使用Python移动窗口预测

Question

我希望创建一些代码预测HAR-RV模型的代码。

模型本身的表述如下，贝塔值是通过HAC-OLS或Newey-West估算的。

每周和每月的每日平均房价是每日房价的5和22，但如果您有兴趣了解更多信息here。

所以我在pandas数据帧中准备好了所有数据和参数。

我现在希望预测移动窗户，以便我可以获得一个时间序列，向我展示如何每周预测整个时间段。

所以我现在的问题是我真的不知道如何写这样的东西。我真的不知道如何解释这个模型的预测。

我已经看到了用于预测GARCH的非常直观的模型，但是我很难想出用于预测HARRV的正确方程，以及编程它的麻烦。

这就是我所取得的成就。

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')

如你所见，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＆＃34; pred＆＃34;正如您所看到的，这是我以前的HAC-OLS的OLS预测。

但总而言之，我不知道我所做的事情是否正确，如果rolling_window函数完成我想要它做的事情，那么我的问题是这是否正确或只是gobbledygook。