Instructions

1. This is an individual assignment.

2.  The maximum score is 25 points.

3. The presentation of your write-up is important.   poorly  formatted reports might lose up to 5 points.

4.  All numerical analysis, all tables and igures need to be done using SAS or SAS visual Analytics (however, you may use Excel or word etc. to make tables for regressions as the standard SAS output for regressions is not very nice).

5.  please retain your SAS code and make sure that it is user-friendly (use com- ments where necessary).  using your submitted code, one should be able to produce all your results, tables, and igures.

6.  please retain a copy of the problem set that is submitted.

7. You should submit 3 iles (feel free to combine them into a single ile):

.  ‘Assignment cover Sheet,, which must be signed (electronic signature is okay) and dated

. a presentation slides (in pdf, ppt, or pptx format) for Task 1.

.  a report  (in  doc,  docx,  or  pdf format) for Tasks  2 and 3;  the  report should be properly formatted and be similar to a business report; font: 12 pt Times New Roman; maximum number of pages:  10 (no penalty for exceeding this limit); at the end of the report (in the appendix) include your SAS code.

8.  Lecturer can refuse to  accept assignments, which do not have a signed ac- knowledgment of the university,s policy on plagiarism.

9.  Any suspected plagiarism will be severely punished.  This includes any student that submits copied work or any student that allows their work to be copied.

10. You must acknowledge any external material you use in your answers, e.g., material from websites, textbooks, academic journals and newspaper articles.

11.  All queries (including deadline extensions) for this project should be directed to Lecturer.

12.  The submission deadline for the problem set is 6pm, Friday the 25th of August, 2023.

13.  The submission must be done through Myuni.

14.  Late submission will be penalized 2.5 points per day.

1   Residential property analysis (8 points)

This task needs to be done using SAS Visual Analytics (via SAS Viya for Learners) platform. Assume that you are a real estate analyst.  Your goal is to analyze the re- cent sales of residential property in Melbourne and create a presentation slides (e.g., using MS PowerPoint). using the dataset ‘Housing.sas7bdat,, create various igures and tables (around 6 objects) that summarize the sample (i.e., perform descriptive statistics). Briely describe your results.

Then estimate an OLS regression model where the dependent variable is the natural logarithm of sale price (you might need to generate this variable).  In the presentation slides, motivate your choice of the independent variables, present and discuss the results.

2   sample and description statistics (8 points)

This task needs to be done using SAS onDemand for Academics. Assume that you are a bond analyst and you have been asked to focus on the U.S. corporate bond market.  You have been provided 2 iles with the bond data (,Sample —a.csv, and ,Sample —b.csv,). First, you should prepare your data for the analysis:

. remove duplicates

.  merge the iles using‘bond —id, variable

.  remove observations with missing values of any variable

.  check for outliers and take necessary actions to deal with them

.  remove bonds not denominated in US dollars (i.e., your sample should include bonds which currency is US dollar)

.  remove putable bonds from the sample

.  remove convertible bonds from the sample.

Then create the following variables:

1. years to maturity:

. SAS code: maturity2=（maturity-today（))/365;

2.  amount outstanding in billions of USD (amount2)

3.  a natural logarithm of amount outstanding (ln-amount)

4.  a dummy if a bond is callable

5.  a dummy if‘seniority, is ‘Senior Unsecured,

6. the following dummy variables:

. aaa —d=1 if credit rating is Aaa; SAS code:

aaa-d=0;

if Moodys-cred-rat="Aaa" then aaa-d=1;

. aa —d=1 if credit rating is Aa1, Aa2, Aa3; SAS code:

aa-d=0;

if Moodys-cred-rat  in （"Aa1"  "Aa2"  "Aa3")  then  aa-d=1;

. a —d=1 if credit rating is A1, A2, A3

. baa —d=1 if credit rating is Baa1, Baa2, Baa3

. ba —d=1 if credit rating is Ba1, Ba2, Ba3

. b —d=1 if credit rating is B1, B2, B3

.  c —d=1 for all other values of‘Moodys —cred —rat,.

Discuss briely your sample, including the number of observations, outliers.  pro- vide the descriptive statistics of the sample.  How you choose to do this is entirely at your discretion. However, it is recommended that you consider using both summary statistic and graphical methods (this task should include at least one properly for- matted table, one pie chart, one histogram, and one scatter plot) while also noting any peculiarities within the data set.  You should put more emphasis on variables that are the dependent variables in the regressions estimated in the next task.

3   Estimating yield for a hypothetical bond (9 points)

This task needs to be done using SAS onDemand for Academics. You need to esti- mate the yield for a bond with the following characteristics:

. maturity: 10 years

. coupon: 2.5%

.  amount outstanding: $750,000,000

. seniority: senior unsecured

.  Moody,s (Issue) credit rating (‘Moodys —cred —rat,): Aa2

. sector: Electronics

. callable: yes

. market of issue: global.