Python 如何从statsmodel中的滚动回归模块进行预测？

我有两个时间序列

（x\t，y\t）

，我想执行滚动线性回归。我认为问题在于：

• 给定一个窗口大小

  w

  ，根据时间窗口内

  x

  的线性组合（t-w，…，t，…，t+w）计算

  y

  时间

  t

  。也就是说，

  y\u t=sum{i=t-w}{t+w}b\u i x{i}+b\u 0，

因此，我想使用我的数据拟合常数

b_I

statsmodels.regression.rolling.RollingOLS

是这样做的正确包吗？ 问题是，它只给我沿同一时间轴的预测值和参数，即每个

t

的

y\u hat\u i

和

b\u i

。相反，我希望有一小部分

b

，我可以在其他时间

t

将其用于

x

数据

---

是的，这是正确的包装。然而，回归系数会有很大的变化，但是你可以通过（系数的）移动平均数来平滑它们，然后从移动平均数中取样。

是的，这是正确的数据包。然而，回归系数会有很大的变化，但是您可以通过（系数的）移动平均值，然后从移动平均值中取样来平滑它们。

如何获得拟合参数？它们似乎是时间的长度，而不是窗口的长度……它们应该是。当你做一个回归，你会得到两个参数，不管有多少数据。有趣的是，我想要的方程是不同的？请看我在问题中的第一个要点。比如说，我设置w=5，我有11个

x

样本，这是12个参数（

b

），我如何得到拟合的参数？它们似乎是时间的长度，而不是窗口的长度……它们应该是。当你做一个回归，你会得到两个参数，不管有多少数据。有趣的是，我想要的方程是不同的？请看我在问题中的第一个要点。比如说，我设置了w=5，我有11个

x

样本，这是12个参数（

b

），最好一次只回答一个问题，并提供到目前为止编写的代码。通过这种方式，社区可以看到您所付出的努力，并引导您朝着正确的方向前进。如果您每次只回答一个问题，并提供您迄今为止所编写的代码，这会更好。通过这种方式，社区可以看到您所付出的努力，并引导您朝着正确的方向前进。