GARCHのローリングウィンドウ予測

Pythonで学ぶGARCHモデル

Chelsea Yang

Data Science Instructor

サンプル外予測のためのローリングウィンドウ

ファイナンス・モデリングの魅力的な要素: 未知を予測する

予測のイラスト

ローリングウィンドウ予測: 時間の推移に合わせて、学習と予測を繰り返す

ローリング

Pythonで学ぶGARCHモデル

拡張ウィンドウ予測

サンプルに新しいデータを継続的に追加

拡張ウィンドウ予測

Pythonで学ぶGARCHモデル

ローリングウィンドウ予測の動機

  • ルックバック・バイアスを回避
  • 過学習の影響が小さい
  • 新しい観測に適応
Pythonで学ぶGARCHモデル

拡張ウィンドウ予測の実装

拡張ウィンドウ予測:

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
Pythonで学ぶGARCHモデル

固定幅ローリングウィンドウ予測

新しいデータを追加し、古いデータをサンプルから除外

固定幅ローリングウィンドウ予測

Pythonで学ぶGARCHモデル

固定幅ローリングウィンドウ予測の実装

固定幅ローリングウィンドウ予測:

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
Pythonで学ぶGARCHモデル

ウィンドウ幅の決め方

事例ごとに決めるのが一般的

  • ウィンドウが広すぎる: 古いデータを含み分散が大きくなる可能性

  • ウィンドウが狭すぎる: 有用なデータを除きバイアスが大きくなる可能性

最適なウィンドウ幅: バイアスと分散のトレードオフ

バランスの図

Pythonで学ぶGARCHモデル

演習に進みましょう！

Pythonで学ぶGARCHモデル

Preparing Video For Download...