Dự báo cửa sổ trượt GARCH

Mô hình GARCH với Python

Chelsea Yang

Data Science Instructor

Cửa sổ trượt cho dự báo ngoài mẫu

Phần hấp dẫn của mô hình tài chính: dự đoán điều chưa biết

Nghệ thuật dự đoán

Cửa sổ trượt: lặp lại việc ước lượng mô hình và dự báo khi thời gian tiến dần

Trượt

Mô hình GARCH với Python

Dự báo cửa sổ mở rộng

Liên tục thêm điểm dữ liệu mới vào mẫu

Dự báo cửa sổ mở rộng

Mô hình GARCH với Python

Lý do dùng cửa sổ trượt

  • Tránh thiên lệch nhìn lại quá khứ
  • Ít bị quá khớp hơn
  • Thích ứng dự báo với quan sát mới
Mô hình GARCH với Python

Triển khai cửa sổ mở rộng

Dự báo cửa sổ mở rộng:

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
Mô hình GARCH với Python

Dự báo cửa sổ trượt cố định

Thêm điểm dữ liệu mới và loại bỏ điểm cũ khỏi mẫu

Dự báo cửa sổ trượt cố định

Mô hình GARCH với Python

Triển khai cửa sổ trượt cố định

Dự báo cửa sổ trượt cố định:

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
Mô hình GARCH với Python

Cách chọn cỡ cửa sổ

Thường quyết định theo từng trường hợp

  • Cửa sổ quá rộng: gồm dữ liệu lỗi thời, làm tăng phương sai

  • Cửa sổ quá hẹp: bỏ sót dữ liệu liên quan, làm tăng độ chệch

Cỡ cửa sổ tối ưu: đánh đổi giữa độ chệch và phương sai

Minh họa cân bằng

Mô hình GARCH với Python

Let's practice!

Mô hình GARCH với Python

Preparing Video For Download...