pmdarima Pmdarima（最初为pyramid-arima ，表示“ py” +“ arima”）是一个统计库，旨在填补Python时间序列分析功能中的空白。 这包括： 相当于R的功能 平稳性和季节性统计检验的集合 时间序列实用程序，例如微分和逆微分 大量内生和外生的变形器和特征器，包括Box-Cox和Fourier转换 季节性时间序列分解 交叉验证实用程序 丰富的内置时间序列数据集，用于原型制作和示例 Scikit学习式管道可整合您的估算器并促进生产 Pmdarima在内部隐藏了 ，但设计时使用了熟悉scikit学习背景的用户熟悉的界面。 安装 Pmdarima在pypi上具有Windows，Mac和Linux（ manylinux ）的二进制和源发行版，软件包名称为pmdarima ，可以通过pip下载： $ pip install pmdarima 快速入门示例 在数据集上拟合一个简单的自动ARIMA： import pmdarima as pm from pmdarima . model_selection import train_test_split im

这是在matlab里面实施计量经济学的一些方法的工具箱。虽然有些老了（1999年），但是对于从事经济、金融的研究人员和学生还是很有用处的。

Principles_of_Econometrics__Fourth__Edition

该库提供用于计算 Diebold 和 Yilmaz (2009, 2012) 或 DY Spillover Index 以及连通性表的其他组件的函数。 此外，它还有一些有用的功能。 请查看 Example_DYIndex.m 以了解如何使用。 !!! 注意 ！！！ 该软件包必须与 Econometrics Toolbox 一起使用。

EconML：用于基于ML的异构处理效果估计的Python包 EconML是一个Python软件包，用于通过机器学习从观察数据中估计异构处理效果。 此软件包是作为Microsoft Research的一部分设计和构建的，目的是将最新的机器学习技术与计量经济学相结合，以使自动化解决复杂的因果推理问题。 EconML的承诺： 在计量经济学和机器学习的交集中实现文献中的最新技术 保持建模效果异质性的灵活性（通过诸如随机森林，增强，套索和神经网络之类的技术），同时保留对所学模型的因果解释，并经常提供有效的置信区间 使用统一的API 建立在用于机器学习和数据分析的标准Python软件包的基础上 机器学习的最大希望之一就是在众多领域中自动化决策。 许多数据驱动的个性化决策方案的核心是对异构处理效果的估计：对于具有特定特征集的样本，干预对感兴趣结果的因果关系是什么？ 简而言之，该工具包旨在测量某些治疗变量T对结果变量Y的因果效应，控制一组特征X, W以及该效应如何随X 。 所实施的方法甚至适用于观测（非实验或历史）数据集。 为了使估计结果具有因果关系，有些方法假定没有观察到的混杂因素（即， X,

作为一个Econometrics Toolbox，对于arfima的运行有帮助。

APPLIED ECONOMETRIC TIME SERIES BY WALTER ENDERS University of Alabama

Matlab 计量经济学工具箱，包括回归、优化、空间分析等多套工具组合。

《计量经济学导论:现代观点(第4版)》用简洁、准确的语言阐述了计量经济学研究的最新特点，本书是通过R软件进行计量经济学的分析，属于该书的配套教材

高频交易相关书籍