关于statsmodels库RollingOLS滚动窗口使用的相关问题咨询
关于statsmodels RollingOLS滚动窗口逻辑的问题解答
问题1解答
你猜测的窗口包含61个观测值的情况不成立。window参数的取值就是单个滚动窗口实际包含的观测值数量,设置window=60时每个窗口仅会使用60个样本拟合。
结合官方给出的对齐规则:用t、t+1……t+window拟合的结果存储在t+window位置,对应第t行的拟合结果用到的窗口范围是[t-59, t],刚好60个观测值,没有多算1天的情况。
问题2解答
你的猜测错误。model.params中第t行对应的系数,是使用[t-59, t]区间的60个观测值拟合得到的OLS结果,前59行因样本量不足无法拟合,会返回缺失值。
问题3解答
要实现「用前100行拟合预测第101行、滑动窗口逐行向后预测」的需求,无需手动实现循环逻辑,仅需对RollingOLS输出的系数做偏移处理即可,步骤和示例代码如下:
实现逻辑
- 初始化RollingOLS时设置
window=100,此时得到的参数结果中第100行的系数,刚好对应第1到100行样本拟合的结果 - 将所有系数整体向下偏移1行,偏移后第101行位置的系数就对应第1到100行的拟合结果,以此类推
- 用偏移后的系数和对应行的自变量相乘求和,即可得到目标预测值
示例代码
import pandas as pd import statsmodels.api as sm from statsmodels.regression.rolling import RollingOLS # 替换为你的实际数据集 # 假设df包含因变量Y,自变量X1、X2、X3 endog = df['Y'] # 若不需要截距项可删除sm.add_constant() exog = sm.add_constant(df[['X1', 'X2', 'X3']]) # 拟合100窗口的滚动OLS roll_model = RollingOLS(endog, exog, window=100) roll_res = roll_model.fit() # 系数向下偏移1行,匹配预测逻辑 shifted_params = roll_res.params.shift(1) # 逐行计算预测值 df['y_pred'] = (exog * shifted_params).sum(axis=1)
内容的提问来源于stack exchange,提问作者Leoalan.Huang
相关产品推荐
相关产品推荐

