我希望创建一些代码,将超出样本预测的HAR-RV模型。在
模型本身的公式如下,BETA通过HAC-OLS或Newey West进行估算。在
其中,weekly和monthly是日平均值的5和22,但是如果您感兴趣,请阅读更多关于它的内容here。在
所以我在pandas数据帧中准备好了所有的数据和参数。在
我现在希望对移动窗口进行预测,这样我就可以获得一个时间序列,它将向我展示如何每周预测整个周期。在
所以我现在的问题是我真的不知道怎么写这样的东西。我真不知道该如何解释这个模型的预测。在
我已经看到了预测GARCH的非常直观的模型,但是我很难想出预测HARRV的正确方程,等等,编程时遇到麻烦。在
这就是我的成就。在
此代码:
Model = smf.ols(formula='RVFCAST ~ RV1 + RV5 + RV22', data = df).fit(use_correction=True)
mdl = Model.get_robustcov_results(cov_type='HAC', maxlags=1, use_correction=True)
#print(mdl.summary());
#print(pd.stats.ols.OLS(y=df['RVFCAST'], x=df[['RV1', 'RV5', 'RV22']], nw_lags=1))
actual = pd.DataFrame(0.0005 + 0.272 * df.RV1 + -0.0486 * df.RV5 + 0.7061 * df.RV22)
pred = pd.DataFrame(mdl.predict())
rw = pd.rolling_window(pred, window = 5, win_type = 'blackman')
如您所见,我使用了rolling_window
函数,我认为它应用了滚动窗口分析,而应用的数据/函数是“pred”,正如您所见,它是我以前HAC-OLS的OLS预测。在
但总而言之,我不知道我所做的是不是正确的,如果滚动窗口函数做了我想要它做的事情,所以我的问题是这是正确的还是只是胡说八道。在
目前没有回答
相关问题 更多 >
编程相关推荐