Financial Analysis Package MT 2.0

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

Financial Analysis Package MT
for GAUSSTM
Version 2.0
Aptech Systems, Inc.

1 Installation 1
1.1 UNIX/Linux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Download . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 CD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.3 Floppy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Windows/NT/2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Download . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 CD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3 Floppy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Dierences Between the UNIX and Windows/NT/2000 Versions . . . . . 4
2 Financial Analysis Package 5
2.1 Getting Started . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 README Files . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.2 Setup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Modeling with FANPACMT . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Univariate Time Series Models . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.1 ARCH/GARCH/ARMAGARCH models . . . . . . . . . . . . . . . 10
2.3.2 IGARCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.3 FIGARCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.4 OLS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 Multivariate Time Series Models . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.1 Diagonal Vec ARCH/GARCH/VARGARCH . . . . . . . . . . . . 17
2.4.2 Constant Correlation DVEC GARCH Model . . . . . . . . . . . . 19
2.4.3 BEKK GARCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5 Inference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.1 Covariance Matrix of Parameters . . . . . . . . . . . . . . . . . . . 23
2.5.2 Quasi-Maximum Likelihood Covariance Matrix of Parameters . . . 25
2.5.3 Condence Limits . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.6 FANPACMT Keyword Commands . . . . . . . . . . . . . . . . . . . . . . 26
2.6.1 Initializing the Session . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6.2 Entering Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6.3 The Date Variable . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.6.4 Scaling Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.6.5 Independent Variables . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.6.6 Selecting Observations . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.6.7 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.6.8 Setting Type of Constraints . . . . . . . . . . . . . . . . . . . . . . 31
2.6.9 The Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6.10 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6.11 Standardized and Unstandardized Residuals . . . . . . . . . . . . . 34
ii
2.6.12 Conditional Variances and Standard Deviations . . . . . . . . . . . 35
2.6.13 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6.14 Altering SQPSolveMT control variables . . . . . . . . . . . . . . . 43
2.6.15 Multivariate Models . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.6.16 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.7 Data Transformations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.8 FANPACMT Session Structure . . . . . . . . . . . . . . . . . . . . . . . . 52
2.9 FANPACMT Procedures . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.9.1 Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3 FANPACMT Keyword Reference 59
clearSession . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
constrainPDCovPar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
computeLogReturns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
computePercentReturns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
estimate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
forecast . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
getCV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
getCOR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
getEstimates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
getRD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
getSeriesACF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
getSeriesPACF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
getSession . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
getSR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
iii
plotCOR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
plotCSD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
plotCV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
plotQQ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
plotSeries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
plotSeriesACF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
plotSeriesPACF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
plotSR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
session . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
setAlpha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
SetConstraintType . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
setCovParType . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
setCVIndEqs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
setDataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
setIndElapsedPeriod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
setIndEqs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
setIndLogElapsedPeriod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
setInferenceType . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
setInmean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
setIndVars . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
setLagTruncation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
setLagInitialization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
setLjungBoxOrder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
setOutputFile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
setRange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
setSeries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
setVarNames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
showEstimates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
showResults . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
showRuns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
simulate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
testSR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
iv
4 FANPACMT Procedure Reference 113
mcvar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
mforecast . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
mgarch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
mres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
mroots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
mSimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
simlimits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
ucvar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
uforecast . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
ugarch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
uRes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
uRoots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
uSimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Index 133

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：financial Financia Analysis inancial Analysi Analysis financial package

谢谢了哈！

已按规定进行奖励。

谢谢zhaomn200145 版主

c:\gauss\src\bkgarchmt.src(44) : error G0474 : ' bkgarch_n(struct PV p0,struct DS d0)' : Illegal creation of global
c:\gauss\src\bkgarchmt.src(46) : error G0017 : 'local u,h,r,logl,vc,oldt,nobs,c,za,dt,ny,ny2' : WARNING: LOCAL outside of procedure
c:\gauss\src\bkgarchmt.src(48) : error G0474 : 'u' : Illegal creation of global
为什么我在运行fanpacmt1.e时提示以上错误，谢谢！

