预览加载中,请您耐心等待几秒...
在线预览结束,喜欢就下载吧,查找使用更方便
如果您无法下载资料,请参考说明:
1、部分资料下载需要金币,请确保您的账户上有足够的金币
2、已购买过的文档,再次下载不重复扣费
3、资料包下载后请先用软件解压,在使用对应软件打开
Finmetrics时间序列分析摘要:对于专业统计学研究人员来说,各国用的最多的是功能强大和灵活的S-plus软件。近来,一个新的模块---Finmetrics,被添加到S-plus中,它被用来专门处理金融时间序列数据,对金融时间序列进行数量分析。本文中,我们对Finmetrics模块的功能作了介绍,希望对广大金融时间序列定量分析人员起到抛砖引玉的作用。关键词:S-plus,Finmetrics模块,数值计算一、引言对于专业统计学家来说,各国用的最多的是功能强大和灵活的S-plus软件。它是美国AT&T公司的贝尔实验室开发的。用S-plus编程序很方便,入门容易。它的统计方法丰富,而且在不断增长。S-plus透明度大,很容易知道它在作什么。在S-plus中可以任意加入自己编写的程序,或修改原来的一些程序,为创造性的统计学家所钟爱。许多最新的统计方法都是一些统计学家用S-plus程序编写出来的,甚至可以从互联网上下载下来。原来的S-plus主要是为统计学家编程而用,现在的最新版本也已经更加友好,已经实现可视化,很容易操作,同时还保留了其原来的优点,不失为一个好软件。近来,一个新的模块---Finmetrics模块,被添加到S-PLUS中,它被用来专门处理金融时间序列数据,对金融时间序列进行数量分析。S-PLUS本身可在许多不同的平台上操作(Windows、Linux、Solaris、Unix),但是Finmetrics模块却只能在Windows、Linux、Unix上实现,而且Finmetrics模块只能添加到S-PLUS6及以上版本上,S-PLUS2000及以下版本,这个模块无法运行。二、Finmetrics模块的一般回顾S-plus语言的基础是S语言,它是对S语言的界面化和菜单化,有优秀的内在帮助系统和作图功能,它能够轻松地转到商业支持的S-Plus程序(如果需要使用商业软件)。S-plus有一个强大的,容易学习的语法,有许多内在的统计函数,通过用户自编程序,S语言很容易延伸和扩大,它是计算机编程语言.类似于UNIX语言、C语言、Pascal、Gauss语言等。对于熟练的编程者,它将觉得该语言比其他语言更好用。但是它与C语言、Pascal、Gauss语言不同,它是一种面向对象的程序语言。S-PLUS语言的函数可以由菜单和命令语句得到,但由命令语句得到的函数要比由菜单得到的多得多。而且,对Finmetrics模块,使用者只能使用命令语句才能得到函数。这事实上就要求使用者必须对S语言的语法和编程比较熟悉。但是,Finmetrics模块并不是标准的S-PLUS软件的一部分,因此,它必须独立于S-PLUS,要求单独安装。模块的学习帮助通过在线帮助和两个PDF格式的文件形式提供给使用者。一个文件是对这个模块中的所有函数类(包括198个主要函数)及其使用方法进行了详细的说明,我们在表一中列出了这些说明.另一个文件是由Zivot,E.和Wang,J.H.(2002)两人合作的,专门介绍每个函数族的计算机编程的书。这本书的计算机程序也可在Zivot,E.的个人网页上下载。表1:Finmetrics模块中函数类型时间/日期效用函数(Time/datautilityfunctions)时间序列格子图函数(Timeseriestrellisplottingfunctions)动态的最小二乘法(Dynamicordinaryleastsquares)表面上不相关回归(Seeminglyunrelatedregression)单位根、协整过程和VECM(Unitroot,cointegrationandVECM)长记忆模型(Longmemorymodelling)固定收益分析(Fixedincomeanalytics)古典的极值理论(Classicalextremevaluetheory)状态空间模型(Statespacemodelling)时间序列控制与插值(Timeseriesmanipulationandinterpolation)统计概述与统计检验(Summarystatisticsandteststatistics)滚动估计(Rollingestimation)自回归与矢量自回归(AutoregressionandVectorautoregression)GARCH波动模型(GARCHvolatilitymodelling)技术分析(Technicalanalysis)多因子统计模型(Statisticalmulti-factormodel)多元极值Copula估计和分析(Extremevalueanalysiswithstatisticalcopulaestima