【金融风险管理】python进行动态波动率的计算和时间序列的预测

概述

根据前一篇文章算计算出来的股票对数收益率，我们在这一篇文章在前文的基础上，分别用朴素法（平均法），简单移动平均法，5日简单移动平均法，10日移动平均法，15日移动平均法来，一次指数平滑法，二次指数平滑法，三次指数平滑法来预测。并且用RMSE，ADF检验对数据进行平稳性检验。

---

一、数据整理

1.时间格式转换

先对数据进行整体的概览：
用python中的pandas库的to_datetime()来对时间进行一个格式的转换。

#format = '%Y/%m/%d'
df.index = df.Timestamp
df_ts = df.resample('D').sum()
df_ts
on

2.训练集和测试集

#2007 年 1 月- 2007 年 12 月用作训练数据，2007 年 9 月 – 2007 年 12 月用作测试数据。
train = df_ts['2007/1/4':'2007/12/28']
test = df_ts['2007/10/1':'2007/12/28']
all = df['Count']
date = df['Datetime']
train.tail()
#print(train)

注：由于在划分的时候，数据包含了一年中每一天，而实际的股票开盘日并非每一天都有，所以存在在部分空缺值，故在后面利用dropna（）来进行删除空缺行，以便后文分析。

train2 = train[train.loc[:]!= 0].dropna()

---

3.原始股票对数收益率数据展示

train.Count.plot(figsize=(15,8), title= 'Logarithmic yield', fontsize=14)
test.Count.plot(figsize=(15,8), title=