使用GAUSS分析金融和银行数据
GAUSS 平台为分析金融数据提供了强大而高效的环境。GAUSS 为您的金融项目的每个阶段提供易于使用的预构建金融分析工具,从数据整理和清理到预测和报告。
GAUSS 用于各种理论和实证金融应用,包括量化资产管理、风险平价、期权定价和对冲、金融风险管理、交易所期权等。
无论您是刚刚处于数据整理、清理和可视化的初始阶段,还是处于估算和金融预测的最后阶段,GAUSS 都能满足您的金融数据分析需求。
GAUSS for Finance 的时间序列、回归模型和其他主要功能
数据清洗、处理和管理
- 轻松导入数据,支持 SAS、STATA、Excel、CSV、HDF5、GAUSS 矩阵、GAUSS 数据集和 ASCII 文本文件
- 数据可视化
- 重新编码和重新分类工具
- 数据缩放方法包括欧几里得缩放、中值缩放、最大绝对值缩放、中间范围缩放和标准偏差缩放
- 缺失值的灵活处理,包括缺失值插补、成对删除和列表删除
- 从分类变量创建虚拟变量
- 数据排序和合并以及文件和矩阵级别
通用统计分析
预建的 GAUSS 函数可用于高效、直观地实现基本计量经济学模型,包括:
- 普通最小二乘
- 加权最小二乘
- 广义矩量法
- 广义线性模型
- 分位数回归
- 高频时间序列图
- 二项式期权定价(欧洲和美国看涨和看跌期权)
- 使用 Black、Scholes 和 Merton 方法计算欧式看跌期权和看涨期权的 Delta、Gamma、Theta、Vega 和 Rho
- 使用 Black、Scholes 和 Merton 方法计算美式看跌期权和看涨期权的 Delta、Gamma、Theta、Vega 和 Rho
- 使用 Black、Scholes at Merton 方法为美式看跌期权和看涨期权定价
- 使用 Black、Scholes at Merton 方法为欧洲看跌期权和看涨期权定价
- 使用 Black、Scholes 和 Merton 方法计算美式看涨期权和看跌期权的隐含波动率
- 使用 Black、Scholes 和 Merton 方法计算欧式看涨期权和看跌期权的隐含波动率
- 金融市场交易日管理
- 最大似然估计
- 主成分分析。
- 线性依赖分析。
- 灵活的最小二乘。
- Cholesky 分解。
- 特征值分解。
- SVD分解。
时间序列分析
无论您是刚刚开始还是开发新的尖端方法,GAUSS时间序列分析都变得简单而高效。GAUSS 时间序列功能包括:
- 时间序列可视化
- 支持标准频率、高频数据和不规则频率数据
- 完全可定制的图形
- 易于导出、出版质量的图表
- 综合单位根检验和协整检验
- 增强的 Dickey-Fuller 单位根检验 (ADF)
- Phillips-Perron 单位根检验 (PP)
- Dickey-Fuller 广义最小二乘法 (DF-GLS)
- Kwiatkowski-Phillips-Schmidt-Shin (KPSS)
- 单位根的 LM 检验
- 分位数单位根检验
- 具有非正态错误的 Im、Lee 和 Tieslau 单位根检验
- 灵活的傅里叶 GLS、ADF、KPSS 和 LM 单位根检验
- 具有结构中断的单位根检验
- 具有单个结构中断的 Zivot-Andrews 单位根检验
- 具有两个结构中断的 Narayan 和 Popp 单位根检验
- Lee、Strazicich 和 Mark LM 单位根检验,带有一个和两个结构中断
- 自回归移动平均模型 (ARMA)
- 季节性 ARMA 模型(SARMA 和 SARIMA)
- 集成 ARMA 模型 (ARIMA)
- 具有外生变量的 ARMA 模型 (ARMAX)
- 向量自回归模型 (VAR)
- 季节性 VARMA 模型(SVARMA 和 SVARIMA)
- 集成 ARMA 模型 (VARIMA)
- 具有外生变量的 ARMA 模型 (VARMAX)
