será decidir qué series de tiempo y qué paquetes financieros usar).

GRETL es gratuito y tiene una GUI razonable, aunque es econométrico, no está realmente orientado al mercado diario. He oído hablar de Oxmetrics, que parece tener disponible un paquete muy completo de todas las variantes posibles de ARCH. Si habla de datos económicos mensuales / trimestrales, también podría usar X12-ARIMA, que es una especie de referencia.

He usado todo tipo de GUI para programar / procesar datos, pero por alguna razón RapidMiner nunca ha hecho clic conmigo. Algo extraño sobre su flujo de trabajo que nunca he recibido.

Si bien no es exactamente barato, MATLAB se usa ampliamente en la industria financiera para el modelado de series temporales: http://www.mathworks.com

• Claramente R

• RadidMiner es agradable, pero cambiar a pensar en términos de operadores lleva un momento

• Matlab / Octave

Si describe un problema específico, podría ser más específico.

En mi universidad, Stata se enseña como un programa para hacer análisis estadísticos para las finanzas. Puede usar outreg, por ejemplo, para formatear tablas para publicaciones en documentos financieros con mucha facilidad. La sintaxis de programación no es realmente buena, creo, debe declarar funciones con 'variable', por ejemplo, lo cual es una peculiaridad en mi opinión. Sin embargo, la cantidad de diferentes funciones estadísticas es muy amplia.

Probablemente no sea exactamente lo que está buscando, pero puede consultar SwiftForecast . Le permite pronosticar una serie temporal de forma automática, sin la necesidad de ningún software. Es bastante nuevo, pero la idea de un predictor de "estilo Google" me parece bastante interesante ...

Es posible que desee considerar el uso de LDT . Es gratuito y, si bien proporciona pronósticos automáticos con modelos de autorregresivos de vectores estacionarios (VAR), puede beneficiarse de otros tipos de análisis.

PD: Soy el desarrollador de este software.