Previsione GARCH con finestra mobile

Modelli GARCH in Python

Chelsea Yang

Data Science Instructor

Finestra mobile per previsioni out-of-sample

Una parte entusiasmante della modellazione finanziaria: prevedere l'ignoto

Arte della previsione

Finestra mobile: ripeti il fitting del modello e la previsione man mano che il tempo avanza

Scorrimento

Finestra espandibile

Aggiungi continuamente nuovi punti dati al campione

Previsione con finestra espandibile

Perché usare la finestra mobile

Evita il lookback bias
Meno soggetta a overfitting
Adatta la previsione a nuove osservazioni

Implementare finestra espandibile

Finestra espandibile:

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

Finestra mobile fissa

Si aggiungono nuovi dati e si eliminano i vecchi dal campione

Previsione con finestra mobile fissa

Implementare finestra mobile fissa

Finestra mobile fissa:

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

Come scegliere la dimensione della finestra

Di solito si decide caso per caso

Finestra troppo ampia: include dati obsoleti → maggiore varianza
Finestra troppo stretta: esclude dati rilevanti → maggiore bias

Dimensione ottimale: compromesso tra bias e varianza

Illustrazione dell'equilibrio

Ayo berlatih!

Modelli GARCH in Python