滚动窗前舱

Question

我想用宏观经济基本面来预测汇率，用Python中的时间序列数据进行样本外预测。在

为了评估预测的准确性，我想应用滚动窗口回归，即每个滚动窗口的连续观察数。 因变量是欧元/美元汇率，我的（第一个）解释变量是美国和欧洲之间的利率差异。时间跨度为1999年1月至2019年1月。在

理论上，首先选择窗口大小，然后选择预测范围，然后用RMSE对模型进行评价。在

但我不太确定如何在Python中设置滚动回归。在

我在不推荐的stats/ols模块中使用MovingOLS很困难。 所以，我下载了包含滚动回归的Pyfinance包。在

但是我怎么能把这里的预测期改为3个月呢？是否有其他方法/方案来解决这个问题？在

以下是关于Pyfinance包的代码：

rolling = ols.PandasRollingOLS(y=y, x=X, window=228,) #window size equal to the length of my training set

rolling.beta.head()

rolling.ms_err.head()
rolling.ms_err

Answer 1

如果你的目标和预测变量是熊猫系列或者熊猫.DataFrame对象：

model = pd.stats.ols.MovingOLS(y=y, x=x, window_type='rolling', window=90)
prediction = model.y_predict

将window参数更改为天数（假设您的数据是每天的）

Edit:pd.stats实际上已经在pandas的新版本中被弃用了，这应该可以通过pandas.rolling_apply来实现，不管你使用的是哪个OLS回归函数：

http://pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.rolling_apply.html