GARCH 滾動視窗預測

Python 中的 GARCH 模型

Chelsea Yang

Data Science Instructor

樣本外預測的滾動視窗

財務建模的精彩之處： 預測未知

預測藝術

滾動視窗預測： 隨著時間推進，重複配適模型並進行預測

滾動

Python 中的 GARCH 模型

擴張視窗預測

持續將新資料點加入樣本

擴張視窗預測

Python 中的 GARCH 模型

使用滾動視窗預測的動機

  • 避免回溯偏誤
  • 降低過度擬合風險
  • 讓預測能隨新觀測調整
Python 中的 GARCH 模型

實作擴張視窗預測

擴張視窗預測：

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 中的 GARCH 模型

固定滾動視窗預測

加入新資料點，同時移除舊資料點

固定滾動視窗預測

Python 中的 GARCH 模型

實作固定滾動視窗預測

固定滾動視窗預測：

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 中的 GARCH 模型

如何決定視窗大小

通常需視情況決定

  • 視窗太大：納入過時資料，可能提高變異數

  • 視窗太小：排除相關資料，可能提高偏誤

最佳視窗大小：在偏誤與變異數間取捨

取捨示意圖

Python 中的 GARCH 模型

一起來練習吧！

Python 中的 GARCH 模型

Preparing Video For Download...