Python事件研究分析遇阻：无法将date作为自变量构建预测模型

原代码核心问题 #

1. 变量名错误：公式中使用了不存在的variable列，实际数据列名为units。
2. 日期类型不兼容：statsmodels公式接口无法直接处理datetime类型变量，需转换为数值型（如距起始日的天数）。
3. 切片与数据修改风险：未将date设为索引导致日期切片可能失效，直接修改切片后的DataFrame会触发SettingWithCopyWarning。
4. 预测数据缺失：调用m.predict()时未传入观测数据集，模型无法生成对应预测值。

修正后的完整代码 #

import pandas as pd
import numpy as np
import statsmodels.formula.api as smf
import seaborn as sns
import matplotlib.pyplot as plt

# 样本数据
units = [0.916301354, 0.483947819, 0.551258976, 0.147971439, 0.617461504, 0.957460424, 0.905076453, 0.274261518, 0.861609383, 0.285914819, 0.989686616, 0.86614591, 0.074250832, 0.209507105, 0.082518752, 0.215795111, 0.953852132, 0.768329343, 0.380686392, 0.623940323, 0.155944248, 0.495745862, 0.0845513, 0.519966471, 0.706618333, 0.872300766, 0.70769554, 0.760616731, 0.213847926, 0.703866155, 0.802862491, 0.52468101, 0.352283626, 0.128962646, 0.684358794, 0.360520106, 0.889978575, 0.035806225, 0.15459103, 0.227742501, 0.06248614, 0.903500165, 0.13851151, 0.664684486, 0.011042697, 0.86353796, 0.971852899, 0.487774978, 0.547767217, 0.153629408, 0.076994094, 0.230693561, 0.961345948]
begin_date = '2022-8-01'
df = pd.DataFrame({'date': pd.date_range(begin_date, periods=len(units)), 'units': units})

# 设置date为索引，方便日期切片
df = df.set_index('date')

# 创建估计数据集和观测数据集，避免SettingWithCopyWarning
est_data = df['2022-08-01':'2022-08-30'].copy()
obs_data = df['2022-09-01':'2022-09-14'].copy()

# 生成数值型时间变量：距起始日的天数
start_date = est_data.index.min()
est_data['days_since_start'] = (est_data.index - start_date).dt.days
obs_data['days_since_start'] = (obs_data.index - start_date).dt.days

# 拟合OLS模型：用days_since_start预测units
m = smf.ols('units ~ days_since_start', data=est_data).fit()

# 计算均值调整的异常收益（AR_mean）
mean_units = est_data['units'].mean()
obs_data['AR_mean'] = obs_data['units'] - mean_units

# 计算模型调整的异常收益（AR_risk）：传入obs_data生成预测值
obs_data['risk_pred'] = m.predict(obs_data)
obs_data['AR_risk'] = obs_data['units'] - obs_data['risk_pred']

# 可视化结果
sns.lineplot(x=obs_data.index, y=obs_data['AR_risk'])
plt.title('Model-Adjusted Abnormal Returns')
plt.xlabel('Date')
plt.ylabel('Abnormal Return')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

关键修改说明 #

• 日期处理：将date设为索引后，日期切片更可靠；新增days_since_start列，把datetime转换为整数天数，解决statsmodels无法直接处理日期的问题。
• 变量名修正：将公式中的variable改为实际列名units。
• 数据复制：用.copy()生成独立数据集，避免修改原数据时的警告。
• 预测逻辑：调用m.predict(obs_data)传入观测数据，确保模型能基于相同的自变量生成预测值。

内容的提问来源于stack exchange，提问作者josephbags