Comparer les résultats de prévision
Différentes approches à fenêtre roulante peuvent produire des résultats de prévision différents. Dans cet exercice, examinons cela de plus près en comparant ces résultats.
Vous utiliserez d'abord un modèle GARCH pour prévoir la volatilité des rendements du Bitcoin avec, respectivement, une fenêtre évolutive (expanding window) et une fenêtre roulante de taille fixe. Ensuite, vous tracerez les deux séries de prévisions ensemble pour visualiser la différence.
L'ensemble de données sur le Bitcoin est préchargé dans bitcoin_data. N'hésitez pas à explorer ses colonnes 'Close' et 'Return'. La prévision de variance générée avec une fenêtre évolutive est enregistrée dans variance_expandwin, et celle issue d'une fenêtre roulante fixe dans variance_fixedwin.
Cette activité fait partie du cours
Modèles GARCH en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Print top 5 rows of variance forecast with an expanding window
print(____.____())
# Print top 5 rows of variance forecast with a fixed rolling window
print(____.____())