基于Python的移动窗口预测

Question

我希望创建一些代码，将超出样本预测的HAR-RV模型。在

模型本身的公式如下，BETA通过HAC-OLS或Newey West进行估算。在

其中，weekly和monthly是日平均值的5和22，但是如果您感兴趣，请阅读更多关于它的内容here。在

所以我在pandas数据帧中准备好了所有的数据和参数。在

我现在希望对移动窗口进行预测，这样我就可以获得一个时间序列，它将向我展示如何每周预测整个周期。在

所以我现在的问题是我真的不知道怎么写这样的东西。我真不知道该如何解释这个模型的预测。在

我已经看到了预测GARCH的非常直观的模型，但是我很难想出预测HARRV的正确方程，等等，编程时遇到麻烦。在

这就是我的成就。在

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')

如您所见，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“pred”，正如您所见，它是我以前HAC-OLS的OLS预测。在

但总而言之，我不知道我所做的是不是正确的，如果滚动窗口函数做了我想要它做的事情，所以我的问题是这是正确的还是只是胡说八道。在