Pimaclab. a biblioteca de macroeconômica Python
Baixe Agora

Pimaclab. Classificação e resumo

Pimaclab. Tag

Biblioteca Python. Pitão

Pimaclab. Descrição

A PYMACLAB é uma biblioteca avançada de Python adequada para a solução e análise de modelos do DSGE, bem como para a realização de investigações macroeconométricas adicionais.Pymaclab Stands for Python Macroeconomics Biblioteca, que atualmente serve principalmente os propósitos de proporcionar uma estrutura de conveniência escrita em Python para resolver Modelos DSGE. No momento em que escreva isso, a biblioteca suporta a resolução de modelos do DSGE usando métodos de perturbação de 1º e 2º pedido que são calculados em torno do estado estacionário. Em particular, a biblioteca fornece função de wrapper para o método exato de 1º pedido de Paul Klein baseado na decomposição de Schur, bem como um método mais recentemente publicado pelo mesmo autor (co-autorizado com Paul Gomme, veja aqui) que fornece soluções precisas de segunda ordem Sem usar a ALGEBRA TENSOR (usando o Magnus e a Neudecker, em 1999, a definição da matriz da Hessian). A biblioteca é extremamente fácil de usar no sentido de empregar um analisador de arquivo de texto modelo semelhante ao presente em Dynare que exige que os usuários apenas escrevam o original Conjunto de condições de primeira ordem de primeira ordem não linear. Além disso, os usuários são oferecidos um menu de opções de como fornecer informações necessárias para calcular o estado estacionário do modelo. Uma vez que o modelo é analisado, várias opções de resolvê-la existem e os usuários são fornecidos com outros métodos de conveniência adequados para simular modelos resolvidos e investigar propriedades estatísticas dinâmicas. Deve também ser mencionado que, porque Pymaclab é uma biblioteca de conveniência de natureza altamente modular (Usando uma abordagem de programação orientada a objetos) É muito fácil de loop sobre um modelo vários milhares de vezes cada vez trocando o conjunto original de parâmetros primitivos, como taxas de depreciação, fatores de impaciência, etc., a fim de calcular soluções do mesmo modelo sobre um grande conjunto de parametrizações concebíveis. Além disso, sempre que os métodos de solução exigem o cálculo do Jacobiano ou Hessian, isso é sempre feito analiticamente (simbolicamente) usando o sympycore de biblioteca de computação simbólico Python e não numericamente como em outros pacotes de software. O Sympycore não é suplantado por Sympy, mas funciona bem no momento, então vamos alterar Pymaclab em um estágio posterior para refletir este.pymaclab foi autorizado por Eric M. Scheffel que atualmente está trabalhando como professor assistente em Economia na China da Universidade de Nottingham distribuído sob a Licença Pública Geral do GNU V3.0. Ao usar esta biblioteca Python, certifique-se de citar o projeto (usando o látex) como: @misc {, author = {eric m. scheffel}, title = {{pymaclab}: open source {python} laboratorial macroeconomics}, ano = {2007--}, URL = "http://github.com/escheffel/pymaclab/"}EpenditiesNumpyscipysympysympy-coreipython (opcional) pp (opcional) mlabwrrap (opcional) scikits.Timeserieswhile numpy, scipy, sympycore e scikits.timeseries Absolutamente necessário para executar o PYMACLAB, Python Parallel (PP) pode autorizar os processadores multi-core e pode potencialmente acelerar o cálculo de elementos, como a hessista analítica de um modelo de DSGE não linear, enquanto Sympy e Mlabwwraph foram marcados como depreciados e no processo de ser podado do código. Para explorar o uso de Pymaclab Interativamente, um ambiente especial IPython pode ser lançado com funções de conveniência pré-carregadas.InstallationPyThon setup.py buildsudo python setup.py instalsagethe abaixo de códigos Snippet é indicativo de como Pymaclab pode ser usado em um ambiente como IPython. Como a biblioteca ainda está passando por alterações, é sempre aconselhável inserir o subdiretório contendo o teste-script test.py e inspecionar / executar isso para melhor entender a sintaxe de Pymaclab.Import PMACLAB AS PM # Model Instanciation com Datarbc1 = PM.NewMod (' MODFILES / RBC1.TXT ', DB1) # Modelo Instantiation sem datarbc2 = pm.newmod (' modfiles / rbc2.txt ') # resolva os modelos usando diferentes métodosRBC1.Modsolvers.forlind.solve () rbc2.modsolvers.pyklein2d.solve ( ) # Simular os modelos depois de terem sido soluversrbc1.modsolvers.forkleind.sim (400) rbc2.modsolvers.pyklein2d.sim (1000) página inicial do produto

Pimaclab. Software Relacionado