GARCH रोलिंग विंडो फोरकास्ट

Python में GARCH मॉडल

Chelsea Yang

Data Science Instructor

आउट-ऑफ-सेम्पल फोरकास्ट के लिए रोलिंग विंडो

फाइनैंशियल मॉडलिंग का रोमांचक हिस्सा: अज्ञात का अनुमान लगाएँ

भविष्यवाणी कला

रोलिंग विंडो फोरकास्ट: समय आगे बढ़ते ही बार-बार मॉडल फिट करें और फोरकास्ट चलाएँ

रोलिंग

एक्सपैंडिंग विंडो फोरकास्ट

नए डेटा पॉइंट लगातार सेम्पल में जोड़ें

एक्सपैंडिंग विंडो फोरकास्ट

रोलिंग विंडो फोरकास्ट क्यों करें

लुकबैक बायस से बचें
ओवरफिटिंग की संभावना कम
नए ऑब्जर्वेशन के अनुसार फोरकास्ट एडाप्ट करें

एक्सपैंडिंग विंडो फोरकास्ट लागू करें

एक्सपैंडिंग विंडो फोरकास्ट:

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

फिक्स्ड रोलिंग विंडो फोरकास्ट

नए डेटा पॉइंट जोड़ते हैं, जबकि पुराने सेम्पल से हटाते हैं

फिक्स्ड रोलिंग विंडो फोरकास्ट

फिक्स्ड रोलिंग विंडो फोरकास्ट लागू करें

फिक्स्ड रोलिंग विंडो फोरकास्ट:

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

विंडो साइज़ कैसे तय करें

आमतौर पर केस-बाय-केस तय होता है

बहुत बड़ी विंडो: पुराना डेटा शामिल होगा, वैरिएंस बढ़ सकता है
बहुत छोटी विंडो: प्रासंगिक डेटा छूट सकता है, बायस बढ़ सकता है

सर्वोत्तम विंडो साइज़: बायस-वैरिएंस बैलेंस का ट्रेड-ऑफ

बैलेंसिंग चित्रण कला

अभ्यास करते हैं!

Python में GARCH मॉडल