python中的滚动窗口预测

几天前我问了这个问题，但没有得到任何回应。所以我决定自己手动做滚动窗口。我对回归预测的掌握有限，这有点阻碍了我的进步

但我想做的是根据时间t-255（周期开始）之前的可用信息预测n天，然后根据时间t-255+n（周期结束）的信息进行另一个n天的预测，例如，如果n=5，窗口应产生255到250的预测，下一个窗口是250到245，以此类推

from harrv import mdl, df
import scipy as sp
import pandas as pd
import numpy as np

b0, b1, b2, b3 = mdl.params[0], mdl.params[1], mdl.params[2], mdl.params[3]
rv1, rv5, rv22, mu = df.RV1, df.RV5, df.RV22, b0
walk = sp.stats.invgauss.rvs(mu, size = len(rv1))
pre, p = [], []

def window(seq, n):
    """
    seq -> the sequence over which prediction should be performed

    a rolling window function to calculate n-step ahead prediction"""
    for i in reversed(xrange(0, len(seq))):
        for j in range(1, n):
            pre = b0 + rv1[i] * b1**j + rv5[i] * b2**j + rv22[i] * b3**j + walk[i]           
            p.append(pre)
            i = i + n

    return p

其中mdl是我的HAC-OLS估计的HAR-RV模型，参数为params，我不希望随机噪声有太大的影响，所以我将其MU设置为截距，截距非常小。 我不确定我现在是否正在做，更紧迫的是，我不能选择n大于2的值，因为当我这样做时，这显示：

predi = window(rv1, 4)
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-480-bbee880e0682> in <module>()
----> 1 predi = window(rv1, 4)

/Users/NiklasLindeke/Python/window_analysis.py in window(seq, n)
     17     for i in reversed(xrange(0, len(seq))):
     18         for j in range(1, n):
---> 19             pre = b0 + rv1[i] * b1**j + rv5[i] * b2**j + rv22[i] * b3**j + walk[i]
     20             p.append(pre)
     21             i = i + n

/Users/NiklasLindeke/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/pandas/core/series.pyc in __getitem__(self, key)
    512     def __getitem__(self, key):
    513         try:
--> 514             result = self.index.get_value(self, key)
    515 
    516             if not np.isscalar(result):

/Users/NiklasLindeke/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/pandas/core/index.pyc in get_value(self, series, key)
   1458 
   1459         try:
-> 1460             return self._engine.get_value(s, k)
   1461         except KeyError as e1:
   1462             if len(self) > 0 and self.inferred_type in ['integer','boolean']:

/Users/NiklasLindeke/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/pandas/index.so in pandas.index.IndexEngine.get_value (pandas/index.c:3113)()

/Users/NiklasLindeke/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/pandas/index.so in pandas.index.IndexEngine.get_value (pandas/index.c:2844)()

/Users/NiklasLindeke/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/pandas/index.so in pandas.index.IndexEngine.get_loc (pandas/index.c:3704)()

/Users/NiklasLindeke/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/pandas/hashtable.so in pandas.hashtable.Int64HashTable.get_item (pandas/hashtable.c:7255)()

/Users/NiklasLindeke/Library/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/pandas/hashtable.so in pandas.hashtable.Int64HashTable.get_item (pandas/hashtable.c:7193)()

