滚动拼图 windows for statsmodels RollingOLS

Question

我对 RollingOLS example page 中描述的 statsmodels RollingOLS 的滚动 windows 感到很困惑。它提到

Estimated values are aligned so that models estimated using data points t, (t+1), ..., (t + windows) are stored in location (t + windows).

我有一些问题：

Q1: 假设我们在第 t 行，如果我设置 RollingOLS(endog, exog, window=60)，它使用来自 [t - 60, t] 的数据估计模型（即（ t - 60), (t - 59), ..., t) 有 61 个观测值，对吗？但这是 61 天的 window。

Q2: 如果我们用model.params提取估计系数，第t行的系数是OLS使用[t - 60, t]数据的结果（即 (t - 60), (t - 59), ..., t），我说得对吗？

Q3:如果我在Q2中的猜测是正确的，我们如何解决提到的滚动问题？即

I want to run a rolling 100-day window OLS regression estimation, which is:

First for the 101st row, I run a regression of Y-X1,X2,X3 using the 1st to 100th rows, and estimate Y for the 101st row;

Then for the 102nd row, I run a regression of Y-X1,X2,X3 using the 2nd to 101st rows, and estimate Y for the 102nd row;

Then for the 103rd row, I run a regression of Y-X1,X2,X3 using the 2nd to 101st rows, and estimate Y for the 103rd row;

Until the last row.

Answer 1

示例中有一个小错字。当 window 为 n 时，计算的第一个值使用观测值 0,1,...,n-1 并出现在 res.params[n-1] 中。这就是应该如何 window 大小实际上是强制执行的。你可以在这里看到这个

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import pandas_datareader as pdr
import seaborn

import statsmodels.api as sm
from statsmodels.regression.rolling import RollingOLS

factors = pdr.get_data_famafrench("F-F_Research_Data_Factors", start="1-1-1926")[0]
industries = pdr.get_data_famafrench("10_Industry_Portfolios", start="1-1-1926")[0]

endog = industries.HiTec - factors.RF.values
exog = sm.add_constant(factors["Mkt-RF"])
rols = RollingOLS(endog, exog, window=60)
rres = rols.fit()
params = rres.params.copy()
params.index = np.arange(1, params.shape[0] + 1)
params.iloc[57:62]

请注意，此处的索引是 1、2、...，因此第一个位于位置 60，表示用于计算第一个估计值的 60 个观测值。

       const    Mkt-RF
58       NaN       NaN
59       NaN       NaN
60  0.876155  1.399240
61  0.879936  1.406578
62  0.953169  1.408826

要使用直至并包括任何点 t 的数据进行估算，请使用 res.params[t]。

`shift`

如果您希望观察值与“样本外”对齐，以便使用直到并包括观察值 t 的观察值的参数估计值与 t+1 对齐，您可以使用 shift

params.shift(1).iloc[57:62]

您看到之前为 60 的参数值现在为 61。

滚动拼图 windows for statsmodels RollingOLS

Puzzles with rolling windows for statsmodels RollingOLS

python

statsmodels

rolling-computation

`shift`