OxMetrics™とは？
OxMetrics™は、英国のオックスフォードの教授David F. Hendry卿とJurgen Doornikによって設計されたソフトウェアパッケージです。統計、計量経済分析を行うためのソフトウェアです。1980年代半ば以降、継続的に開発されています。
分析者が容易に統計分析ができるように、コマンドを使わずに、Interactiveな環境でソフトの操作ができるようになっています。この環境に慣れると研究者の時間が大幅に節約され、分析作業の効率が飛躍的に向上します。
すべての主要オペレーティングシステム（Windows、Mac OSおよびLinux）上で利用可能です。最近のリリース（2010年後半）で、ほとんどすべての最新の計量経済学の手法(panel data, limited dependent variable modelling, cointegrated VARs, unobserved component models, etc) が組み込まれています。
OxMetrics™ 6.1のMac版のスクリーンショットです：click してください 拡大できます
OxMetrics™を活用している研究者
ファイナンス分野の専門家、実務家、時系列計量経済学研究者、マクロ経済学分析、金融工学関係のプログラム関係者が活用しています。たとえば、次の大学、研究機関、企業の専門家、研究者がOxMetricsを活用しています。メニュー型のソフトで、プログラムを書く必要がありません。
日本銀行、東京大学、京都大学、慶応大学、一橋大学、大阪大学、筑波大学、福岡大学、愛媛大学、日本大学、上智大学,琉球大学、愛媛大学、京都産業大学、新潟産業大学、新居浜工業高等専門学校、専修大学、三重中京大学、Barclay Capital等々。
総合的時系列・パネルデータ分析ソフト。
OxMetrics™ 6のEnterprise版
OxMetrics™ 6のCD-ROMの中に、次の4つのモジュールが入っています。
1. Ox Professional 6
Object-oriented matrix プログラミング言語のソフトです。 OxMetrics™ 6のモジュール (PcGive, STAMP, G@RCH) はすべてOx言語で書かれています。これらのモジュールを研究者の工夫で創意的、発展的にOx言語で新たなプログラムを書くことができます。PcGive,G＠RCH、STAMPの優れた機能を活用しながら、さらに研究目的に沿った新たなプログラムを効率的に書くことができますから、様々な研究需要に沿った世界的な水準の研究を行うことができます。
2. PcGive 13
時系列分野で初のノーベル賞を受賞したGranger教授は、PcGiveが採用しているGeneral-to-Specificアプローチを激賞し、Schumpeterがかって計量経済学者に求めたプラグマティズムを実現した素晴らしいソフトであると評しています。時系列計量経済学のソフトとして学問的に最高レベルのソフトです。
General-to Specificアプローチは開発者David.F.Hendry 教授の提唱する時系列分析の方法論ですが、PcGiveのマニュアルが具体例をもって易しく解説していますので、初心者でも独学でこの方法論を容易にマスターすることができます。時系列研究の最先端の研究者にとっては、研究時間を節約でき、研究の生産性を高めるソフトです。
PcGive13は従来PcGetと呼ばれるソフトを革新的に改良したAutometrics for automatic model selection機能を内蔵しています。これにより、研究者は一般的なModelから最適な特定モデルを自動的に選択していくことが可能になりました。多くの計量経済分析の専門家たちに驚くべき効率的なソフトとして受け入れられています。ModelのMisspecificationを回避することができます。
PcGiveはデータの性質に合わせていろいろなmodel分析が可能です。さらにPcGive13はモンテカルロ法が実施できます。 従来はこの機能はPcNaiveというソフトで別個のモジュールでしたが、PcGive13は従来のPcGive+PcGets+PcNaiveをすべて併せ持った総合的時系列分析ソフトとして誕生しました。計量経済学の実践の世界を画期的に変えるソフトであると期待されています。
またパネルデータ分析もダイナミックパネルデータ分析ができます。パネルデータ研究者の最高峰がこのソフト開発に参加して実現したものです。この機能を持ったソフトは市販のものでは現在PcGiveのみです。現在世界で唯一のソフトです。
Models for cross-section data -Cross-section Regression
Models for discrete data
-Binary Discrete Choice:Logit and Probit
-Multinominal Discrete Choice:Multinominal Logit
-Count data:Poisson and Negative Binominal
Models for financial data
-GARCH model:GARCH in mean, GARCH with Student-t,
EGARCH, Estimation with Nelson& Cao restrictions
Models for panel data
-Static Panel Method:within groups, between groups
-Dynamic Panel Methods: Arellano-Bond GMM estimators
Models for time-series data
-Single-equation Dynamic Modelling,optionally using Autometrics
-Multiple-equation Dynamic Modelling:VAR,cointegration,simultaneous equations analysis
-Regime Swiching Models:Markov-switching
-Arima Models:exact maximum likelihood,modified -profit likelihood or non-linear least squares
-Seasonal adjustment using X12 Arima:regARIMA modeling,Automatic model selection,Census X-11 sesonal adjustment
Monte Carlo
-AR(1) Experiment using PcNaive(IV)
-Static Experiment using PcNaive(IV)
-Advanced Experiment using PcNaive& Ox Professional(IV)
その他モデル
-Nonlinear Modelling
-Discriptiv Statistics
- Mean, standard deviation and correlations
- Normality tests and descriptive statistics
- Autocorrelations (ACF) and Portmanteau statistics
- Unit -root test
-Principal component analysis
3. STAMP8-2
Structural time series modellingと呼ばれる分析のための専門ソフトです。これはKalman Filterを用いたソフトですが、Kalman Filterの事前の知識がなくてもマスターすることができます。
STAMP8は多変量分析もできるようになりました。Automatic outlier and break機能が加わりました。驚くべきソフトです。時系列分析の中でもこれから注目される分野のテクニックです。特に予測に関心のある研究者におすすめします。
マクロ景気予測、金融変数の予測、気候変動の予測、交通事故の予測などに驚異的な威力を発揮できます。株価の予測も試したくなるソフトです。
開発者は次のような世界的な学者です。
Siem Jan Koopman : (VU University Amsterdam and
Tinbergen Institute Amsterdam)
Andrew C, Harvey: University of Cambridge
Jurgen A.Doornik: Nuffield College, University of Oxford
Neil Shephard: University of Oxford
4. G@RCH６
ノーベル賞を受賞したEngle教授の開発したARCH型のモデルの推計をするソフトです。
今日のポートフォリオ理論ではVolatlityの分析はきわめて重要な位置を占めています。
ファイナンス分野の実務者は、これでオプションの価格を予測できます。
金融工学の先端にいる専門家には不可欠なソフトです。
今日、さまざまなARCH型モデルが開発されていますが、メニュー型のG@RCHは殆どのモデルを瞬時に容易に推計します。
さらに、多変量分析もできるようになりました。
研究者はOx言語でのコードが出力されますので、研究者の工夫で新たなG@RCHモデルを開発することが容易になりました。
