从pandas 到Statsmodels的OLS中不推荐使用的滚动窗口选项

从pandas 到Statsmodels的OLS中不推荐使用的滚动窗口选项

我创建了一个

ols

模块来模拟熊猫的不赞成使用的模块

MovingOLS

；它是在这里。

它具有三个核心类：

• OLS

  ：静态（单窗口）普通最小二乘回归。输出是NumPy数组

• RollingOLS

  ：滚动（多窗口）普通最小二乘回归。输出是高维NumPy数组。

• PandasRollingOLS

  ：将

  RollingOLS

  pandas Series＆Dataframes的结果包装起来。旨在模仿已弃用的熊猫模块的外观。

请注意，该模块是包的一部分（我目前正在上传到PyPi中），它需要一次包间导入。

上面的前两类完全在NumPy中实现，主要使用矩阵代数。

RollingOLS

还充分利用广播的优势。属性主要模仿statsmodels的OLS

RegressionResultsWrapper

。

一个例子：

import urllib.parseimport pandas as pdfrom pyfinance.ols import PandasRollingOLS# You can also do this with pandas-datareader; here's the hard wayurl = "https://fred.stlouisfed.org/graph/fredgraph.csv"syms = {    "TWEXBMTH" : "usd",     "T10Y2YM" : "term_spread",     "GOLDAMGBD228NLBM" : "gold",}params = {    "fq": "Monthly,Monthly,Monthly",    "id": ",".join(syms.keys()),    "cosd": "2000-01-01",    "coed": "2019-02-01",}data = pd.read_csv(    url + "?" + urllib.parse.urlenpre(params, safe=","),    na_values={"."},    parse_dates=["DATE"],    index_col=0).pct_change().dropna().rename(columns=syms)print(data.head())#       usd  term_spread      gold# DATE      # 2000-02-01  0.012580    -1.409091  0.057152# 2000-03-01 -0.000113     2.000000 -0.047034# 2000-04-01  0.005634     0.518519 -0.023520# 2000-05-01  0.022017    -0.097561 -0.016675# 2000-06-01 -0.010116     0.027027  0.036599y = data.usdx = data.drop('usd', axis=1)window = 12  # monthsmodel = PandasRollingOLS(y=y, x=x, window=window)print(model.beta.head())  # Coefficients excluding the intercept#  term_spread      gold# DATE       # 2001-01-01     0.000033 -0.054261# 2001-02-01     0.000277 -0.188556# 2001-03-01     0.002432 -0.294865# 2001-04-01     0.002796 -0.334880# 2001-05-01     0.002448 -0.241902print(model.fstat.head())# DATE# 2001-01-01    0.136991# 2001-02-01    1.233794# 2001-03-01    3.053000# 2001-04-01    3.997486# 2001-05-01    3.855118# Name: fstat, dtype: float64print(model.rsq.head())  # R-squared# DATE# 2001-01-01    0.029543# 2001-02-01    0.215179# 2001-03-01    0.404210# 2001-04-01    0.470432# 2001-05-01    0.461408# Name: rsq, dtype: float64