Question

我有一个包含两个系列的DataFrame，我知道如何使用所有数据点进行协整......

import pandas as pd
import numpy as np
import statsmodels.tsa.stattools as ts

A = pd.Series(np.cumsum(np.random.normal(size=100)) + 50)
B = pd.Series(A + 5 + np.random.normal(size=100))

ts.coint(A, B)

但是，我想通过使用滚动窗口（让我们说60天）来探索这种协整是如何随着时间的推移而发生变化的。如何使用statsmodels和pandas的组合实现这一目标？

提前致谢！

Answer 1

你可以通过首先创建一个数据帧，分配一个整数位置系列，然后使用pandas rolling函数和lambda函数来实现这一点，该函数提取ts.coint返回的第一个元素。

所以我们修改你的代码：

import pandas as pd
import numpy as np
import statsmodels.tsa.stattools as ts

A = pd.Series(np.cumsum(np.random.normal(size=1000)) + 50, name='A')
B = pd.Series(A + 5 + np.random.normal(size=1000), name='B')

df = pd.concat([A, B], axis=1)
df['ii'] = range(len(df))

df['ii'].rolling(100).apply(lambda ii: ts.coint(df.loc[ii, 'A'], df.loc[ii, 'B'])[0])

为了说明这一点，我将系列的大小增加到1000，并将滚动窗口设置为100（但您可以使用rolling中的选项。）

使用熊猫滚动statsmodels协整

1 个答案: