GARCH时间序列滚动模型

本文介绍了如何使用ARIMA和GARCH滚动模型对股票收盘价进行时间序列分析,涉及数据预处理、划分训练集和测试集、以及滑动窗口下的模型训练与预测。代码示例可在finance褪黑素公众号获取。

滚动模型是一种经济模型,用于描述经济中的决策和动态调整。它通常用于分析长期决策的影响,并考虑在不同时间点上的变化和调整。
本文主要是ARIMA、garch滚动模型的解释和基础代码,原文数据可通过下方链接获取,代码可关注gzh‘finance褪黑素’回复【20240430】获取。

一、数据介绍

本文选用的时间序列数据为某股票1481天内的收盘价数据,如下图所示,第一列为未经处理过的年月日时间,第二列为收盘价数据,在进行正式的模型之前,一定要把时间序列数据处理为内置模型可接受的时间性数据,第二列数据一定要是数值型数据,不能是文本性数据,这也是容易出错的地方。

在这里插入图片描述

将第一列数据变为时间数据:

data['交易日期'] = pd.to_datetime(data['交易日期'])
data.set_
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值