===============================================================================
                               Session: SeriesD                                
-------------------------------------------------------------------------------
                                   Series D                                    
-------------------------------------------------------------------------------
FANPAC Version 2.0.7          Data Set:  seriesd         1/03/2002  2:41:42
===============================================================================


~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
                                   run: run1                                   
-------------------------------------------------------------------------------
-------------------------------------------------------------------------------

return code =    0
normal convergence


Model:  ARIMA

Number of Observations     : 310
Observations in likelihood : 310
Degrees of Freedom         : 308

log-likelihood :        -65.2582
           AIC :         134.516
           BIC :         141.989
           LRS :         130.516

          roots
     _______________
      0.16080816
       Abs(roots)
     _______________
      0.16080816

Maximum likelihood covariance matrix of parameters
0.99 confidence limits computed from standard errors

Series: D


  Mean Equations


Constant(s)

Estimate
6.6553      
standard error
2.5066      

lower confidence limit
0.1586      

upper confidence limit
13.1521     

AR Parameter(s)

Estimate
0.8615      
standard error
0.0282      

lower confidence limit
0.7884      

upper confidence limit
0.9345      



From Table I, Hamilton and Wu:

lower    upper      method
.795     .941       exact likelihood ratio
.798     .945       sum of squares
.789     .934       conditonal on z_1
.799     .945       conditional on z_n
.797     .940       profile likelihood I
.777     .924       profile likelihood IV
.806    1.000       based on score statistics
以上是运行程序fanpacmt1.e的结果

-------------------------------------------------------------
iter 0  newton            function 934.96953
         log(cond(hessian))  3.904     step length  0.00000
-------------------------------------------------------------
Parameters        Estimates    Direction      Gradient

beta0[1,1]         1.14767       0.01148      -2.33119
omega[1,1]         4.46158       0.04462      -2.69236
garch[1,1]         0.33333       0.00333     -45.54542
arch[1,1]          0.33333       0.00333       7.09156
arch[2,1]          0.33333       0.00333      -9.13046
nu[1,1]            4.00000       0.04000      -3.15843
kappa[1,1]         2.00000       0.02000      -6.89413
lambda[1,1]        0.00000       0.00000      15.73179



-------------------------------------------------------------
iter 49  bfgs              function 921.88179
         log(cond(hessian))  4.870     step length  1.00000
-------------------------------------------------------------
Parameters        Estimates    Direction      Gradient

beta0[1,1]         1.07127      -0.00003      -0.25937
omega[1,1]         4.72507       0.00005       0.22524
garch[1,1]         0.64383       0.00008      -0.09123
arch[1,1]          0.03108       0.00002      -0.01909
arch[2,1]          0.10058      -0.00012       0.05057
nu[1,1]            4.35928      -0.00003       0.18414
kappa[1,1]         2.57789      -0.00022      -0.02806
lambda[1,1]       -0.09204      -0.00003       0.34362



-------------------------------------------------------------
iter 99  bfgs              function 921.78672
         log(cond(hessian))  1.817     step length  1.00000
-------------------------------------------------------------
Parameters        Estimates    Direction      Gradient

beta0[1,1]         1.05740      -0.00041      -0.33735
omega[1,1]         4.43749       0.00012       0.27204
garch[1,1]         0.66793      -0.00018       0.89061
arch[1,1]          0.02877       0.00001      -0.96516
arch[2,1]          0.09723       0.00013       0.03823
nu[1,1]            4.14466       0.00007       0.15572
kappa[1,1]         2.65665      -0.00003      -0.03109
lambda[1,1]       -0.10066       0.00003      -0.53481