- 全套广义自回归条件异方差(GARCH)
- 集成 GARCH 模型 (IGARCH)
- 不对称 GARCH 模型 (GJRGARCH)
- GARCH-IN-MEAN (GARCHM)
- 矢量纠错模型 (VECM)
- 非线性时间序列模型:
- 结构断裂识别和建模
- 马尔可夫切换模型
- 阈值自回归模型 (TAR)
- 卡尔曼滤波
- 参数不稳定性测试
- 周预测
- CUSUM 测试
- Hansen-Nyblom 检验
- 滚动回归
专为金融设计的 GAUSS 应用程序
应用 |
描述 |
|
包括用于时间序列数据分析的综合工具,包括
- MLE 和状态空间估计
- 单位根和协整检验
- 模型诊断和预测
- 非线性时间序列模型
|
|
提供用于估计单个方程或方程组的程序,包括:
- 两阶段最小二乘。
- 三阶段最小二乘。
- 看似无关的回归。
|
|
提供通常用于金融数据估计和分析的计量经济学工具:
- 允许用户根据他们的特定建模需求定制每个会话。
- 包括用于建模单变量和多变量广义自回归条件异方差 (GARCH) 模型的工具。
|
|
提供一套灵活、高效且值得信赖的工具,用于解决具有参数界限的最大似然问题。包括:
- 各种下降和线搜索算法。
- 解析和数值导数。
- 动态算法切换。
- 用于统计推断的多种工具。
|
|
提供一套灵活、高效且值得信赖的工具,用于解决具有一般参数约束的最大似然问题。特点包括:
- 线性和非线性等式和不等式约束。
- 信任域方法。
- 多种下降和线搜索算法。
- 解析和数值导数。
- 动态算法切换。
- 多种统计推断方法。
|
|
优化 MT 提供了用于高效优化的工具,包括:
|
|
解决非线性规划问题,受参数的一般约束。包括:
- 线性或非线性约束。
- 平等或不平等约束。
- 将顺序二次规划方法与几种下降方法结合使用。
- 信任域方法。
|
|
提供 GAUSS 数据集中变量的基本统计数据。这些统计数据描述和测试数据的单变量和多变量特征,并为进一步分析提供信息。 |
|
提供计算算法导数的工具。
- 独立于其他应用程序工作。
- 可用于任何需要衍生产品的应用程序。
- 算法导数的使用可以提高准确性和收敛速度。
|
使用 GAUSS 数据分析工具的行业
各行各业的计量经济学家都在使用 GAUSS。
无论是进行宏观经济模拟、交通建模、recession dating、对冲基金管理还是教授计量经济学,GAUSS 都能为您提供成功所需的工具。
GAUSS 对计量经济学家的好处
GAUSS 为计量经济分析提供了一个快速灵活的环境。无论您是执行普通的最小二乘回归还是开发尖端算法,GAUSS 都能提供切实的优势,包括:
- 超过 1000 个预先构建的统计和计量经济学函数。
- 轻量级和高效的分析引擎,旨在充分利用您的硬件并提供优化的计算速度。
- 直观的基于矩阵的编程语言,用于透明且易于理解的编程。
- 完全交互式环境,可加快从探索数据到分析结果的工作流程。
- 全面的文档和示例。
- 全面的数据支持,包括 CSV、Excel HDF5、SAS、Stata、文本分隔文件。
关系数据库支持包括 MySQL、PostgreSQL、SQLite、Microsoft SQL Server、Oracle、IBM DB2、HBase、Hive 和 MongoDB。
GAUSS与其他软件的兼容性
![](../../../pic/gauss/solution/economics/mysql_500.png)
GAUSS 旨在无缝集成到任何分析环境中:
- GAUSS 与 SAS、STATA、HDF5、CSV 和 Excel 数据集完全兼容。
- 高效地将强大的分析连接到任何内部或面向客户的数据源、应用程序或与 GAUSS 引擎的接口。
- 从其他软件平台迁移和集成时提供全面的技术支持。
在线留言
尊敬的客户朋友,如您有任何意见建议,请通过下表反馈给我们,我们会尽快与您联系。
|