该代码采用多个返回向量并生成协方差 martix。 它有 4 个不同的 GRACH 模型，它使用 AIC/BIC 测试为每个系列选择最合适的模型。 输入： X：NxM M系列的长度N的回报NumFac：CPA 过程中使用的因子数量。 如果 NumFac<1，方差的百分比将用于确定因子的数量滞后：协方差预测的滞后
Samp：用于计算矩阵的上一期的期数
输出： Cov：协方差矩阵corr：相关矩阵Cov：预测协方差PCorr：预测相关性PRt：预测回报PRterr：预测返回错误NumFac：PCA 中使用的因子数COEFF：是一个 P×P 矩阵，每列包含系数对于一个主成分。 SCORE：对应于观察，列对应于组件。 ev：X 的协方差矩阵的特征值，在潜。
示例：P是具有N个期间和M个资产的价格的NxM矩阵。
Rt=tick2ret(P); [Cov Corr PCov PCorr PRt
