Prognose mit festem Rolling Window
Rolling-Window-Prognosen sind im Finanz-Zeitreihenmodellieren sehr beliebt. In dieser Übung übst du, wie du GARCH-Modellprognosen mit einem festen Rolling Window umsetzt.
Definiere zuerst die Fenstergröße in .fit() und führe die Prognose mit einer for-Schleife aus. Beachte: Da die Fenstergröße fix bleibt, werden nach jeder Iteration sowohl Start- als auch Endpunkt weitergeschoben.
Die Renditereihe des S&P 500 ist als sp_data vorab geladen, und ein GARCH(1,1)-Modell ist in basic_gm vordefiniert. Die Start- und Endpunkte des initialen Stichprobenfensters sind in start_loc bzw. end_loc vorgegeben.
Diese Übung ist Teil des Kurses
<Kurs>GARCH-Modelle in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
for i in range(30):
# Specify fixed rolling window size for model fitting
gm_result = basic_gm.fit(first_obs = i + ____,
last_obs = i + ____, update_freq = 5)