การพยากรณ์ด้วย Fixed Rolling Window

การพยากรณ์แบบ Rolling Window เป็นที่นิยมอย่างมากในการสร้างโมเดลอนุกรมเวลาทางการเงิน ในแบบฝึกหัดนี้ จะได้ฝึกนำโมเดล GARCH มาพยากรณ์โดยใช้ Fixed Rolling Window

เริ่มต้นด้วยการกำหนดขนาด Window ภายใน .fit() แล้วพยากรณ์ด้วย for-loop เนื่องจากขนาด Window คงที่ ทั้งจุดเริ่มต้นและจุดสิ้นสุดจะเลื่อนไปทีละหนึ่งหลังจากแต่ละรอบ

ข้อมูล Return ของ S&P 500 ถูกโหลดไว้ล่วงหน้าในชื่อ sp_data และโมเดล GARCH(1,1) ได้ถูกกำหนดไว้ล่วงหน้าในตัวแปร basic_gm ส่วนจุดเริ่มต้นและจุดสิ้นสุดของ Window เริ่มต้นถูกกำหนดไว้ล่วงหน้าในตัวแปร start_loc และ end_loc ตามลำดับ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

GARCH Models ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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)

แก้ไขและรันโค้ด