Python数据帧中的滚动回归估计
我有这样一个数据帧:Python数据帧中的滚动回归估计,python,pandas,dataframe,Python,Pandas,Dataframe,我有这样一个数据帧: Date Y X1 X2 X3 22 2004-05-12 9.348158e-09 0.000081 0.000028 0.000036 23 2004-05-13 9.285989e-09 0.000073 0.000081 0.000097 24 2004-05-14 9.732308e-09 0.000085 0.0000
Date Y X1 X2 X3
22 2004-05-12 9.348158e-09 0.000081 0.000028 0.000036
23 2004-05-13 9.285989e-09 0.000073 0.000081 0.000097
24 2004-05-14 9.732308e-09 0.000085 0.000073 0.000096
25 2004-05-17 2.235977e-08 0.000089 0.000085 0.000099
26 2004-05-18 2.792661e-09 0.000034 0.000089 0.000150
27 2004-05-19 9.745323e-09 0.000048 0.000034 0.000053
......
1000 2004-05-20 1.835462e-09 0.000034 0.000048 0.000099
1001 2004-05-21 3.529089e-09 0.000037 0.000034 0.000043
1002 2004-05-24 3.453047e-09 0.000043 0.000037 0.000059
1003 2004-05-25 2.963131e-09 0.000038 0.000043 0.000059
1004 2004-05-26 1.390032e-09 0.000029 0.000038 0.000054
我想运行一个滚动100天窗口OLS回归估计,即:
首先,对于第101行,我使用第1行到第100行对Y-X1、X2、X3进行回归,并估计第101行的Y
然后对于第102行,我使用第2行到第101行对Y-X1、X2、X3进行回归,并估计第102行的Y
然后,对于第103行,我使用第2行到第101行对Y-X1、X2、X3进行回归,并估计第103行的Y
直到最后一排
如何做到这一点?我还需要做一些滚动回归,并在pandas.ols中遇到了pandas折旧函数的问题。
model = pd.stats.ols.MovingOLS(y=df.Y, x=df[['X1', 'X2', 'X3']],
window_type='rolling', window=100, intercept=True)
df['Y_hat'] = model.y_predict
下面是我的作品
基本上,我首先使用创建一个空的numpy数组,然后使用numpy polyfit在for循环中生成回归值。然后我将numpy数组添加到panda数据帧中。希望对社会有所帮助
data = pd.DataFrame(x_data, y_data)
regression = np.zeros((len(data.index),2)) #set the regression numpy array empty first
for row in range(0, len(data.index), 1):
y = data.y_data[row: row + 300]
x = data.x_data[row: row + 300]
regression[row] = np.polyfit(x, y, 1)
data['beta'] = regression[:,0]
data['alpha'] = regression[:,1]
statsmodels 0.11.0添加了滚轴(2020年1月) 或者使用R型回归公式
model = RollingOLS.from_formula('Y ~ X1 + X2 + X3' , data = df, window=20)
rres = model.fit()
rres.params.tail()
熊猫的哪个版本?版本是:0.18.0
print(model.summary)
df.plot.scatter(x='x',y='y',s=0.1)
此功能似乎已被弃用,其他软件包中是否有替代品?@Lost1x.rolling(window=60).apply(sm.ols)
有没有办法重叠窗口?@guy我认为它们重叠了。方法不错,但我认为存在问题。该行将超出范围,因为您要求返回[行:行+300]内的数据。我认为在for循环中,您需要迭代到len(data.index)-300
model = RollingOLS.from_formula('Y ~ X1 + X2 + X3' , data = df, window=20)
rres = model.fit()
rres.params.tail()