KeyError: 259

predi=窗口（rv1，4）
---------------------------------------------------------------------------
KeyError回溯（最近一次呼叫最后一次）
在（）
---->1 predi=窗口（rv1，4）
/窗口中的Users/NiklasLindeke/Python/window_analysis.py（seq，n）
17对于反向中的i（X范围（0，长度（顺序））：
对于范围（1，n）内的j为18：
--->19 pre=b0+rv1[i]*b1**j+rv5[i]*b2**j+rv22[i]*b3**j+walk[i]
下午20:00（预科）
21 i=i+n
/Users/NiklasLindeke/Library/enthught/Canopy_64bit/User/lib/python2.7/site-packages/pandas/core/series.pyc in uuuuuu getitem（self，key）
512 def_uuugetItem_uuuuu（自身，密钥）：
513尝试：
-->514结果=self.index.get_值（self，key）
515
516如果不是np.isscalar（结果）：
/Users/NiklasLindeke/Library/enthught/Canopy_64bit/User/lib/python2.7/site-packages/pandas/core/index.pyc in get_value（self、series、key）
1458
1459尝试：
->1460返回自引擎。获取值（s，k）
1461除键错误为e1外：
1462如果len（self）>0且self.u键入['integer'，'boolean']：
/Users/NiklasLindeke/Library/enthund/Canopy_64bit/User/lib/python2.7/site-packages/pandas/index.so in pandas.index.IndexEngine.get_value（pandas/index.c:3113）（）
/用户/NiklasLindeke/Library/enthund/Canopy_64bit/User/lib/python2.7/site-packages/pandas/index.so in pandas.index.IndexEngine.get_value（pandas/index.c:2844）（）
/在pandas.index.IndexEngine.get_loc（pandas/index.c:3704）（）中的Users/NiklasLindeke/Library/enthund/Canopy_64bit/User/lib/python2.7/site-packages/pandas/index.so
/在pandas.hashtable.Int64HashTable.get_项（pandas/hashtable.c:7255）（）中的Users/NiklasLindeke/Library/enthught/Canopy_64bit/User/lib/python2.7/site-packages/pandas/hashtable.so
/在pandas.hashtable.Int64HashTable.get_项（pandas/hashtable.c:7193）（）中的Users/NiklasLindeke/Library/enthught/candoy_64bit/User/lib/python2.7/site-packages/pandas/hashtable.so
关键字错误：259

然而，当我在第一个for循环的末尾使用I=I+n时，错误消失了，但是当我这样做时，在p中附加了更多

---

我现在想不出怎么做了。

也许是这样的

for i in reversed(xrange(n, len(seq), n)):
    for j in range(1, n):
        pre = b0 + rv1[i] * b1**j + rv5[i] * b2**j + rv22[i] * b3**j + walk[i]           
        p.append(pre)
        i = i - 1

---

你到底想在这里干什么？如果你想计算每一天、每一周的预测值，不管怎样，你都应该在外循环中将I增加1（这就是你试图做的）。当然，当你每天计算未来的所有预测时，你会得到很多P。现在，当I+N位于内部循环中时，您将指向其中一个变量RVx或walk的大小。请参阅“编辑”，并对我的目标进行更详细的描述。是否尝试创建一个带有“pre=…”行的数组？我不知道您拥有的数据类型，但在我看来，您似乎创建了一个整数。这看起来很奇怪，因为您从definine pre=[]开始，但基本上以后会重新定义它。此外，您的索引已关闭。您的内循环向I添加了不同的值，这些值在外循环中持续存在，这可能会导致索引出错（过高）。那么b0第一个预测、rv1[I]*b1**j第二个预测也是如此吗？我不熟悉您提到的HAC xx方法，但对我来说，在所有预测中使用相同的I值（为什么不是I+j？）似乎有些奇怪。第一个预测是方程式加上一个噪声项，因为j从1开始。我不能让它假设任何附加信息。当它开始以i的某个级别进行预测时，它需要根据到时间i为止的可用信息提前生成n个预测，并沿着序列移动，直到下一个适当的步进点，即i+n。您可能还希望将范围设置为（1，n+1）。否则，如果N=5，则会得到值1-4、6-9等等。外部循环可能有相同的问题，具体取决于您的情况。它无法处理n>2的问题仍然存在，并且出于某种原因，它只返回128行数据。但是，当我在第一个循环中取出n时，它返回的是适当数量的行。您希望有多少行？255/5等于51。所以我想我还是不太理解你。如果索引太大，是否仍会出现相同的错误？不，我预计会有255行，因为“I”将数据集从模型进行预测的位置移动，而n天之前的数据集将在其中附加p，并一直移动到255行。但是循环中的第三个参数是skip，当它已经有了i-1时，它不应该像那样跳过。如果我们取seq=255和n=5，第一行将创建一个列表[250245240235，…]。这意味着结果列表将包含51个值，其中第一个值是i=250249248247246的数组。内部i-1与外部环路内的249248247246一样。你想要不同的吗？