вопрос о функциях garchfit и garchpred (Матлаб, GARCH)

[Virgina]

Добрый день!
Помогите, пожалуйста, разобраться. Поставила себе задачу получить прогноз на horizon дней ряда данных цен р. Как я понимаю, прогноз должен содержаться в переменной meanForecast? Пробовала и цены, и доходности брать за основу, не получается никак. Может посоветуете книгу какую-нибудь, где доходчиво пошагово для начинающих (наверное слишком много хочу ), чтобы хоть немного полегче чем User's Guide.

Что же я делаю неверно при работе с функциями garchfit и garchpred? Ниже приведу мой код и результат. При попытке прогноза взяла (просто так) массив данных Y типа

Y = 3*SIN(X1*X2)+10, где X1=[-10; 10], X2=[10;-10]

А еще меня настораживает фраза матлаба при анализе этого ряда "Optimization terminated...", может быть нужно задать еще меньшее "TolCon", или опять таки я не учитываю какое-нибудь важное свойство ряда? Как можно выйти из этой ситуации?

Спасибо!

>> p=xlsread('datas','ppp','b1:b21');
>> dp=price2ret(p);
>> [coeff,errors,LLF,eFit,sFit]=garchfit(p);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
   Diagnostic Information 

Number of variables: 4

Functions 
 Objective:                            garchllfn
 Gradient:                             finite-differencing
 Hessian:                              finite-differencing (or Quasi-Newton)
 Nonlinear constraints:                armanlc
 Gradient of nonlinear constraints:    finite-differencing

Constraints
 Number of nonlinear inequality constraints: 0
 Number of nonlinear equality constraints:   0
 
 Number of linear inequality constraints:    1
 Number of linear equality constraints:      0
 Number of lower bound constraints:          4
 Number of upper bound constraints:          4

Algorithm selected
   medium-scale


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 End diagnostic information 


                               max                   Directional   First-order 
 Iter F-count        f(x)   constraint    Step-size   derivative   optimality Procedure 
    0      5      44.2644            0                                         
    1     14      44.2496      -0.0182       0.0625        0.455         4.87   
    2     21      44.2216     -0.03516         0.25        0.159        0.715   
    3     26      44.0414            0            1       -0.147        0.443   
    4     31      44.0411            0            1   -2.34e-005       0.0104   
    5     36      44.0411            0            1   -1.19e-006       0.0023  Hessian modified  
Optimization terminated: magnitude of directional derivative in search
 direction less than 2*options.TolFun and maximum constraint violation
  is less than options.TolCon.
Active inequalities (to within options.TolCon = 1e-007):
  lower      upper     ineqlin   ineqnonlin
    4          1                      
 
Boundary Constraints Active: Standard Errors May Be Inaccurate.
>> horizon=20;
>> [sigmaForecast,meanForecast,sigmaTotal,meanRMSE]=garchpred(coeff,p,horizon);
>> [sigmaForecast,meanForecast,sigmaTotal,meanRMSE]

ans =

    1.9780   10.5958    1.9780    1.9780
    1.9780   10.5958    2.7973    1.9780
    1.9780   10.5958    3.4260    1.9780
    1.9780   10.5958    3.9560    1.9780
    1.9780   10.5958    4.4229    1.9780
    1.9780   10.5958    4.8451    1.9780
    1.9780   10.5958    5.2333    1.9780
    1.9780   10.5958    5.5947    1.9780
    1.9781   10.5958    5.9341    1.9781
    1.9781   10.5958    6.2551    1.9781
    1.9781   10.5958    6.5604    1.9781
    1.9781   10.5958    6.8521    1.9781
    1.9781   10.5958    7.1319    1.9781
    1.9781   10.5958    7.4011    1.9781
    1.9781   10.5958    7.6609    1.9781
    1.9781   10.5958    7.9122    1.9781
    1.9781   10.5958    8.1557    1.9781
    1.9781   10.5958    8.3921    1.9781
    1.9781   10.5958    8.6221    1.9781
    1.9781   10.5958    8.8461    1.9781

>>