Porównanie wyników prognoz
Różne podejścia do okna kroczącego mogą generować różne wyniki prognoz. W tym ćwiczeniu przyjrzysz się im bliżej, porównując te wyniki.
Najpierw użyjesz modelu GARCH do prognozowania zmienności zwrotów Bitcoina – raz z rozszerzającym się oknem, a raz z oknem kroczącym o stałej szerokości. Następnie naniesiesz oba wyniki na jeden wykres, aby zwizualizować różnicę.
Zbiór danych dotyczących Bitcoina jest wstępnie załadowany jako bitcoin_data – możesz swobodnie przeglądać jego kolumny 'Close' i 'Return'. Prognoza wariancji uzyskana metodą rozszerzającego się okna jest zapisana w variance_expandwin, natomiast prognoza uzyskana metodą okna kroczącego o stałej szerokości – w variance_fixedwin.
To ćwiczenie jest częścią kursu
Modele GARCH w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(____.____())