-------------------------------------------------------------
iter 149  bfgs              function 921.75573
         log(cond(hessian))  4.205     step length  1.00000
-------------------------------------------------------------
Parameters        Estimates    Direction      Gradient

beta0[1,1]         1.07686      -0.00565      -0.30544
omega[1,1]         4.32915      -0.05949       0.23860
garch[1,1]         0.67926       0.00688       0.29346
arch[1,1]          0.03437       0.00101      -0.30574
arch[2,1]          0.08346      -0.00537      -1.13135
nu[1,1]            4.08658      -0.03155       0.12343
kappa[1,1]         2.68970       0.01858      -0.06699
lambda[1,1]       -0.08624       0.00253       0.79842



-------------------------------------------------------------
iter 199  bfgs              function 921.71392
         log(cond(hessian))  3.643     step length  1.00000
-------------------------------------------------------------
Parameters        Estimates    Direction      Gradient

beta0[1,1]         1.08059       0.00003      -0.07115
omega[1,1]         4.21429      -0.00002       0.21326
garch[1,1]         0.67960       0.00029       0.01329
arch[1,1]          0.03117      -0.00012      -0.45803
arch[2,1]          0.09500       0.00008       0.15219
nu[1,1]            4.02579      -0.00001       0.09959
kappa[1,1]         2.72205       0.00001      -0.02522
lambda[1,1]       -0.09010      -0.00016       0.52917



-------------------------------------------------------------
iter 249  bfgs              function 921.59777
         log(cond(hessian))  2.393     step length  1.00000
-------------------------------------------------------------
Parameters        Estimates    Direction      Gradient

beta0[1,1]         1.08238      -0.00022       0.10580
omega[1,1]         3.65086      -0.00025       0.20085
garch[1,1]         0.71646      -0.00048       0.56266
arch[1,1]          0.03305       0.00089       1.19732
arch[2,1]          0.09293      -0.00088       1.08024
nu[1,1]            3.76501       0.00020      -0.13345
kappa[1,1]         2.79350       0.00031      -0.22889
lambda[1,1]       -0.09664       0.00042      -0.21318



-------------------------------------------------------------
iter 299  newton            function 921.52511
         log(cond(hessian))  4.863     step length  1.00000
-------------------------------------------------------------
Parameters        Estimates    Direction      Gradient

beta0[1,1]         1.08375       0.00051      -0.00115
omega[1,1]         3.29781      -0.10000       0.16102
garch[1,1]         0.73466       0.00488      -0.04807
arch[1,1]          0.03198      -0.00042      -0.05838
arch[2,1]          0.08560      -0.00028      -0.03107
nu[1,1]            3.87126       0.02596      -0.00250
kappa[1,1]         2.80357      -0.01554      -0.00227
lambda[1,1]       -0.09401      -0.00021       0.00502




      GTGARCH model

F:\0计量经济学前沿\Gauss\Gaussmodul\app_fanmt_2.0_DOS\examples\fanpacmt11.e(49) : error G0181 : Illegal assignment - type mismatch
c:\gauss\src\bkgarchmt.src(44) : error G0474 : ' bkgarch_n(struct PV p0,struct DS d0)' : Illegal creation of global
c:\gauss\src\bkgarchmt.src(46) : error G0017 : 'local u,h,r,logl,vc,oldt,nobs,c,za,dt,ny,ny2' : WARNING: LOCAL outside of procedure
c:\gauss\src\bkgarchmt.src(48) : error G0474 : 'u' : Illegal creation of global
以上运行fanpacmt11.e出现的结果及提示的错误，是什么原因？谢谢！

我的可以运行，不知道你怎么会出错？

我的也可以正常运行，可以得到运行结果，但是运行后报错，经过我的思考，我认为：主要是我近期装了许多新开发的
lib和src文件，替代了旧的文件，所以引起了以上错误提示。
其实原程序是正确的。提示来源于新旧文件冲突。

xue老师，您看我的分析正确吗？
另外，我觉得gauss的datatool非常不好用，可以说没什么大的用处，
不知道这个软件开发出来是干什么用的？
另外，engine和gauss有什么区别联系？

It's good for me. Thanks~