Previsão GARCH com janela móvel

Modelos GARCH em Python

Chelsea Yang

Data Science Instructor

Janela móvel para previsão fora da amostra

Uma parte empolgante da modelagem financeira: prever o desconhecido

Arte de previsão

Janela móvel: ajustar o modelo e prever repetidamente conforme o tempo avança

Janela móvel

Modelos GARCH em Python

Previsão com janela expansiva

Adicionar continuamente novos pontos de dados à amostra

Previsão com janela expansiva

Modelos GARCH em Python

Motivações da janela móvel

  • Evitar viés de retrospecto
  • Menos sujeito a overfitting
  • Adaptar previsões a novas observações
Modelos GARCH em Python

Implementar janela expansiva

Previsão com janela expansiva:

for i in range(120):
    gm_result = basic_gm.fit(first_obs = start_loc, 
                             last_obs = i + end_loc, disp = 'off')
    temp_result = gm_result.forecast(horizon = 1).variance
Modelos GARCH em Python

Previsão com janela móvel fixa

Novos pontos entram e os antigos são removidos da amostra

Previsão com janela móvel fixa

Modelos GARCH em Python

Implementar janela móvel fixa

Janela móvel fixa:

for i in range(120):
    # Specify rolling window range for model fitting
    gm_result = basic_gm.fit(first_obs = i + start_loc, 
                             last_obs = i + end_loc, disp = 'off')
    temp_result = gm_result.forecast(horizon = 1).variance
Modelos GARCH em Python

Como definir o tamanho da janela

Geralmente definida caso a caso

  • Janela muito ampla: inclui dados obsoletos e pode aumentar a variância

  • Janela muito estreita: exclui dados relevantes e pode aumentar o viés

Tamanho ótimo da janela: equilíbrio entre viés e variância

Ilustração de equilíbrio

Modelos GARCH em Python

Vamos praticar!

Modelos GARCH em Python

Preparing Video For Download...