winrat编写garch-bekk程序问题，有偿，急问

大家好，求助万能的论坛，急～～

我用winrat做bekk模型，根据沪深300指数现货和期货5分钟高频收益率数据，求套期保值比率，编写了如下的程序，然后有两个问题想要问下：
1.   输出的结果红色部分是什么意思，程序是不是有问题，如果不是程序问题，该怎么办？

2.   最后输出结果的variance2 和COV12就是期货的方差和期现的协方差吗？根据俄淘宝比率公式，我两个相除就是套保比率了吧，可是我计算出的结果并不是很乐观。

论坛币不多啊，希望得到多多帮忙，如果成功，可以另外再加补偿


open data C:\Users\gorden\Desktop\mmm.xls
data(format=xls,org=columns) 1 35281 rs rf
set rs = rs
set rf = rf
*VAR(1) model for the mean, BEKK for the variance
system(model=var1)
variables rs rf
lags 1
det constant
end(system)
garch(p=1,q=1,model=var1,distrib=t,mv=bekk,pmethod=simplex,piters=10,robust,hmatrices=hh,rvectors=rr) / rs rf


set resid1 %regstart() %regend() = rr(t)(1)
set resid2 %regstart() %regend() = rr(t)(2)
set variance1 %regstart() %regend() = hh(t)(1,1)
set variance2 %regstart() %regend() =hh(t)(2,2)
set cov12 %regstart() %regend() = hh(t)(1,2)

MV-GARCH, BEKK - Estimation by BFGS
Convergence in    78 Iterations. Final criterion was  0.0000013 <=  0.0000100
With Heteroscedasticity/Misspecification Adjusted Standard Errors
Usable Observations  35279
Log Likelihood                   54555.78466468

   Variable                     Coeff       Std Error      T-Stat     Signif
*******************************************************************************
1.  RS{1}                    -0.307350783  0.006115037    -50.26147  0.00000000
2.  RF{1}                     0.379951570  0.006970670     54.50718  0.00000000
3.  Constant                 -0.001885466  0.000629348     -2.99590  0.00273633
4.  RS{1}                    -0.068794778  0.005770334    -11.92215  0.00000000
5.  RF{1}                    -0.043607037  0.006298012     -6.92394  0.00000000
6.  Constant                 -0.004511038  0.000653360     -6.90437  0.00000000
7.  C(1,1)                    0.019515051  0.008477428      2.30200  0.02133509
8.  C(2,1)                    0.016432140  0.001995404      8.23499  0.00000000
9.  C(2,2)                   -0.013105171  0.003364423     -3.89522  0.00009811
10. A(1,1)                    0.264350555  0.118122335      2.23794  0.02522505
11. A(1,2)                    0.046099840  0.052760579      0.87376  0.38225149
12. A(2,1)                   -0.098992195  0.109213251     -0.90641  0.36471785
13. A(2,2)                    0.184125388  0.054105521      3.40308  0.00066631
14. B(1,1)                    0.957715122  0.045178598     21.19843  0.00000000
15. B(1,2)                   -0.005199558  0.023289669     -0.22326  0.82333628
16. B(2,1)                    0.019812092  0.035989194      0.55050  0.58197570
17. B(2,2)                    0.970686071  0.019161989     50.65685  0.00000000
18. Shape                     4.831173243  0.091526035     52.78469  0.00000000

matlab:
[NUM,TXT,RAM]=xls('data')
[parameters, loglikelihood, Ht,...]  = full_bekk_mvgarch(NUM,1,1)

{:3_60:}