使用arch包EGARCH(1,1)预测日度波动率出现内存错误如何解决

内存溢出原因 #

• arch包forecast方法默认会为拟合样本内的每一个时间点都生成长度等于horizon的预测结果，而你只需要拟合结束节点（2015-01-04）的未来预测，多余的历史预测占用了大量内存
• simulation方法默认使用1000条模拟路径，长预测周期下生成的三维数组占用内存过高，且EGARCH模型有解析预测解，无需使用模拟方法

修改后的代码 #

只需要替换原预测部分的代码即可：

# 计算目标区间长度
horizon = len(df.loc['01-04-2015' : ])
# 仅保留最后一个拟合时间点的预测结果，使用解析方法完成预测，reindex=False大幅降低内存占用
forecast_result = fitted_EGARCH.forecast(horizon=horizon, reindex=False)
# 提取条件方差开平方得到波动率，绑定目标区间日期生成所需Series
target_date_index = df.loc['01-04-2015':].index
volatility_FORECASTED = pd.Series(np.sqrt(forecast_result.variance.iloc[-1].values), index=target_date_index)

可选调整说明 #

如果必须使用模拟方法做预测，可通过降低模拟次数减少内存占用，示例如下：

# 模拟次数从默认1000降到200，内存占用直接降到原来的1/5
forecast_result = fitted_EGARCH.forecast(horizon=horizon, method='simulation', simulations=200, reindex=False)

最终输出的volatility_FORECASTED就是符合要求的pandas.Series类型结果，索引为2015-01-04到2018-12-06的日期，值为对应日期的日度波动率。如果需要年化波动率，可将结果乘以np.sqrt(252)即可。

内容的提问来源于stack exchange，提问作者Shayan